會撒嬌有情感,小米聲學語音技術重磅升級!
近日,小米發布了小愛音箱Art,這款音箱采用全新的金屬機身,機身揚聲器開孔被設計成0.7mm厚度的金屬飾板,可謂功能與質感兼具。小米小愛音箱Art通過一顆2.5英寸的全頻揚聲器,讓聲音的細節呈現得更加自然。
作為小米推出的第9款智能音箱,小米小愛音箱Art在技術上也全面升級,搭載第三代小愛同學,并支持情感化語音交互、全屋播放及就近喚醒。通過這款音箱得以看出,小米的聲學語音技術已經實現全面自研,并在自研部分領域持續。
情感化語音交互:通過迭代聲學模型,支持情感TTS
對于智能設備而言,實現情感化語音交互是一項挑戰。"情感"本身就是主觀的、多樣的感受,一種情感可以有多種呈現形式,更適合人與人的面對面對話。情感化語音交互對技術要求較高,要技術方、數據方、質檢方等多方對情感濃度、情感詮釋方式等標準達成共識,將較主觀的情感音素統一化、標準化。
隨著人工智能技術的發展,在實現人機對話的基礎上,各大廠商都在情感化語音交互的領域探索。為了讓機器加入情感元素,小米AI實驗室在"情感數據量有限"的前提下,通過不同聲學模型、不同聲碼器組合最終上線自然、擬人效果的情感TTS,成為業內首 家情感化TTS大規模落地的企業。
通過小米AI實驗室的不斷深耕,此次小米小愛同學Art全面支持情感化語音交互,基于有限但類型不同的情感音頻數據(如開心、關心、害羞、驚訝等),通過不同技術訓練并迭代聲學模型,最終支持情感TTS合成并實現"小愛同學"音感化、擬人化。
未來,小米語音將升級此技術――支持情感TTS實時合成。從下圖中可以看出,在大數據集的預訓練模型基礎上,利用目標說話人的中性情感數據對網絡進行微調,得到目標說話人的中性情感模型;在此基礎上用帶情感的小批量數據對模型進一步微調,最終得到不同情感的模型,最終實現情感合成。

在國內語音助手行業中,小米首 次實現情感化TTS的大規模落地,未來將打造情感更加豐富的"小愛同學",為用戶提供多元化的語音交互體驗,為IoT設備增加更豐富更立體更逼真的語音交互體驗。
語音支持全屋播放:立體聲組合同步播放相同音頻
小米小愛音箱Art,是首 款可以實現語音支持全屋播放的設備。用戶直接對小愛同學說"全屋播放XX",無需提前在App端進行手動設置,即可實現一句話語音交互,為用戶提供了更便捷的使用方式。
要實現這一功能,音箱需要具備AIoT放音的技術。小米AIoT放音的自研技術在攻克無線網絡抖動、晶振時鐘漂移以及弱網下數據不可達等一系列技術難題后,將不同音箱播放聲音的同步優化到微秒級別,同時還實現了在不同型號的音箱之間的數據同步,提供更細膩的音質和寬廣的聲像。

由這張圖可見,立體聲支持APP創建組網,才能進行語音指令和APP操作播放,全屋播放同時支持語音指令和APP創建組網。
立體聲功能同時支持語音指令和app操作播放,云端音頻流下發至音箱A,音箱A將立體聲分離為左右聲道,音箱A自己播放左聲道音頻并將右聲道音頻流下發給音箱B,由B音箱播放右聲道,精準的同步技術保證音箱A和B同時播放立體聲的左右聲道音頻。全屋播放功能支持語音指令和app創建組網,音頻流下發至音箱C,音箱C將音頻流混合為單聲道信號并下發給組內其他的音箱設備同時播放,不區分聲道,可支持多個設備。
請輸入評論內容...
請輸入評論/評論長度6~500個字
最新活動更多
- 1 特斯拉Optimus Gen3量產在即,哪些環節最具確定性?
- 2 OpenAI深夜王炸!ChatGPT Images 2.0實測:中文穩、細節炸,設計師慌了
- 3 AI狂歡遇上油價破百,全球股市還能漲多久? | 產聯看全球
- 4 6000億美元估值錨定:字節跳動的“去單一化”突圍與估值重構
- 5 Tesla AI5芯片最新進展總結
- 6 連夜測了一波DeepSeek-V4,我發現它可能只剩“審美”這個短板了
- 7 熱點丨AI“瑜亮之爭”:既生OpenClaw,何生Hermes?
- 8 2026,人形機器人只贏了面子
- 9 AI界的殺豬盤:9秒刪庫跑路,全員被封號,還繼續扣錢!
- 10 AI Infra產業鏈卡在哪里了?


分享













