關(guān)于云知聲開源全棧語音交互方案概念詳解

其實現(xiàn)在外面好多合作伙伴都說我們特別‘獨’，不過等你們的東西做出來，大家就不會這么說啦?！痹浦暵?lián)合創(chuàng)始人、芯片負(fù)責(zé)人李霄寒經(jīng)常用這句話作為開頭來鼓勵自己的芯片團隊盡快完成 Turnkey 整體音箱方案。因為在 5 月份云知聲首款面向物聯(lián)網(wǎng)的 AI 芯片—— UniOne 的發(fā)布會上，在 UniOne 上實現(xiàn) Turnkey 音箱方案并將其整體開源，已經(jīng)作為一個重大舉措發(fā)布了。

談起之前和合作伙伴的合作，李霄寒還是比較感慨的，云知聲之所以能成為國內(nèi)唯一實現(xiàn) IVM （智能硬件模組）在白電領(lǐng)域大規(guī)模出貨的 AI 公司，其中最關(guān)鍵的一條就是云知聲提供了軟硬件云+端一體化解決方案，為客戶提供了一站式解決方案。但是這種模式，讓很多希望和云知聲展開合作的技術(shù)方案公司感覺云知聲不太愿意和大家一起玩，所以有人半開玩笑半認(rèn)真地說云知聲比較“獨”。

但是另一方面，李霄寒認(rèn)為前兩年的“獨”，恰恰是對合作伙伴的負(fù)責(zé)。因為面向智能家居實現(xiàn) AI 落地，牽涉到非常多的環(huán)節(jié)，比如需要積累可以量產(chǎn)化的結(jié)構(gòu)經(jīng)驗；比如需要通過引擎、硬件平臺選型以及系統(tǒng)優(yōu)化，滿足家電廠商整體的功耗要求；再比如適配云知聲引擎，并在價格和性能方面達(dá)到最佳配置的通用芯片選型。這些都需要經(jīng)過團隊之間日常的緊密的合作，有時候甚至需要針對某些硬件特點做相應(yīng)的引擎代碼級別修改，才能真正實現(xiàn)最佳效果。

“如果僅僅提供一個引擎給自己的合作伙伴，再提供一些 SDK 層面的適配和支持，其實對自己的合作伙伴，包括對自己的團隊，都是不負(fù)責(zé)任的。因為大家資源都是有限而寶貴的，引擎原廠沒有足夠的硬件、系統(tǒng)和產(chǎn)品經(jīng)驗，是無法高效支撐合作伙伴，最終大家做了很多合作，可能只是一場熱鬧，而無法做到量產(chǎn)出貨?！边@是李霄寒的結(jié)論。

正是在這種思想的指導(dǎo)下，云知聲一面提供著 IVM 的整體解決方案，一面把自己在 IVM 實際落地場景下積累的經(jīng)驗和參數(shù)，落實到自有 AI 芯片 UniOne 的設(shè)計中，期望通過芯片最大可能地把家居場景下的關(guān)鍵部分進(jìn)行固化，再將該芯片之上的全棧語音交互進(jìn)行開源，大大降低技術(shù)門檻、縮短上市時間，從而確保合作伙伴與云知聲的合作都有收獲。

“不過這么做壓力很大”，作為資深金庸迷，李霄寒有時候在內(nèi)部開玩笑，說基于 UniOne 整體開源交互方案出來之前，自己經(jīng)常想起《倚天屠龍記》里面趙敏說的那兩句話“周公恐懼流言日，王莽禮謙下士時”，不過這也更加促進(jìn)了自己領(lǐng)導(dǎo)的芯片團隊加班加點。

碎片化IoT市場 VS基于UniOne的統(tǒng)一戰(zhàn)線

兵無常勢，水無常形， UniOne 出來后，云知聲也進(jìn)入到自己的“芯時代”，遠(yuǎn)講降噪的 2Mic、4Mic 算法的各個參數(shù)，離線喚醒達(dá)到最佳喚醒率/誤喚醒率的閾值，離線識別命令的模型大小和反應(yīng)速度，都已經(jīng)調(diào)到了最佳狀態(tài)并且固化在 UniOne 中。在這種情況下，和合作伙伴一起做，就在一個非常穩(wěn)固并且高起點地基礎(chǔ)上了。面向很多潛在地客戶，云知聲均有一套經(jīng)過驗證過的參數(shù)，可以保證最終產(chǎn)品的性能，如果后續(xù)云知聲算法有升級，也可以通過刷新 UniOne 中的固件來確保效果。

與此同時， UniOne 上目前實現(xiàn)的音箱整體交互方案也將開源。大家可以先感受一下當(dāng)前的效果。

“ Turnkey 方案的開源，必將大大促進(jìn)整體智能硬件產(chǎn)品的開發(fā)”，談及這點，李霄寒信心滿滿。原因主要來源于以下三個方面：

一、 智能硬件的產(chǎn)品經(jīng)理非常稀缺，尤其是懂語音交互設(shè)計的產(chǎn)品經(jīng)理。語音交互（VUI）與之前屏幕為主要展示的圖形界面交互（GUI）差別非常大，前者是扁平結(jié)構(gòu)，一句話直達(dá)系統(tǒng)任何一個圖形界面，可以做任何一個操作。而后者是樹形結(jié)構(gòu)，需要一步步點擊。這兩種交互各有優(yōu)勢，而VUI 目前市面上人才不多，又由于其扁平結(jié)構(gòu)的特性，在設(shè)計的時候，需要從系統(tǒng)整體層面來考慮，而不是簡簡單單一個 App 層面。如此總總，都大大增加了 VUI 設(shè)計難度。

“產(chǎn)品交互設(shè)計如果都不好，最終開發(fā)的產(chǎn)品效果就可想而知了?！倍鳛樵浦晞?chuàng)始團隊的李霄寒，在十多年前就在 Motorola 中國研究中心從事人機交互相關(guān)的研究工作，從 Motorola 手機上的語音交互到云知聲車載到格力空調(diào)、斐訊音箱，李霄寒帶領(lǐng)云知聲團隊積累了豐富的 VUI 設(shè)計和開發(fā)經(jīng)驗，而這些經(jīng)驗?zāi)Y(jié)而成的整體語音交互方案，將隨著 UniOne 一起作為 Turnkey 方案整體開源，這一切將大大降低行業(yè)門檻。

二、 語音交互方案開源將大大縮短開發(fā)周期。作為一個系統(tǒng)級的功能，語音交互方案將處理音頻驅(qū)動，處理與系統(tǒng)其他應(yīng)用的交互，處理各個案件和喚醒事件，而且必須足夠健壯穩(wěn)定，這些都隨著云知聲開源方案得到解決。合作伙伴可以只做淺層次的定制化改造，比如喚醒詞修改；也可以做深層次開發(fā)，比如基于云知聲架構(gòu)框架增加自己的對話 Session ；也可以在看懂整體方案情況下，完全重寫。

三、 云知聲經(jīng)過考驗的實施團隊，提及云知聲的競爭優(yōu)勢，很多客戶都對云知聲的服務(wù)表示認(rèn)可，這與云知聲有一支經(jīng)驗豐富并且善于和客戶配合的實施團隊密不可分。而在“芯時代”，這支團隊將為愿意采用云知聲 UniOne 的合作伙伴提供整體開源方案的技術(shù)支持，包括代碼培訓(xùn)、工具開發(fā)等，盡一切可能降低合作伙伴熟悉整體開源方案的學(xué)習(xí)曲線陡峭度。

正如在 UniOne 芯片發(fā)布會上李霄寒所強調(diào)的，IoT 是一個碎片化的市場，面對這個碎片化的市場，如何以一個高效的方式應(yīng)對，是云知聲，也是云知聲的合作伙伴需要認(rèn)真面對并深度思考的。現(xiàn)在云知聲給出了自己的回答，通過凝結(jié)自己場景落地經(jīng)驗的 UniOne 芯片，將其上的全棧語音交互方案進(jìn)行開源，結(jié)成統(tǒng)一戰(zhàn)線。各個合作伙伴可以在開源方案上將精力更多地放在自己熟悉的細(xì)分市場定制化方向，更快更好更多的出貨。而云知聲聚焦在自己性能改進(jìn)和芯片迭代，更高性能更低成本。

“9月份，大家一起來”，李霄寒非常高興自己終于可以在9月份的 UniOne Turnkey 方案開源研討會上甩掉戴在自己和云知聲頭上兩年多的“獨”的帽子了。