汽車智能語(yǔ)音發(fā)展趨勢(shì)：從被動(dòng)到主動(dòng)的交互升級(jí)

劉 權(quán) ， 徐 偉 ， 李深安

（1.廣州汽車集團(tuán)股份有限公司汽車工程研究院， 廣東 廣州 511434；2.科大訊飛股份有限公司 智能汽車事業(yè)部， 安徽 合肥 230000）

近年來(lái)，中國(guó)汽車工業(yè)取得了飛躍式發(fā)展，從2009年起連續(xù)12年穩(wěn)居全球汽車產(chǎn)銷第一。汽車行業(yè)也正在面臨著幾十年來(lái)最大的變局，儲(chǔ)能技術(shù)、人工智能、云計(jì)算和移動(dòng)互聯(lián)網(wǎng)技術(shù)也正在以驚人的速度不斷快速突破。與此同時(shí)，汽車用戶也越發(fā)追求電動(dòng)化、智能化、娛樂化和個(gè)性化。用戶對(duì)汽車的控制使用也從最基本的駕駛功能、空調(diào)控制等傳統(tǒng)功能，逐步地?cái)U(kuò)展到導(dǎo)航、多媒體、信息娛樂、個(gè)性化設(shè)置等多樣化功能。交互方式也從傳統(tǒng)的物理按鍵到觸屏，發(fā)展到現(xiàn)在的多模態(tài)交互，從用戶發(fā)起請(qǐng)求車輛被動(dòng)接收?qǐng)?zhí)行，到智能化的主動(dòng)式交互和關(guān)懷。因此，汽車智能交互技術(shù)發(fā)展，尤其是從被動(dòng)到主動(dòng)式交互的發(fā)展升級(jí)是非常重要的研究課題。

1 汽車交互智能化發(fā)展概述

1.1 汽車人機(jī)交互方式發(fā)展

近年來(lái)，隨著互聯(lián)網(wǎng)行業(yè)不斷滲透?jìng)鹘y(tǒng)的汽車行業(yè)，智能座艙概念的不斷涌出，各家車企都希望可以打造出以“極致的互聯(lián)網(wǎng)汽車體驗(yàn)”為核心標(biāo)簽的智能網(wǎng)聯(lián)汽車產(chǎn)品，而智能汽車不再是簡(jiǎn)單的以車子為中心，而是以人為中心，在保證車內(nèi)外人員安全的前提下，為駕駛員和乘客提供豐富的智能化、個(gè)性化和愉悅的駕乘體驗(yàn)。人機(jī)交互的方式也從最初的單純的按鍵發(fā)展為按鍵、觸屏、語(yǔ)音、視覺等多種交互模式。

1.1.1 傳統(tǒng)人機(jī)交互方式

按鍵和觸屏我們都可以認(rèn)為是傳統(tǒng)的人機(jī)交互方式，都需要車內(nèi)人員通過(guò)手去操作車內(nèi)的設(shè)備。汽車在早期主要以駕駛為目的，駕駛員和乘客對(duì)車輛的控制只能通過(guò)按鍵的形式。而且最初的按鍵基本上都集中在中控儀表盤上，距離駕駛員較遠(yuǎn)，操作不方便。后期才逐步過(guò)渡到現(xiàn)在的方向盤按鍵控制加上中控儀表盤按鍵相結(jié)合的方式，這種方式的改變使得駕駛員對(duì)按鍵的控制更加靈活和安全。

20世紀(jì)80年代，觸摸屏被大規(guī)模商用化。隨著觸摸屏技術(shù)的不斷發(fā)展以及在智能手機(jī)上的大規(guī)模應(yīng)用，汽車中控屏幕也逐步普及推廣，而且各家車企也開始著手車機(jī)中控屏幕的外觀、應(yīng)用以及應(yīng)用的交互等的設(shè)計(jì)和優(yōu)化。甚至特斯拉在2013年推出了采用垂直定向搭載17英寸車載顯示屏的電動(dòng)車—MODEL S，全面取消中控物理按鍵，幾乎可利用屏幕操控所有的車載功能。2018年，比亞迪第2代唐推出了支持90°旋轉(zhuǎn)功能大尺寸的懸浮式中控屏。中控屏也朝著大尺寸、可移動(dòng)、多屏幕方向發(fā)展［1］。

1.1.2 智能語(yǔ)音交互方式

隨著人工智能技術(shù)突飛猛進(jìn)的發(fā)展和在智能語(yǔ)音上的應(yīng)用，智能語(yǔ)音交互方式開始在車上廣泛應(yīng)用。通過(guò)語(yǔ)音交互的方式完成車輛功能的控制和信息查詢，更加便捷，解放了用戶的雙手。智能語(yǔ)音交互技術(shù)與汽車產(chǎn)品相結(jié)合，不僅很大程度上提升了用戶駕駛過(guò)程中的體驗(yàn)，也提高了駕駛的安全性。智能語(yǔ)音是一個(gè)系統(tǒng)性工程，涉及語(yǔ)音增強(qiáng)、語(yǔ)音喚醒、語(yǔ)音識(shí)別、語(yǔ)義理解、汽車視覺、主動(dòng)交互、語(yǔ)音合成等多項(xiàng)技術(shù)和過(guò)程［2］。

1.1.3 多模態(tài)交互方式

除了聽覺之外，人與人之間還可以通過(guò)視覺、觸覺、嗅覺等多種方式進(jìn)行交流。同理，在人機(jī)交互過(guò)程中，人可以給車機(jī)輸入語(yǔ)音、圖像、表情、手勢(shì)、觸摸等多種模式的信息，機(jī)器可以綜合利用這多種輸入信息處理用戶的請(qǐng)求，從而提高人機(jī)交互的自然度和效率。多模態(tài)并非多個(gè)模態(tài)的集合，而是各單一模態(tài)之間的有機(jī)協(xié)同和整合［1］。

最后，需要指出的是，雖然當(dāng)前汽車人機(jī)交互方式多種多樣，而且越來(lái)越智能，但是還沒有完全丟棄傳統(tǒng)的按鍵，因?yàn)橄啾容^其他交互方式，物理按鍵最為可靠和安全，尤其是對(duì)車門、落鎖、發(fā)動(dòng)機(jī)等跟車輛安全緊密相關(guān)的零部件和功能。

1.2 汽車人機(jī)交互技術(shù)發(fā)展

如上所述，語(yǔ)音交互是一個(gè)系統(tǒng)性的功能，涉及語(yǔ)音增強(qiáng)、語(yǔ)音識(shí)別和語(yǔ)義理解等多項(xiàng)技術(shù)。

1.2.1 語(yǔ)音增強(qiáng)

在人與車機(jī)的語(yǔ)音交互過(guò)程中，麥克風(fēng)錄制的用戶語(yǔ)音信號(hào)，往往都會(huì)伴隨著車輛行駛的胎噪、發(fā)動(dòng)機(jī)噪聲、開窗時(shí)的風(fēng)噪、空調(diào)噪聲等，而且在高速、鬧市區(qū)等一些特定的場(chǎng)景下，噪聲信號(hào)甚至比用戶語(yǔ)音信號(hào)更強(qiáng)。另外，車機(jī)播放的音樂、提示音等也會(huì)跟著用戶語(yǔ)音信號(hào)一起被麥克風(fēng)錄制進(jìn)去。以上各種噪聲的存在，使得麥克風(fēng)直接錄制到的用戶語(yǔ)音信號(hào)品質(zhì)非常的差，如果直接將帶著噪聲信號(hào)的音頻送入識(shí)別，可想而知，效果會(huì)非常的差，基本上不可能完成人機(jī)交互的任務(wù)。因此，麥克風(fēng)錄制的原始信號(hào)都會(huì)經(jīng)過(guò)語(yǔ)音信號(hào)的增強(qiáng)處理，“去除” （只能盡可能的降低噪聲，不可能完全去除）掉胎噪、風(fēng)噪等噪聲和播放音樂和提示音等的回聲信號(hào)，提升用戶語(yǔ)音的信噪比，得到“干凈的”用戶語(yǔ)音信號(hào)。另外，通過(guò)麥克風(fēng)陣列技術(shù)實(shí)現(xiàn)語(yǔ)音信號(hào)的分離和非目標(biāo)區(qū)域的噪聲抑制，從而實(shí)現(xiàn)車內(nèi)多音區(qū)交互［4］。

從技術(shù)發(fā)展上，語(yǔ)音增強(qiáng)從最初的單通道語(yǔ)音增強(qiáng)發(fā)展到基于麥克風(fēng)陣列的多通道語(yǔ)音增強(qiáng)，以及在多音區(qū)上的優(yōu)化和應(yīng)用。語(yǔ)音增強(qiáng)的算法也從傳統(tǒng)的數(shù)字信號(hào)處理方案發(fā)展到現(xiàn)在的基于深度學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)模型和數(shù)字信號(hào)處理相結(jié)合的方案。

1.2.2 語(yǔ)音喚醒

當(dāng)前無(wú)論是汽車語(yǔ)音交互還是音箱、手機(jī)等語(yǔ)音交互，因?yàn)檎`觸發(fā)問題還未達(dá)到全時(shí)免喚醒 （任何時(shí)候用戶都可以通過(guò)語(yǔ)音進(jìn)行交互，而且有意圖的交互給出結(jié)果，用戶沒有交互意圖的時(shí)候不給響應(yīng)）交互的狀態(tài)。在連續(xù)語(yǔ)流中實(shí)時(shí)檢測(cè)說(shuō)話人特定語(yǔ)音片段的語(yǔ)音喚醒技術(shù)，是目前最主流的語(yǔ)音觸發(fā)方式。

從發(fā)展階段上來(lái)看，語(yǔ)音喚醒也經(jīng)歷3個(gè)階段：?jiǎn)⒚呻A段、新技術(shù)探索階段和大規(guī)模產(chǎn)業(yè)化階段。從技術(shù)上來(lái)看，語(yǔ)音喚醒從最初的模板規(guī)則到最新基于神經(jīng)網(wǎng)絡(luò)的方案，喚醒的效果和誤喚醒的優(yōu)化都得到了很大提升［1］。

1.2.3 語(yǔ)音識(shí)別

簡(jiǎn)單來(lái)說(shuō)，語(yǔ)音識(shí)別就是將用戶所說(shuō)語(yǔ)音信號(hào)轉(zhuǎn)換成文字，包括語(yǔ)音信號(hào)的特征提取和識(shí)別轉(zhuǎn)碼兩大過(guò)程。語(yǔ)音增強(qiáng)后的數(shù)字信號(hào)，提取音頻的特征 （如MFC特征）信息之后，經(jīng)過(guò)聲學(xué)模型和語(yǔ)言模型解碼，將音頻信號(hào)轉(zhuǎn)換成文本序列 （即識(shí)別文本）。其中，聲學(xué)模型判斷每段語(yǔ)音屬于各音素 （例如聲韻母）的概率，如用戶說(shuō)的“中國(guó)”，聲學(xué)模型將其轉(zhuǎn)換成“zh”、“ong”、“g”、“uo”的音素序列。語(yǔ)言模型則反映字詞出現(xiàn)的先驗(yàn)概率和詞順序是否符合語(yǔ)言習(xí)慣。如上文“中國(guó)”的聲學(xué)模型發(fā)音序列，通過(guò)聲韻母和字詞的組合，能夠出現(xiàn)很多候選序列，如“中國(guó)”、“鐘國(guó)”、“重過(guò)”，語(yǔ)言模型會(huì)判斷文字為“中國(guó)”的概率比“鐘國(guó)”和“重過(guò)”的概率大，從而最后輸出的文本序列為“中國(guó)”［4］。

1.2.4 語(yǔ)義理解

語(yǔ)義理解從用戶語(yǔ)音識(shí)別文本中抽取意圖和槽位，并結(jié)合交互邏輯給出提示語(yǔ)、信源搜索結(jié)果等。在語(yǔ)音交互對(duì)話系統(tǒng)中，語(yǔ)義理解一般主要包括：語(yǔ)義抽取、對(duì)話管理和語(yǔ)言生成。在技術(shù)方案上，近幾年隨著詞向量模型、端到端注意力模型以及谷歌最新BERT［5］模型的提出和應(yīng)用，語(yǔ)義理解正確率在汽車垂直領(lǐng)域達(dá)到較好效果，基本能夠滿足用戶日常交互需求。但是，語(yǔ)義理解最核心的難點(diǎn)是語(yǔ)義表示問題和開放性說(shuō)法等問題，導(dǎo)致在語(yǔ)義效果評(píng)判上很難統(tǒng)一，也是未來(lái)人機(jī)交互中最核心板塊。

1.2.5 語(yǔ)音合成

跟語(yǔ)音識(shí)別剛好相反，語(yǔ)音合成 （TTS）是將文本轉(zhuǎn)換為語(yǔ)音信號(hào)的過(guò)程。在人機(jī)交互系統(tǒng)中，機(jī)器給人的信息反饋，除了界面交互的展示之外，通過(guò)語(yǔ)音信號(hào)的合成和播報(bào)也是非常重要的方式之一。尤其是在汽車交互場(chǎng)景，TTS合成播報(bào)顯得尤為重要，好的TTS不僅能夠給用戶他想要的信息，同時(shí)能夠減少用戶轉(zhuǎn)移視線看車機(jī)屏幕的頻次和時(shí)間，從而大大的提升了駕駛的安全性。近年來(lái)基于神經(jīng)網(wǎng)絡(luò)技術(shù)的語(yǔ)音合成，在主觀體驗(yàn)MOS分達(dá)4.5分，接近播音員水平。另外，當(dāng)前在個(gè)性化合成、情感化合成以及方言小語(yǔ)種合成等方面繼續(xù)探索［6-7］。

2 汽車智能語(yǔ)音主動(dòng)交互技術(shù)概述

2.1 汽車智能語(yǔ)音交互鏈路

下面以用戶一句語(yǔ)音交互請(qǐng)求為例，說(shuō)明汽車語(yǔ)音交互整體鏈路和流程。

1）首先用戶發(fā)起語(yǔ)音請(qǐng)求 （一般通過(guò)語(yǔ)音喚醒詞喚醒或者車機(jī)按鍵，在此不贅述語(yǔ)音喚醒的過(guò)程），車機(jī)麥克風(fēng)拾音之后，調(diào)用語(yǔ)音增強(qiáng)能力接口，對(duì)音頻做回聲消除、噪聲抑制等語(yǔ)音增強(qiáng)處理，提升音頻的品質(zhì)。

2）語(yǔ)音增強(qiáng)之后的音頻進(jìn)行識(shí)別轉(zhuǎn)寫，轉(zhuǎn)寫之后的文本做文本后處理，如標(biāo)點(diǎn)符號(hào)的處理、敏感詞的檢測(cè)和大小寫規(guī)整等。

3）識(shí)別規(guī)整后的文本進(jìn)行語(yǔ)義理解 （包括語(yǔ)義抽取、上下文交互、信源搜索、對(duì)話管理等），給出語(yǔ)義理解的結(jié)果。

4）車機(jī)端拿到語(yǔ)義結(jié)果之后解析出對(duì)應(yīng)的技能名稱、意圖和語(yǔ)義槽，然后根據(jù)對(duì)應(yīng)技能交互設(shè)計(jì)進(jìn)行交互上的展示和操控 （如UI展示天氣查詢的結(jié)果、TTS播報(bào)天氣查詢結(jié)果、控制空調(diào)等）。

由上可知，從語(yǔ)音交互流程來(lái)說(shuō)，語(yǔ)音交互過(guò)程大致可以分為錄音、語(yǔ)音增強(qiáng)、語(yǔ)音喚醒和識(shí)別、語(yǔ)義理解、語(yǔ)音合成和UI/UE交互展示，語(yǔ)音交互過(guò)程示意如圖1所示。

圖1 語(yǔ)音交互過(guò)程示意圖

從汽車語(yǔ)音交互整個(gè)鏈路來(lái)看，我們可以將其分為3大部分，車機(jī)端、云端調(diào)度和云端AI能力。

2.1.1 車機(jī)端

從整個(gè)車機(jī)端來(lái)說(shuō)，主要包含系統(tǒng)硬件層、系統(tǒng)層和應(yīng)用層。其中系統(tǒng)硬件作為車機(jī)最底層的設(shè)備，提供如錄音、屏幕觸控和展示、CPU核心運(yùn)算能力等基礎(chǔ)能力支撐。系統(tǒng)層作為應(yīng)用層和硬件層之間的橋梁，給應(yīng)用層提供相應(yīng)的硬件操作能力接口，如通過(guò)麥克風(fēng)錄音、揚(yáng)聲器實(shí)現(xiàn)提示語(yǔ)播報(bào)功能等。應(yīng)用層作為人機(jī)交互的入口，則通過(guò)云加端AI核心能力的集成 （云端調(diào)度接口和本地AI能力SDK）、系統(tǒng)能力接口的調(diào)用和APP實(shí)現(xiàn)車內(nèi)智能交互功能。當(dāng)前科大訊飛語(yǔ)音交互系統(tǒng)中，語(yǔ)音增強(qiáng)、語(yǔ)音喚醒、語(yǔ)音識(shí)別、語(yǔ)義理解、語(yǔ)音合成等AI能力均實(shí)現(xiàn)了本地化，可以在無(wú)網(wǎng)絡(luò)或者弱網(wǎng)絡(luò)情況下實(shí)現(xiàn)用戶的語(yǔ)音交互需求，而且能達(dá)到很好的效果。如圖2所示。

圖2 車機(jī)端

2.1.2 云端調(diào)度

云端調(diào)度服務(wù)作為車機(jī)端和云端AI能力服務(wù)之間的連接橋梁，提供車機(jī)端請(qǐng)求云端的調(diào)度接口，然后根據(jù)車企項(xiàng)目配置的云端AI能力調(diào)度，獲取云端語(yǔ)音識(shí)別、語(yǔ)義理解等AI能力結(jié)果，并通過(guò)調(diào)度鏈路返回給車機(jī)端，如圖3所示。

圖3 云端調(diào)度服務(wù)

2.1.3 云端AI能力

相比本地車機(jī)端AI能力而言，云端AI能力具備更優(yōu)的性能和效果，而且云端的AI能力可以結(jié)合配套的平臺(tái)化工具體系進(jìn)行靈活的配置，如是否進(jìn)行識(shí)別后處理、語(yǔ)義理解支持的技能范圍、信源搜索調(diào)度配置等。另外，云端AI能力的升級(jí)相比本地端更方便，代價(jià)更小。一般在保證接口、協(xié)議等不變的情況下，可以根據(jù)效果、性能等方面的需求不斷迭代優(yōu)化升級(jí)。但是車機(jī)端的AI能力更新升級(jí)往往只能通過(guò)OTA的方式進(jìn)行，甚至需要讓車主到4S店去升級(jí)。隨著移動(dòng)互聯(lián)網(wǎng)和5G的發(fā)展，車企越來(lái)越注重云端AI能力的接入和持續(xù)迭代升級(jí)，這也為云端AI能力的智能性、創(chuàng)新性以及平臺(tái)化等方面帶來(lái)了挑戰(zhàn)。

2.2 汽車主動(dòng)交互技術(shù)

提到主動(dòng)交互，大家可能并不陌生，比如當(dāng)我們走向車輛，汽車會(huì)通過(guò)傳感器或人臉識(shí)別等技術(shù)來(lái)以語(yǔ)音、燈光、全息影像、車外屏等形式來(lái)給我們來(lái)打招呼。不僅僅是用戶上車之前的一些主動(dòng)式交互，在用戶駕駛過(guò)程中，甚至在用戶離開車輛之后，均會(huì)存在主動(dòng)式交互的需求。比如用戶駕駛過(guò)程中主動(dòng)監(jiān)測(cè)用戶是否在疲勞駕駛、身體健康數(shù)據(jù)等。主動(dòng)式交互由機(jī)器發(fā)起，實(shí)時(shí)跟蹤、積累數(shù)據(jù)，信息反饋?zhàn)兊酶鼮榧皶r(shí)有效，在為用戶帶來(lái)便利的同時(shí)，也提升了安全性。

汽車主動(dòng)交互過(guò)程中，首先車機(jī)通過(guò)麥克風(fēng)、攝像頭等采集車輛信息、路況信息、用戶信息以及環(huán)境感知等信息，然后對(duì)提取到的各種信息數(shù)據(jù)進(jìn)行融合，提取對(duì)應(yīng)的特征信息，上傳到認(rèn)知決策模塊。場(chǎng)景引擎根據(jù)收集的信息判定是否符合特定的主動(dòng)交互場(chǎng)景觸發(fā)條件，并結(jié)合推薦引擎推送的用戶個(gè)性化推薦數(shù)據(jù)，對(duì)符合條件的場(chǎng)景，則向車機(jī)推送主動(dòng)交互場(chǎng)景數(shù)據(jù)，車機(jī)響應(yīng)執(zhí)行并等待用戶的后續(xù)交互。大數(shù)據(jù)模塊則根據(jù)不斷收集到的數(shù)據(jù)信息進(jìn)行大數(shù)據(jù)的挖掘分析，生成用戶畫像個(gè)性化數(shù)據(jù)、車輛畫像數(shù)據(jù)等大數(shù)據(jù)信息。推薦引擎則會(huì)根據(jù)用戶畫像個(gè)性化數(shù)據(jù)和車輛畫像數(shù)據(jù)生成推薦數(shù)據(jù)。最后，系統(tǒng)再根據(jù)車機(jī)端的執(zhí)行和用戶的后續(xù)交互反饋等信息，迭代優(yōu)化認(rèn)知決策模塊的算法和數(shù)據(jù)收集策略、特征提取策略、感知融合算法等［8］。圖4為汽車主動(dòng)交互過(guò)程示意圖。

圖4 汽車主動(dòng)交互過(guò)程示意圖

以用戶導(dǎo)航過(guò)程中主動(dòng)推薦沿途加油站為例，主動(dòng)交互過(guò)程如圖5所示。用戶發(fā)起導(dǎo)航之后，感知收集服務(wù)收集位置信息、導(dǎo)航信息、油量油耗等數(shù)據(jù)信息，并實(shí)時(shí)計(jì)算，將計(jì)算結(jié)果數(shù)據(jù)給到場(chǎng)景引擎和推薦引擎，在滿足特定的加油站推薦場(chǎng)景 （如剩余油量較低、即將經(jīng)過(guò)用戶經(jīng)常加油的加油站等）下給用戶推薦合適的沿途加油站。最后將推薦數(shù)據(jù)下發(fā)到車機(jī)端，用戶做二次交互選擇。

圖5 汽車主動(dòng)交互過(guò)程案例演示

2.3 場(chǎng)景自定義交互技術(shù)

智能座艙場(chǎng)景自定義是智能網(wǎng)聯(lián)汽車產(chǎn)品的重要組成部分之一，也是市場(chǎng)潮流發(fā)展的趨勢(shì)，用戶可以根據(jù)自己的喜好、安全意識(shí)、精神修養(yǎng)、兒童娛樂、生活習(xí)慣等行為，通過(guò)手機(jī)端設(shè)置，經(jīng)過(guò)云端，同步車機(jī)，快速語(yǔ)音、軟按鍵、主動(dòng)等方式觸發(fā)，串聯(lián)音樂、車窗、空調(diào)、座椅、氛圍燈等執(zhí)行動(dòng)作自動(dòng)運(yùn)行。另外，智能座艙場(chǎng)景自定義通過(guò)積累并記錄用戶習(xí)慣選擇數(shù)據(jù)，融合人工智能引擎和主動(dòng)交互技術(shù)，與車輛、用戶、環(huán)境、生態(tài)、交通數(shù)據(jù)等深度挖掘，多維度融合，為用戶推薦經(jīng)典場(chǎng)景、高頻場(chǎng)景、主動(dòng)提醒場(chǎng)景等模式，從而減少用戶操作行為，降低用戶負(fù)面情緒，提升用戶行車滿意度與行車安全性、感受沉侵式場(chǎng)景體驗(yàn)。

用戶可以通過(guò)手機(jī)APP、車機(jī)APP、網(wǎng)頁(yè)平臺(tái)等多個(gè)終端入口完成場(chǎng)景自定義的功能，既可以自定義觸發(fā)的指令（如自定義的語(yǔ)音說(shuō)法、車機(jī)軟硬按鍵、手勢(shì)等），也可以自定義指令觸發(fā)之后的執(zhí)行動(dòng)作 （如播放歌曲、控制空調(diào)、形象互動(dòng)等）。舉例來(lái)說(shuō)，用戶可以定義觸發(fā)指令為語(yǔ)音說(shuō)法“寶寶醒了”，執(zhí)行動(dòng)作為播放兒歌+打開空調(diào)，編譯打包引擎將用戶定義的觸發(fā)指令和執(zhí)行動(dòng)作編譯打包成特定格式的數(shù)據(jù)，此數(shù)據(jù)作為用戶場(chǎng)景個(gè)性化數(shù)據(jù)，識(shí)別和語(yǔ)義理解時(shí)均會(huì)用到。后面當(dāng)用戶說(shuō)到“寶寶醒了”的說(shuō)法時(shí)，語(yǔ)義服務(wù)會(huì)讀取用戶自定義個(gè)性化數(shù)據(jù)，匹配到觸發(fā)指令對(duì)應(yīng)的執(zhí)行動(dòng)作數(shù)據(jù)，并下發(fā)到車機(jī)客戶端解析執(zhí)行。另外，用戶在自定義場(chǎng)景數(shù)據(jù)時(shí)，場(chǎng)景推薦引擎根據(jù)用戶交互習(xí)慣、熱點(diǎn)數(shù)據(jù)等給用戶推薦場(chǎng)景數(shù)據(jù)。匹配到觸發(fā)指令之后，執(zhí)行動(dòng)作也會(huì)跟場(chǎng)景推薦引擎打通，給用戶做個(gè)性化推薦，如推薦加油站、歌曲等。場(chǎng)景自定義交互技術(shù)示意如圖6所示。

圖6 場(chǎng)景自定義交互技術(shù)示意圖

3 汽車智能語(yǔ)音人性化交互展望

從按鍵交互到語(yǔ)音交互，再到多模交互；從被動(dòng)式執(zhí)行交互再到主動(dòng)式交互，當(dāng)前汽車人機(jī)交互逐步向數(shù)字化、智能化和個(gè)性化發(fā)展。今后隨著5G的發(fā)展普及和人工智能算法的迭代發(fā)展，汽車主動(dòng)化交互將會(huì)越來(lái)越智能和個(gè)性化。汽車會(huì)通過(guò)不斷優(yōu)化，綜合處理復(fù)雜的信息，為用戶提供最精準(zhǔn)的解決方案，成為你越來(lái)越走心的朋友。而針對(duì)駕駛員和其他乘客提供個(gè)性化服務(wù)，具有更多的應(yīng)用價(jià)值和更廣的前景。另外，在萬(wàn)物互聯(lián)即將到來(lái)的時(shí)代，汽車作為人們出行必要的交通工具之一，必將會(huì)跟人們的出行、工作和生活的所有場(chǎng)景互聯(lián)互通，給用戶提供無(wú)縫銜接的智能化交互體驗(yàn)，滿足人們?cè)诓煌瑘?chǎng)景下的需求。