智能语音设备端解决方案-摩杜云

智能语音设备端解决方案

针对类似故事机、音箱等各种语音交互设备，提供包括音频信号处理，打断唤醒，语音识别，语音合成等全链路语音交互能力。以SDK的方式集成，支持多种不同硬件平台。按照设备激活数量收费，收费更加灵活可控。

产品优势

定制的语音交互特性

支持按需选配快捷命令词、近场唤醒识别、远场唤醒等多种语音交互特性。

多平台低成本接入方案

支持Android/iOS/Linux/RTOS等多种移动端操作系统接入，接口简单易被集成。

端云一体保障效果体验

通过端+云联合技术方案，实现更低的误唤醒、更小的端侧计算功耗、更佳的端到端效果。

独创的业务场景自主优化能力

业内唯一一家提供自学习平台的系统，同时支持热词定制和模型定制，用户可根据业务需求上传相关数据，对特定场景做自主优化，最大限度的提升识别效果。

产品规格

端到端离线ASR

无网络场景下以及语音用户隐私成为当前热点，为了突破低资源和高精度的平衡难
题，达摩院语音实验室结合声学、语言、后处理的融合建模技术，研发了流式端到
端以及后处理标点一体化建模的方案。该方案的推出使得低资源、强隐私、高精度
的纯离线语音识别应用场景成为可能。

适用场景：端到端识别不仅能用于传统的语音识别场景，还可重点用于无网络、
私密性、低延时的语音识别的应用场景——由于离线端到端直接在移动端进行
识别，无需将语音上传到云端，因此为高隐私要求的场景使用语音识别提供了可
行的方案，例如会议场景，法庭场景等，以及无网络的场景；同时对于瞬时高并
发请求的场景，如直播场景等，能够大幅降低云服务调用成本；

技术优势：占用空间小，可根据场景需求裁剪至小于40M；识别准确率可媲美
当前纯云端；计算实时率低，中端手机配置上低于0.2。
设备端语音交互SDK

专门针对硬件设备优化，支持Linux系统和多种硬件平台。并包含以下模块：

音频信号处理模块（目前支持单麦，双麦）：支持近/远场语音交互，实现噪声
抑制，混响消除，波束形成，语音增强，声源定位，回声消除等功能。能最大限
度的提升不同环境下语音交互的效果；

语音唤醒模块：支持快捷唤醒词，多命令词等功能，在各种噪音环境下都可以达
到优秀的唤醒效果，提供公版唤醒词，唤醒词/快捷唤醒词定制服务；

语音识别模块：提供摩杜云自有的语音识别能力。专门针对不同场景和
领域优化，支持多种类型的声学模型和语言模型，并提供自学习平台支持深度的
定制；

语音合成模块（可选）：提供摩杜云自有的语音合成能力。提供不同语
种，不同方言的合成能力，针对不同场景，有不同的发音人可供选择，满足用户
的各种需求。另外还提供发音人定制服务。
移动端语音交互SDK

专门针对IOS、Android等系统优化，针对移动平台提供语音唤醒，语音识别，语
音合成等功能。包含以下模块：

音频信号处理模块（可选）：专门针对移动设备优化，提供回声消除，语音增强
等功能，改善移动端的语音交互效果；

语音唤醒模块：支持快捷唤醒词，多命令词等功能，在各种噪音环境下都可以达
到优秀的唤醒效果，提供公版唤醒词，唤醒词/快捷唤醒词定制服务；

语音识别模块：提供摩杜云自有的语音识别能力。专门针对不同场景和
领域优化，支持多种类型的声学模型和语言模型，并提供自学习平台支持深度的
定制；

语音合成模块（可选）：提供摩杜云自有的语音合成能力。提供不同语
种，不同方言的合成能力，针对不同场景，有不同的发音人可供选择，满足用户
的各种需求。另外还提供发音人定制服务。
Linux语音模组

针对智能家居、家电、音箱、公众场所自助设备等场景，提供高性能的语音交互方
案：

四核A35，Linux操作系统；

支持2-8mic高性能前端处理算法，360度拾音;端云一体高性能语音唤醒；

支持低功耗待机语音唤醒;硬件VAD功耗控制，待机功耗60mW；

支持“主控模式” 和“下位机”模式，用法灵活；

包含设备端语音交互SDK的全部功能。
RTOS语音模组

针对家电，音箱，故事机等语音交互设备，提供高性能，低功耗的语音交互方案：

基于多核异构架构, RTOS操作系统；

支持高性能2-4mic前端处理算法，360度拾音；

端云一体语音唤醒，唤醒率达到95%以上；

支持低功耗待机语音唤醒，待机电流 <20mA；

支持“主控模式” 和“下位机”模式，用法灵活；

包含设备端语音交互SDK的全部功能。
多模态交互模组

针对公众场所噪音环境下需要语音交互的设备，例如地铁语音售票，语音售卖机，
语音点餐机，语音问询机，语音自助服务机等：

支持2-8mic，强噪声声学环境下超高语音识别准确率，能精准隔离前后左右的
声音干扰；

全本地机器视觉，无需联网实现人脸，人体、身份、行为等检测识别；

音视频融合信号处理，实现免唤醒，主动交互，视觉分析等功能；

包含设备端语音交互SDK的全部功能。

适用场景