Echo：能回應(yīng)的音箱【最佳發(fā)明系列之12】

來源：IPRdaily.cn中文網(wǎng)

作者：劉成 韓雪 審協(xié)北京中心 IP創(chuàng)新贏

原標(biāo)題：Echo：能回應(yīng)的音箱【最佳發(fā)明系列之12】

能獲評(píng)最佳發(fā)明，亞馬遜的Echo顯然不是一款簡(jiǎn)單的無線音箱。其真正強(qiáng)大之處在于內(nèi)置了云端語音服務(wù)“Alexa”。一下子將這款音箱變成了能和用戶語音交流、控制其它設(shè)備的“智能助理”?？纯磥嗰R遜官方發(fā)布的介紹視頻（建議在WiFi環(huán)境下觀看）：

“Always ready, connected and fast. Just ask.”

隨時(shí)待機(jī)，快速響應(yīng)

從亞馬遜的廣告語中就知道：?jiǎn)柧秃昧耍?/span>

Alexa，幾點(diǎn)了？

Alexa，找首輕松的歌放放

Alexa，明天要不要帶雨傘

如果你覺得上面的小兒科，那么它還可以；

控制Nest、IFTTT公司旗下智能家居產(chǎn)品

查銀行賬戶信息

訂購披薩

Uber叫車

甚至還能語音控制汽車。

（當(dāng)然，目前還不支持中文）

外表簡(jiǎn)約卻內(nèi)藏豐富的功能，Echo倍受用戶歡迎。自2015年正式發(fā)售至今，短短兩年銷量即已突破500萬臺(tái)，在近來甚少創(chuàng)新的音箱界可謂異軍突起，而且，據(jù)亞馬遜官網(wǎng)的銷售頁面顯示，Echo在近5萬用戶評(píng)價(jià)中獲得67%的全5星好評(píng)，被亞馬遜視為“下一個(gè)10億美元級(jí)”業(yè)務(wù)。

下圖是Business Insider在2016年12月對(duì)Echo銷量及Alexa技能數(shù)量的統(tǒng)計(jì):

銷量翻倍，技能數(shù)直線上升……一個(gè)看上去比較簡(jiǎn)單的音箱類單品能達(dá)到這種火爆程度，實(shí)在令人驚訝。

在互聯(lián)網(wǎng)各大巨頭早已布局語音助手的情況下，為什么Echo能夠獨(dú)領(lǐng)風(fēng)騷，甚至讓Google追隨其腳步而推出Google Home音箱，蘋果也據(jù)傳將要發(fā)布基于Siri的智能音箱？

下面，小贏就從產(chǎn)品功能和專利技術(shù)角度，和大家分享一下亞馬遜這款“可以回應(yīng)的揚(yáng)聲器”背后的秘密。

Echo的產(chǎn)品研發(fā)

亞馬遜開發(fā)Echo以及Alexa服務(wù)的項(xiàng)目可以追溯到2011年，由亞馬遜的Lab126實(shí)驗(yàn)室研發(fā)（Lab126類似于Google的X實(shí)驗(yàn)室。126表示第1到第26個(gè)字母。其研究項(xiàng)目以字母順序命名，例如Kindle為項(xiàng)目A），屬于項(xiàng)目D，于2011年啟動(dòng)。

該項(xiàng)目最初的目標(biāo)并沒有十分遠(yuǎn)大，其創(chuàng)意實(shí)際是項(xiàng)目C（涉及增強(qiáng)現(xiàn)實(shí)）的一個(gè)衍生分支，后來才逐漸明確。為了加速語音技術(shù)的研發(fā)，亞馬遜從著名的語音技術(shù)公司Nuance挖來一批重要技術(shù)人員，后來又陸續(xù)收購了Yap、Evi、Ivona Software等多家語音初創(chuàng)公司，為語音轉(zhuǎn)文字、語音識(shí)別在商品搜索上的應(yīng)用、文本語音轉(zhuǎn)換和語音命令等功能提供技術(shù)支撐。

2014年11月，亞馬遜推出Echo，并于2015年7月正式對(duì)所有用戶出售，售價(jià)179.99美元：

Echo呈圓柱形，高約23.5厘米，內(nèi)置麥克風(fēng)陣列和揚(yáng)聲器陣列，以語音作為主要交互方式，通體只有兩個(gè)按鍵，其主要硬件結(jié)構(gòu)如下圖所示:

Echo的兩個(gè)物理按鍵都在頂面，分別是關(guān)閉麥克風(fēng)和喚醒；頂部有一個(gè)燈環(huán)，燈環(huán)下面是一個(gè)音量控制轉(zhuǎn)環(huán)，可以通過旋轉(zhuǎn)來調(diào)節(jié)音量。燈環(huán)會(huì)對(duì)Echo的狀態(tài)做出燈光反饋，比如關(guān)閉麥克風(fēng)的時(shí)候，燈環(huán)會(huì)變成紅色，而調(diào)節(jié)音量的時(shí)候，燈環(huán)為白色，且范圍隨著音量變化。當(dāng)捕捉用戶語音時(shí)，燈環(huán)還會(huì)在朝向用戶的部分點(diǎn)亮。

2016年3月，亞馬遜豐富Echo品類，發(fā)布了小型版的Echo Dot，并在10月更新為Echo Dot 2，售價(jià)49.99美元。

Echo Dot具有與Echo同樣的語音交互功能，只是弱化了揚(yáng)聲器，但可以通過3.5mm音頻接口或者藍(lán)牙的方式連接到其它音響中，從而彌補(bǔ)揚(yáng)聲器的不足。

與Echo Dot同期推出的還有Amazon Tap，是一款360°戶外藍(lán)牙音箱，同樣內(nèi)置了Alexa語音助手，售價(jià)129.99美元。

Echo的功能

在Echo研發(fā)過程中，亞馬遜很長(zhǎng)時(shí)間都沒有明確這款揚(yáng)聲器的主要功能是什么。作為一個(gè)重要特點(diǎn)，Echo支持同時(shí)播放聲音和監(jiān)聽用戶語音的功能在后期才確定下來。

亞馬遜創(chuàng)始人貝索斯希望能讓Echo完全支持電商購物。需要說明的是，有證據(jù)表明，早在2013年底，Lab126就已考慮將Echo作為一款智能語音控制設(shè)備，通過互聯(lián)網(wǎng)將它與其他公司開發(fā)的智能燈泡等設(shè)備進(jìn)行連接和控制。

2015年4月，Alexa新增對(duì)Belkin WeMo無線開關(guān)和飛利浦Hue燈具的控制功能，正式觸及智能家居領(lǐng)域。

在先后增加對(duì)多款智能家電的支持之后，2015年6月，亞馬遜宣布將Alexa開放給第三方開發(fā)者，發(fā)布了Alexa Skills Kit（ASK）和Alexa Voice Service（AVS）兩套工具包。

其中，ASK主要面向開發(fā)者，在Alexa中開發(fā)更多語音服務(wù)應(yīng)用，AVS則主要支持第三方設(shè)備廠商在設(shè)備中集成Alexa。與此同時(shí)，亞馬遜還特別設(shè)立了1億美金的風(fēng)險(xiǎn)投資基金“Alexa Fund”，專門用來扶持語音交互領(lǐng)域的初創(chuàng)企業(yè)。

由于亞馬遜的推動(dòng)以及Echo的良好口碑，其它智能設(shè)備廠商和第三方開發(fā)者的熱情日益高漲，Alexa具備的技能越來越豐富。2015年Echo整合的第三方服務(wù)只有14項(xiàng)，現(xiàn)在已經(jīng)上升至7000余項(xiàng)，并且以每天大約100項(xiàng)新技能的速度增長(zhǎng)。有國(guó)外媒體對(duì)Alexa Skills的數(shù)量情況統(tǒng)計(jì)如下：

在剛剛進(jìn)行的CES 2017消費(fèi)展上，據(jù)說有700多種產(chǎn)品將內(nèi)置Alexa服務(wù)，包括：

LG超豪華冰箱、

華為Mate9手機(jī)（美國(guó)版）

聯(lián)想的音箱

優(yōu)必選機(jī)器人

甚至福特電動(dòng)汽車……

雖然沒有參展，但Alexa幾乎無處不在

福布斯新聞表示：亞馬遜的Alexa要主宰CES

亞馬遜硬件部門高級(jí)副總裁David Limp曾說:“亞馬遜相信下一個(gè)大平臺(tái)是語音，我們要做的就是為用戶打造一個(gè)完全由語音控制的云計(jì)算機(jī)?！?/p>

伴隨Echo發(fā)展起來的Alexa不再只是一個(gè)內(nèi)置于設(shè)備中的智能語音助手，它已經(jīng)成為一個(gè)搶占先機(jī)的智能語音平臺(tái)，是亞馬遜在人工智能和智能家居領(lǐng)域的重大布局。而作為亞馬遜自家最先接入Alexa服務(wù)的主體，Echo未來也必然水漲船高，還將具備更多令人期待的功能。

Echo相關(guān)的專利

如此重要的產(chǎn)品，自然少不了專利保護(hù)。同時(shí)，為了保密起見，對(duì)于Echo項(xiàng)目早期的專利，亞馬遜是借助一家名為Rawles LLC.的公司進(jìn)行申請(qǐng)，后來再轉(zhuǎn)讓給亞馬遜。

從2012年6月起，Rawles LLC.申請(qǐng)了多個(gè)名稱中包含“voice controlled assistant”（語音控制助理)的專利，其中的語音控制助理就是Echo音箱的形式，例如，較早的一篇申請(qǐng)US13/486,774（已于2015年6月獲得授權(quán)，授權(quán)公開號(hào)：US9060224B1），如下圖所示，語音控制助理包括麥克風(fēng)陣列、揚(yáng)聲器陣列和計(jì)算組件，用戶以說話的方式向語音控制助理提交請(qǐng)求，語音控制助理通過麥克風(fēng)陣列采集聲音信號(hào)，對(duì)聲音信號(hào)進(jìn)行處理，形成相應(yīng)的查詢請(qǐng)求，然后與云端通信，通過云端為用戶提供各種應(yīng)用服務(wù)，例如播放音樂、回答提問等，最后通過揚(yáng)聲器陣列將結(jié)果反饋給用戶。

2013年12月，同樣是通過Rawles LLC.公司，亞馬遜申請(qǐng)了一項(xiàng)名稱為“Natural Language Control of Secondary Device”（二級(jí)裝置的自然語言控制）的專利（申請(qǐng)?zhí)枺篣S14/094,270，公開號(hào)：US2015/0154976A1），同時(shí)還申請(qǐng)了PCT并進(jìn)入歐洲和中國(guó)。該申請(qǐng)描述了通過自然語言輸入并經(jīng)由初級(jí)語音響應(yīng)裝置來控制二級(jí)裝置的技術(shù)，也就是利用Echo以語音方式控制其它設(shè)備的原型，如下圖所示。

眾所周知，亞馬遜并非最早推出智能語音助理的公司，單就以語音方式控制二級(jí)設(shè)備而言，這也不是亞馬遜的首創(chuàng)。例如，Sensory, Inc.的一項(xiàng)專利（授權(quán)號(hào)：US7418392B1，申請(qǐng)日為2004年9月10日）就公開了通過語音指令控制設(shè)備操作的方案，被蘋果和亞馬遜的相關(guān)申請(qǐng)大量引用：

然而，在Echo推出之前，市面上最為普遍的語音交互應(yīng)用一般都是采用單麥克風(fēng)或雙麥克風(fēng)系統(tǒng)，例如集成Siri語音助手的iPhone等。單麥克風(fēng)系統(tǒng)可以在安靜環(huán)境或距離較近的情況下取得良好效果，但如果聲源距離麥克風(fēng)較遠(yuǎn)，并且真實(shí)環(huán)境存在大量的噪聲、多徑反射和混響，這會(huì)嚴(yán)重影響語音識(shí)別率。在這種情況下，即便如iPhone這么優(yōu)秀的產(chǎn)品，其Siri的表現(xiàn)也不盡如人意。

相比之下，Echo的獨(dú)特之處在于：使用了麥克風(fēng)陣列，并且結(jié)合亞馬遜強(qiáng)大的云服務(wù)進(jìn)行語音識(shí)別。麥克風(fēng)陣列由一組按一定幾何結(jié)構(gòu)（常用線形、環(huán)形）擺放的麥克風(fēng)組成，對(duì)采集的不同空間方向的聲音信號(hào)進(jìn)行空時(shí)處理，能夠?qū)崿F(xiàn)噪聲抑制、混響去除、聲源定位、人聲干擾抑制等功能，從而提高語音信號(hào)處理質(zhì)量，提高真實(shí)環(huán)境下的語音識(shí)別率。

下邊左圖中的綠色圓圈示出了Echo使用的6+1麥克風(fēng)陣列，位于Echo頂部，右圖為前面提到的專利US9060224B1中的相關(guān)附圖：

Echo所宣傳的“Far-Field Voice Recognition”（遠(yuǎn)場(chǎng)語音識(shí)別）：

正是基于其硬件中的麥克風(fēng)陣列實(shí)現(xiàn)?；邴溈孙L(fēng)陣列技術(shù)，亞馬遜在音頻信號(hào)處理、智能語音識(shí)別等領(lǐng)域布局了大量專利，對(duì)其產(chǎn)品和方案進(jìn)行保護(hù)。

（1）遠(yuǎn)場(chǎng)拾音

為了實(shí)現(xiàn)良好的遠(yuǎn)場(chǎng)拾音效果，獲得清晰的目標(biāo)語音信號(hào)，需要用到波束形成，聲源定位，噪聲抑制，混響消除，回聲消除等技術(shù)。下表簡(jiǎn)要說明了這些技術(shù)及亞馬遜的典型相關(guān)專利：

（2）智能語音識(shí)別

得到聲音信號(hào)之后，Echo如何進(jìn)行智能語音識(shí)別，準(zhǔn)確理解用戶的語音命令？這里需要用到“模型匹配”技術(shù)。模型匹配主要是和語音識(shí)別以及語義理解進(jìn)行匹配，語音交互是一個(gè)完整的信號(hào)鏈，從麥克風(fēng)陣列開始的語音流不可能割裂的存在，必然需要模型匹配在一起。實(shí)際上，效果較好的語音交互專用麥克風(fēng)陣列，通常是兩套算法，一套內(nèi)嵌于硬件實(shí)時(shí)處理，另外一套服務(wù)于云端匹配語音處理。

亞馬遜設(shè)計(jì)了運(yùn)行于云端的自動(dòng)語音識(shí)別ASR（automatic speech recognition）系統(tǒng)，并基于模型匹配設(shè)計(jì)了關(guān)鍵詞識(shí)別（keyword spotting）系統(tǒng)。Echo收到的語音命令被系統(tǒng)拆分為多個(gè)字段，它們?cè)谠贫伺c關(guān)鍵詞模型逐一比對(duì)，匹配度最高的部分被認(rèn)為是用戶發(fā)出的語音命令。US9159319B1描述了該關(guān)鍵詞識(shí)別系統(tǒng)。

對(duì)于較為特殊的“喚醒詞”，亞馬遜還專門申請(qǐng)了多篇專利，例如US9275637B1（美國(guó)專利授權(quán)公開號(hào)），US9368105B1等，可以避免錯(cuò)誤喚醒。

此外，US9299346B1、US9424840B1描述了一種語音識(shí)別平臺(tái)，可基于自動(dòng)語音識(shí)別ASR的結(jié)果和用戶上下文來確定語音指令的范圍，理解語音指令的意圖，并執(zhí)行相應(yīng)的動(dòng)作。

通過對(duì)多種音頻處理和智能語音識(shí)別技術(shù)的綜合運(yùn)用并不斷優(yōu)化，亞馬遜將Echo的平均語音處理響應(yīng)時(shí)間從最開始的5秒縮小到1.5秒，如今甚至已做到1秒以內(nèi)，大幅領(lǐng)先其它智能語音類產(chǎn)品，與Echo對(duì)話毫無延滯感，用戶體驗(yàn)十分出色。

小結(jié)

經(jīng)過以上分析可以看出，Echo之所以領(lǐng)先于Google Home等競(jìng)爭(zhēng)對(duì)手，其秘笈包括：

（1）性能優(yōu)異，用戶體驗(yàn)良好；

（2）高度機(jī)密的研發(fā)過程；

（3）低調(diào)和完善的專利布局；

（4）開放的策略，促進(jìn)發(fā)展完整生態(tài)鏈。

目前Echo和Alexa還暫未進(jìn)入國(guó)內(nèi)，以上策略或許可供國(guó)內(nèi)有關(guān)廠商借鑒一二，在競(jìng)爭(zhēng)激烈的人工智能語音交互市場(chǎng)覓得一席之地。

亞馬遜硬件部門高級(jí)副總裁David Limp曾在描述Alexa的時(shí)候說，“我們的長(zhǎng)期愿景是讓Alexa這個(gè)系統(tǒng)能像《星際迷航》里的中央計(jì)算機(jī)一樣，像科克船長(zhǎng)一樣坐在艦橋里，用聲音控制一切?！?/p>

隨著大數(shù)據(jù)的不斷積累和人工智能的迅速發(fā)展，我們相信，人類與機(jī)器之間自然語言交流的障礙將會(huì)消除，“用聲音控制一切”的時(shí)代終將到來。而Echo，也許是這一時(shí)代開啟的序章。

參考資料

“The Real Story of How Amazon Built the Echo”，Joshua Brustein，【https://www.bloomberg.com/features/2016-amazon-Echo/】

“遠(yuǎn)場(chǎng)語音交互的麥克風(fēng)陣列技術(shù)解讀”，陳孝良，【http://blog.sciencenet.cn/blog-1375795-1012654.html】

來源：IPRdaily.cn中文網(wǎng)

作者：劉毅 審協(xié)北京中心通信部

編輯：IPRdaily.cn LoCo

校對(duì)：IPRdaily.cn 縱橫君

本文來自IPRdaily.cn 中文網(wǎng)并經(jīng)IPRdaily.cn中文網(wǎng)編輯。轉(zhuǎn)載此文章須經(jīng)權(quán)利人同意，并附上出處與作者信息。文章不代表IPRdaily.cn立場(chǎng)，如若轉(zhuǎn)載，請(qǐng)注明出處：“http://www.islanderfriend.com/”