【拓墣觀點】3C 新亮點－智慧音箱的發展與未來

(Source:Amazon)

自 Amazon 於 2014 年 11 月首次發表 Echo 至今，隨著時間推進智慧音箱樣貌也正逐漸改變，自傳統 Echo 僅有語音對話功能演變成搭載顯示螢幕與適用於多人場景的多元功能形式，以滿足更多使用情境並優化消費者體驗。

智慧音箱走向差異化發展

回顧智慧音箱發展，自 Amazon 於 2014 年 11 月首次發表 Echo 至今，智慧音箱市場除了吸引眾多廠商如 Google、Apple、LINE、京東商城、阿里巴巴、小米等廠商投入外，它的樣貌與功能也正隨著時間變遷而不斷地演進。

整體而言，智慧音箱後進者的市場布局仍緊緊跟著 Amazon 腳步。觀察 Amazon 在此市場的布局軌跡，可發現 Amazon 在 2014 年 11 月推出售價為 179.99 美元的 Echo 後，於 2016 年 3 月又推出小巧且價格大幅降至 89.99 美元的 Echo Dot，以及能使用充電電池方便攜帶的 Tap，並於之後推出多種顏色與材質變化的 Echo Dot 2 和 Echo 2，以符合消費者的個人化偏好。自 2017 年開始，Amazon 也開始推出結合攝影鏡頭或顯示螢幕等具備多重功能的智慧音箱，例如結合攝影鏡頭 Echo Look，能在一般家庭中進行影像監控，又如結合顯示螢幕的智慧音箱 Echo Show 和 Echo Spot，除了語音控制功能外，還具備螢幕顯示和視訊通話等功能。

觀察後續各廠商切入智慧音箱布局的發展方向，一開始都以推出類似 Echo 規格的智慧音箱為起點，再推出類似 Echo Dot 這樣小巧、方便攜帶、越趨顏色樣式多變的產品，而現在又朝向 Echo Show 這樣搭載顯示螢幕的智慧音箱邁進，也因此成為 CES 2018 展會上智慧音箱產品吸睛之處。

廠商們的下一步目標

即使目前的語音辨識技術，已基本達到許多智慧音箱的使用情境需求，想要完全實現以語音方式控制家中設備，其實仍存在部分瑕疵，像是如何在人聲吵雜的環境下正確辨識出用戶發出的語音指定並正確執行，就是一件不容易的事。

為了滿足這項使用情境缺陷，發展家庭語音控制系統廠商開始導入聲紋辨識進行補充，希望借助聲紋辨識提升吵雜環境下的語音指令辨識率，以提升用戶體驗。

可看到目前已經在市面上推出的智慧音箱，為能做到更好的定位、聲音捕捉、降低無關噪音的影響，開發者都採用多麥克風的硬體架構。即使如此，一旦將這個已經搭載多個麥克風的智慧音箱置於人聲鼎沸環境中，它的語音辨識系統仍然很有可能無法運作，原因在於它很難從眾多人聲中正確辨識出哪個聲音是來自下指令的用戶。當導入聲紋辨識技術後，這樣的問題將可迎刃而解。當一位家庭成員呼叫智慧音箱打開房間的燈，語音控制系統就能透過聲紋辨識，確認說話者的身份，從而準確地打開說話者房間的燈。

就體驗上來說，不管是從眾多人聲中準確辨認下指令的用戶，或是確認說話者身份，目前看來聲紋辨識的導入將是勢在必行，是智慧音箱廠商的下一步努力方向。聲紋辨識技術的導入，不僅可改善智慧家庭使用情境，也適用於多人會議情境，讓語音助理的應用範圍更加廣泛。廠商部分，目前包含 AWS 和 Google 都已宣稱聲紋辨識技術是他們語音助理市場布局的下一步，其中 AWS 於 2017 年 10 月已宣稱其聲紋辨識技術能讓 Echo 語音辨識技術升級，最多能辨識出 10 個使用者聲音。