· 亲线团队 · 科普技术 · 9 min read
科普:语音唤醒是怎么工作的?为什么说'小亲小亲'就能唤醒手机
小亲小亲,接听电话——为什么你说一句话,手机就知道是在叫它?语音唤醒技术背后是什么原理?亲线·和鸣的本地唤醒模型为什么离线也能用?这篇文章用大白话讲清楚。
为什么说”小亲小亲”,手机就醒了
先问一个问题
你有没有想过一个问题:
手机放在桌上,安安静静的。 你说一句”小亲小亲”, 手机就”叮”一声,醒了。
它怎么知道你是在叫它? 它又没在”听”?
其实,手机一直在”听”——只是听的方式,和你想的不一样。
第一层:手机一直在”偷听”
手机麦克风一直开着
你说”小亲小亲”的时候,手机为什么能立刻反应?
因为手机的麦克风从来没关过。
它一直在听周围的声音,一直在分析:
- 这是说话声?还是电视声?
- 这声音像不像”小亲小亲”?
- 不像,就继续听
- 像,就醒过来
但你不用担心隐私——这个”听”是在本地完成的,声音根本不会传到网上。
为什么手机不觉得累?
你可能会问:手机一直开着麦克风,不耗电吗?
以前是很耗电,但现在有了专门的语音识别芯片:
- 这是个很小的芯片,专门做语音识别
- 功耗只有普通CPU的1%
- 就算24小时开着,也耗不了多少电
- 现在的智能手机,都有这个芯片
所以手机能24小时”听”着,不怎么耗电。
手机一直在”听”,但功耗很低
第二层:声音变成数字信号
声音是怎么变成”数据”的?
我们说话,是空气在振动。
麦克风把振动变成电信号,再变成数字信号:
- 你说话 → 空气振动
- 麦克风 → 把振动变成电流
- 模拟数字转换器 → 把电流变成数字
- 数字信号 → 就是一串”0和1”
手机拿到这串数字后,开始分析:
- 这串数字听起来像什么?
- 像不像”小亲小亲”这四个字?
第三层:声纹模型——手机怎么认出”小亲小亲”?
什么是”声纹”?
就像每个人的指纹不一样,每个人说话的声音也不一样——这叫声纹。
“小亲小亲”这四个字,说出来是什么样的声音?
- “小” —— 升调,前高后低
- “亲” —— 前鼻音,嘴唇闭一下
- “小” —— 又一个升调
- “亲” —— 又一个前鼻音
把这些声音特征提取出来,就是一个声纹模型。
手机里存着这个模型。每次听到声音,就和模型对比:
- 相似度超过95% → “这是在叫我!”
- 相似度低于95% → “不是在叫我,继续听”
方言版”小亲小亲”
普通话标准的人说”小亲小亲”,手机能听懂。
但老人说话可能不标准——东北口音、四川口音、广东口音,“小亲小亲”说出来都不一样。
亲线·和鸣做了一件事:给每个方言都训练了一个声纹模型。
- 东北话版”小亲小亲” → 模型A
- 四川话版”小亲小亲” → 模型B
- 广东话版”小亲小亲” → 模型C
老人用方言说,手机也能认出是在叫它。
这就是为什么亲线·和鸣支持22种方言——不是普通话标准的人才能用。
第四层:本地识别,不用联网
为什么离线也能唤醒?
很多语音助手(比如 Siri、小爱同学)必须联网才能用——因为声纹识别在云端。
亲线·和鸣不一样:声纹模型就在手机本地。
好处是什么?
- 快 —— 不用等网络,0.2秒就反应
- 省流量 —— 声音不传云端,不花流量
- 隐私 —— 你的声音只在手机里处理,别人听不到
- 离线也能用 —— 没网的地方,照样能唤醒
声纹模型在本地,离线也能唤醒
老人版语音唤醒,做了什么优化?
为什么老人唤醒率不高?
年轻人用语音助手,唤醒率大概90%。
但老人用,可能只有60%。为什么?
因为老人说话:
- 声音小
- 语速慢
- 普通话不标准
- 经常有杂音(电视、收音机开着)
亲线·和鸣针对老人做了优化:
- 降低唤醒阈值 —— 年轻人要95%相似度才唤醒,老人85%就唤醒
- 支持慢语速 —— 老人说”小…亲…小…亲”,中间停顿,也能识别
- 抗噪增强 —— 电视开着、旁边有人说话,手机还是能听出是在叫它
- 方言模型 —— 22种方言都有对应的唤醒模型
唤醒后的操作
唤醒之后,老人可以直接说指令:
- “小亲小亲,接听电话” → 自动接通视频
- “小亲小亲,打给女儿” → 直接打视频给女儿
- “小亲小亲,声音大一点” → 调大音量
全程不用碰屏幕。
常见问题
问:手机会不会听错?电视里说”小亲小亲”也会唤醒?
答:有可能。但亲线·和鸣做了说话人验证——不仅识别”小亲小亲”这四个字,还会判断说话的人是不是家里人。陌生人说的,不会唤醒。
问:一直开着麦克风,隐私安全吗?
答:完全安全。声纹识别全部在本地完成,声音数据根本不会传到网上。你可以把麦克风权限关掉试试——关了就唤醒不了,说明它确实没传出去。
问:晚上睡觉也会唤醒吗?
答:会。但亲线·和鸣有个”勿扰模式”,晚上10点到早上7点之间,不会主动弹出通知,不影响老人睡觉。
语音唤醒的常见疑问
写在最后
语音唤醒技术,看起来是个”黑科技”,其实原理很简单:
手机一直在”听”,一直在对比声纹模型。 一旦听到像”小亲小亲”的声音,就醒了。
但就是这个简单的技术,解决了老人最大的难题——不用找按钮。
老人不用戴老花镜找”接听”键,不用颤抖着手指点屏幕。
说句话就行。
科技最好的样子,就是让最不擅长用科技的人,也能自然地用上科技。
相关阅读: