2014年，基于對語音交互應用未來的高度認可，京東與訊飛一起出資成立靈隆科技，旨在推出更好用的以語音為交互入口的智能產(chǎn)品，首選切入點是音箱產(chǎn)品，這就是叮咚(DingDong)音箱。

目前叮咚(DingDong)音箱和亞馬遜Echo使用的技術和應用水平旗鼓相當，最大的區(qū)別在語音上，叮咚(DingDong)支持中文和簡單的英文，而Echo只支持英文。除此之外最重要的一點是叮咚(DingDong)采用了科大訊飛最新的語音人工智能技術AIUI，將語音交互提升到一個新的層次。

通過技術拆解、解讀，我們試圖找出叮咚(DingDong)音箱所使用的AIUI語音技術的核心創(chuàng)新之處，如何讓語音人機交互帶來新的革命，繼而賦予叮咚(DingDong)音箱這樣的產(chǎn)品新的玩法和生命力，進而帶來一場語音交互的場景革命。

一、從智能交互到智能家居場景革命

首先我們需要了解的是，京東旗下叮咚(DingDong)音箱在搭載AIUI語音交互技術后，帶來了哪些全新的體驗和實現(xiàn)方式，以及可見的智能家居場景革命，至少帶來三方面的改變： 

1、讓叮咚(DingDong)音箱成為體驗最好的WiFi智能音箱產(chǎn)品。 

從2015年啟動的叮咚(DingDong)音箱項目，已經(jīng)發(fā)展成為國內體驗最好的WiFi智能音箱產(chǎn)品之一，目前銷量在京東平臺第一，超過所有前十品牌之和；在技術上的最佳體現(xiàn)就是遠場識別、隨時打斷，以及在AIUI升級后實現(xiàn)的連續(xù)對話功能，在國內處于領先地位。

2、讓叮咚(DingDong)音箱的使用場景更為豐富。 

叮咚(DingDong)音箱可以讓用戶用語音操控微聯(lián)平臺上的上千款智能硬件設備，從而形成場景化的交互方式。 

比如，你只需發(fā)出“我回家了”的指令，屋內的燈光、空調、加濕器、電視等一系列用戶自定義的設備將會按照事先設置的程序自動開啟。徹底解放用戶的雙手，帶來前所未有的用戶體驗。 

3、為京東智能云語音服務平臺提供堅實技術基礎。 

基于叮咚(DingDong)音箱+AIUI語音交互的組合，京東智能推出了開放平臺計劃，讓語音技術的未來想象空間進一步擴大，成為京東布局智能家居的一步大棋。 

平臺入口將接入第三方服務平臺，首批接入的合作伙伴包括：中通快遞、e袋洗、百度地圖、京東到家、JIMI機器人等。眾多合作伙伴的加入，為叮咚(DingDong)的入口布局帶來了更加豐富的應用場景，不管是家政服務還是出行打車，用戶都可以通過語音來完成。 

未來通過叮咚(DingDong)與京東JIMI客服機器人的接通，用戶更可以語音查詢商品配送等信息。這種服務的升級，使得語音入口不僅僅局限于智能家居，而是支撐整個家庭數(shù)據(jù)生態(tài)的建立。 

二、AIUI的五大核心功能亮點 

接著我們再來拆解解讀背后的技術因素，AIUI是在2015年12月份訊飛的年度大會上首次推出，剛剛過去的10月份雙創(chuàng)周上AIUI第一次正式面市，叮咚(DingDong)音箱成為首批搭載的產(chǎn)品。目前國內80%以上的機器人廠商使用了訊飛的語音技術，前沿的玩家都在用AIUI，特別是像京東將叮咚(DingDong)音箱這樣的巨頭推動案例的加入。 

AIUI最核心強調的是“自然語音交互”，具體來說重要的是這幾方面的體現(xiàn)： 

第一、遠場降噪，用語音同產(chǎn)品交互時，不用離它那么近，以叮咚(DingDong)音箱為例，距離五米內都能輕松把它喚醒。 

實現(xiàn)這一點，主要是運用了回音消除技術，消除量可以達到50dB。無論是穩(wěn)態(tài)的噪音抑制還是動態(tài)噪音抑制。還有音源定位技術，比如5麥克風的方案，定位鎖定角度只有正負10度偏差。據(jù)悉，5米距離的語音聽寫識別率已經(jīng)突破90%。 

第二、實現(xiàn)方言的識別，科大訊飛深耕語音十六年，已經(jīng)支持二十種方言的識別。 

第三，全雙工。以前人與機器進行語音交互時，有時候并沒聽你說，要么在做識別的動作，要么就是在說給你聽。AIUI可以實現(xiàn)聽的同時也在說，你可以隨時打斷它。 

第四，糾錯。糾錯的功能，比如在報十幾個數(shù)字的電話號碼時，可以讓機器用兩個數(shù)字換掉另外兩個，訊飛花了很多時間來做類似這樣的細節(jié)體驗。 

第五，多輪對話，就是像人和人之間的自然語音溝通，比如在講天氣這件事情，你提了杭州的天氣怎么樣，后面再問深圳的、北京的，機器會知道你是在說什么，想問什么。 

在交互體驗進行大幅度的提升后，AIUI還針對不同的場景對其能力作了區(qū)分。首先具有統(tǒng)一的接口和交互，接口上面會有麥克風陣列、語音喚醒、對話識別、對話閑聊等方面，這幾方面可以做靈活的搭配，從而呈現(xiàn)出不同的人機交互解決方案。AIUI的應用領域可延伸到車機、機器人、錄音轉寫這樣的專業(yè)市場。

三、如何做到和具備智能交互 

叮咚(DingDong)音箱使用過程中的幾個典型場景可以體現(xiàn)AIUI帶來的智能交互體驗，比如在溝通過程中，用戶的語言有方言口音并不用擔心，如果音箱正在播放音樂或講故事，只要呼出“叮咚(DingDong)、叮咚(DingDong)”就能直接打斷喚醒，再比如，即使相隔4～5米的范圍，叮咚(DingDong)音箱也能靈敏地感知到。 

上面幾點是如何做到的呢？傳統(tǒng)人機交互的鏈路比較簡單，中間如果有斷點，交互過程就會中斷，從語音識別到語義理解到合成語音，任何一點的打斷都會讓語音交互的體驗大打折扣，AIUI則是對這個溝通鏈條，進行了豐富和加強，特別是在人工智能方面。 

AIUI的語音交互鏈條上，通過硬件、軟件的技術進行一次大的提升。比如語音識別的部分，可以做定向識音；在硬件方面，四麥或多麥是一個平面就會把各個角度做劃分，如果用戶站在一個方向，麥克風會指向這個方向做定向語音識音。 

有了定向語音識音以后，后面幾個鏈路就會工作起來，可以實現(xiàn)遠場降噪，環(huán)境內回音消除也可通過麥克風。在語義理解也是這樣，在技術優(yōu)化方面完整的向前邁進了一步。 

四、結語 

總的來看，AIUI是面向智能硬件交互方案的一個平臺級的解決方案，無論是穿戴式設備還是家用設備，到機器人、到智能家居的解決方案，AIUI都可以提供最自然的人機交互的交互方案。 

很多特點已經(jīng)在叮咚(DingDong)音箱產(chǎn)品上得以體現(xiàn)，在最近叮咚(DingDong)音箱公布語音交互開放平臺時，就特別提到叮咚(DingDong)音箱升級最新系統(tǒng)后，可以做到一次喚醒連續(xù)對話，正是AIUI的典型功能特色之一。 

基于出色的語音交互技術，在京東智能的平臺上，通過叮咚(DingDong)智能音箱，讓場景化的革命得以放大，不僅成為出色的語音交互助手、場景化的語音交互入口，更成為互聯(lián)網(wǎng)服務的分發(fā)平臺。