近日，小米發(fā)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(jié)呈現(xiàn)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(xiàn)全面自研，并在自研部分領域持續(xù)。

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(xiàn)情感化語音交互是一項挑戰(zhàn)。＂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(xiàn)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(shù)據(jù)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(tǒng)一化、標準化。

隨著人工智能技術的發(fā)展，在實現(xiàn)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(shù)據(jù)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(yè)內首  家情感化TTS大規(guī)模落地的企業(yè)。

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(shù)據(jù)（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(xiàn)＂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(shù)據(jù)集的預訓練模型基礎上，利用目標說話人的中性情感數(shù)據(jù)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(shù)據(jù)對模型進一步微調，最終得到不同情感的模型，最終實現(xiàn)情感合成。

在國內語音助手行業(yè)中，小米首  次實現(xiàn)情感化TTS的大規(guī)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(xiàn)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(xiàn)一句話語音交互，為用戶提供了更便捷的使用方式。

要實現(xiàn)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(shù)據(jù)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(yōu)化到微秒級別，同時還實現(xiàn)了在不同型號的音箱之間的數(shù)據(jù)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(chuàng)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(chuàng)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(fā)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(fā)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(chuàng)建組網，音頻流下發(fā)至音箱C，音箱C將音頻流混合為單聲道信號并下發(fā)給組內其他的音箱設備同時播放，不區(qū)分聲道，可支持多個設備。