语音能力和硬件设计介绍
1.1.1. 目录
1.1.2. Rokid语音产品硬件设计指南
Rokid将基于自身打磨多年的历代产品经验，进行总结和归纳，并免费开放给用户。用户可以立即将Rokid优秀的语音整套解决方案，轻松地集成到具有麦克风和喇叭的联网设备上，打造业界优秀的语音交互产品(VoiceUI or VUI products)。
1.1.3. Rokid开放平台技术优势
Rokid拥有完整自主知识产权的全功能语音链条；
远场语音识别的优化：Rokid积累了数年的远场语音真实数据，并用于自有的ASR引擎训练优化，针对智能家居、远距离控制等应用场景具备更好的识别率；
软硬件全流程的技术方案：从麦克风选型、阵列设计，到前端语音处理算法、云端建模，Rokid能够做到硬件和软件的全栈式优化的技术方案；
顶尖的本地和云端建模核心技术：Rokid的语音唤醒、识别、合成以及语义理解，均采用了业界最新最先进的算法建模技术，包括CTC、DeepCNN、LSTM等End To End的语音语义建模算法，结合真实的用户数据，能够达到业界最好的识别和理解水平；
高度灵活和可定制的云端语义理解技术：我们的NLU开放平台可由用户来完成全部订制，并可为用户提供专门的理解模型的训练；
TTS定制和变声技术：为用户提供TTS模型订制以及变声订制（其他平台很少提供这样的服务）；
1.1.4. 典型产品示例
开启若琪VUI的方式有两种：触摸以及语音激活；触摸可以通过遥控器或者手机APP，语音则是叫一声"若琪"，类似若琪和若琪•月石的激活词。
<img src="images/14905998252933.jpg" width="93%"> <img src="images/14905998526692.jpg" width="100%"> <img src="images/14905998649511.jpg" width="70%">
应用场景 触摸(\<0.5m) 2-3米激活词 3-5米激活词 智能音箱 ● ● 遥控器 ●
手机APP ●
OTT/机顶盒 ● ● ● 智能家居 ● ● 车载 ● ●
1.1.5. 工业设计和结构设计指南
工业设计指南
为保证语音体验的完好，建议水平设置； 如果产品设计所需，麦克风的倾斜角度必须\<30度
麦克风阵列排布
① 均匀圆形阵列
数量 设计半径R
4 18mm\<R\<=30mm 6 25mm\<R\<=43mm 8 30mm\<R\<=56mm 16 60mm\<R\<=110mm
② 均匀线性阵列
数量 设计间距L
2-8 30mm\<L\<=60mm(43mm最佳)
结构设计原则
麦克风导音孔：不影响频响效果； 腔体设计、避震等case by case；
1.1.6. 硬件芯片方案
支持业界主流应用处理器AP
Rokid开放平台的远距离拾音技术可轻松地移植到支持Android与Linux平台的AP：
- Amlogic
- Samsung
- Qualcomm
- Rockchip
- Allwinner
- Others
第三方降噪方案的集成
Rokid开放平台可以将业界优秀的语音激活与降噪芯片厂商，集成到平台中，并与云端的语音识别技术配合，共同提供整体解决方案：
- XMOS
- Others
麦克风选型参考
语音方案支持业界主流麦克风：
- I2S
- PDM
- Analog
建议用户在保证成本的同时，从信噪比SNR、灵敏度Sensitivity、相位一致性以及SPL曲线特征等参数进行选择。
麦克风数据格式
① 如果直接对接云端不通过我们的前端降噪模块，所需数据: - 采样频率：16K - 16bit - PCM/OPUS编码的音频文件
② 如果使用前端降噪，则需要按照mic阵列的参数完成一个配置文件，前端降噪支持:
- 通道数量：2,4,6,8路 - 采样频率：48K - 32bit的PCM语音流