近兩年，智能音箱方案可謂是越來越火熱，藍(lán)牙音箱外觀小巧精致，硬件功能強(qiáng)大的特點(diǎn)迅速搶占市場(chǎng)，可聽音樂，查天氣、智能報(bào)時(shí)、作為鬧鐘等。其實(shí)，現(xiàn)在的智能音箱產(chǎn)品還不能做到真正的“智能”。

下面來講講智能音箱的幾大硬件模塊：

1、降噪模塊：智能音箱的降噪是通過麥克風(fēng)陣列判斷人聲的方向，并增強(qiáng)該方向的拾音效果，在本機(jī)播放音樂時(shí)，濾除麥克風(fēng)接收的本機(jī)音樂，使智能音箱在播放音樂時(shí)也能被喚醒。語音降噪算法在國際上做的比較好的是科勝訊，國內(nèi)做的比較好的是科大訊飛。

智能音箱硬件方案

2、語音轉(zhuǎn)文字模塊：語音并不能直接拿來分析成意思，必須要轉(zhuǎn)化成文字。當(dāng)然這個(gè)技術(shù)已經(jīng)是個(gè)成熟技術(shù)了，在現(xiàn)在大數(shù)據(jù)算法的輔助下，結(jié)合上下文理解，已經(jīng)可以非常準(zhǔn)確的把聲音變成文字了。

3、語義理解模塊：這是智能音箱的核心，自然語言處理就是把人的語言轉(zhuǎn)化成機(jī)器能夠理解的數(shù)字，分解并回復(fù)響應(yīng)的語言，目前有的技術(shù)只能做到固定的問答，智能音箱還無法像人類一樣思考。

4、文字轉(zhuǎn)語音模塊：比如高德地圖的志玲姐姐聲音，就是依靠TTS語音合成，把文字變成聲音的。語音合成基本都是云端合成，一般的智能音箱是將語音識(shí)別、語義識(shí)別、語音合成三個(gè)放在云端；控制和顯示放在本地。

智能音箱的功能會(huì)越來越全，如聲紋識(shí)別、人臉檢測(cè)、人臉識(shí)別等技術(shù)也會(huì)應(yīng)用在智能音箱上，讓它更加智能，可以做到理解我們說的話，能想人與人正常溝通那樣和我們交流，了解我們的想法，為人類做更多的事。