越來越多的家電品牌選擇在產(chǎn)品上增加語音交互功能，提升產(chǎn)品附加值。然而，智能家電語音交互功能仍普遍存在“聽不懂人話”“響應不及時”“交互不順暢”等使用痛點。破局的關鍵在于：一是進一步提升語音交互的使用體驗，二是降低語音算法、芯片等軟硬件的成本。從目前的發(fā)展情況來看，語音交互技術在智能家電市場加速滲透，即將迎來大規(guī)模普及。

從試水到成熟，家電語音交互技術需求加速增長

語音技術應用于家電產(chǎn)品歷經(jīng)兩個過程，即試水、成熟。

某業(yè)內(nèi)人士表示：“從2012年開始，一些家電企業(yè)看到語音交互技術應用于家電的可能性。于是，在2012~2022年10年的時間里，越來越多的家電企業(yè)開始試水語音交互技術。隨著語音算法加快演進，2023~2025年，新芯片成本逐漸下降。當使用體驗變好、成本下降時，語音交互技術在家電行業(yè)的市場滲透率也隨之提升。因此，從2023年開始，尤其是今年，語音交互技術在家電產(chǎn)品上的應用愈發(fā)成熟。”

語音交互技術改進產(chǎn)品使用體驗，使得布局這一市場的品牌銷售數(shù)據(jù)也非常亮眼。

據(jù)《電器》記者了解，目前布局家電語音技術的企業(yè)主要有聆思科技、思必馳、云知聲、啟英泰倫等。其中，聆思科技和啟英泰倫在芯片和算法方面都有布局，不同的是，聆思科技聚焦在線語音和離線語音兩條技術路線，啟英泰倫則著力布局離線語音技術。思必馳和云知聲側重于語音算法，一般會與其他芯片廠合作，比如瑞昱半導體，共同輸出語音控制解決方案。

通過采訪得知，聆思科技自2020年創(chuàng)辦以來，家電語音業(yè)務始終保持遠超行業(yè)的增長速度。啟英泰倫方面表示，2024年，公司家電語音業(yè)務較2023年增長超過100%，今年預估也會快速增長。思必馳有關負責人也坦言，近兩年，思必馳的智能家電語音業(yè)務營收保持強勁的增長勢頭。

在線、離線語音技術雙線發(fā)展

從技術層面來看，家電語音交互技術的發(fā)展歷程還有另一個版本。某業(yè)內(nèi)人士告訴《電器》記者，企業(yè)的選擇經(jīng)歷了從最初的在線語音技術，到離線語音技術，再到離線+在線復合語音方式的轉(zhuǎn)變。在GhatGPT等AI大模型問世后，企業(yè)又看好在線語音技術。如今的趨勢是，由于離線語音技術成本低于在線語音技術，但在線語音技術具有無法取代的優(yōu)勢，基于成本、產(chǎn)品需求等考慮，家電企業(yè)雙向推進離線語音和在線語音技術。

就當下的發(fā)展情況，成都啟英泰倫科技有限公司創(chuàng)始人、董事長何云鵬也認為，在線語音和離線語音是相輔相成、互相補充的，不同的使用場景和用戶需求會有不同的語音交互方式。比如，電視機需要搜索節(jié)目名稱、電視頻道，運用在線語音是最合適的。而電風扇只需要進行一些簡單功能的控制，比如開關風扇，不需要從云端獲取其他在線內(nèi)容，離線語音再合適不過。又比如，吸油煙機進行開關機、調(diào)節(jié)風量操作時用離線語音響應最快速，若查詢菜譜，則需要用到在線語音技術。

具身機器人是離線語音和在線語音都會用到的新興領域。據(jù)介紹，具身機器人需要跨場景服務，日常生活中不僅需要幫助用戶解答很多問題，還需要執(zhí)行諸如炒菜、疊衣服、拖地等紛繁復雜的操作。若想使用體驗夠“絲滑”，具身機器人內(nèi)置的在線語音和離線語音技術的能力都需要足夠強。

綜合來看，離線語音更注重保護用戶隱私、低延遲、不依賴網(wǎng)絡，在控制類家電中更具普適性。在線語音依托云端強大的計算能力，能夠?qū)崿F(xiàn)更復雜的語義理解和更豐富的服務內(nèi)容，支持不斷學習和升級，更適合內(nèi)容服務類設備。

創(chuàng)新解決方案相繼推出，家電行業(yè)普及應用指日可待

盡管市場熱度很高，但是智能家電語音交互技術本身還存在很多問題。具體來看，語音交互技術在黑電、白電和小家電品類應用更為成熟。這類產(chǎn)品功能相對明確，指令標準化程度高，但是語音交互的喚醒率、識別率、誤觸發(fā)率還需改進。另外，家用機器人（如掃地機器人）、智能廚電及全屋智能系統(tǒng)正成為語音交互技術創(chuàng)新應用的前沿陣地。其中，家用機器人面臨移動噪聲與位置變化的雙重挑戰(zhàn)，為了確保設備在移動中依然“聽得清、聽得準”，語音交互技術的強抗噪與動態(tài)聲源追蹤能力需提高；智能廚電面臨廚房環(huán)境噪聲復雜且用戶雙手常被占用的挑戰(zhàn)，對語音交互技術需求的重點在于強噪聲下的高識別率與“一語多意”的高效理解；全屋智能系統(tǒng)最大的挑戰(zhàn)是多設備協(xié)同，多個智能家電在同一空間，對語音技術的要求是避免出現(xiàn)“一次喚醒多個響應”的問題。

為了解決這些核心述求，思必馳以“聽得清、聽得懂、會響應”為路徑，構建了全鏈路的語音交互方案。據(jù)思必馳有關負責人介紹，在“聽得清”層面，思必馳創(chuàng)新性地融合多項智能感知技術，智慧聆聽技術集成聲源定位、波束成形與回聲消除，能夠在強噪聲環(huán)境中精準捕獲目標人聲，即使在廚房炒菜、衛(wèi)生間用水等強噪聲場景下，也能準確捕捉用戶指令。在“聽得懂”層面，思必馳實現(xiàn)了從傳統(tǒng)模型到生成式大模型的自然融合，既保障控制指令的確定性，又實現(xiàn)開放域的泛化理解。在“會響應”層面，思必馳采用快慢相結合的“思考模式”，通過小模型實現(xiàn)快思考，簡單問題秒回，通過大模型實現(xiàn)深思考，復雜問題深度分析后給出回應。

啟英泰倫是離線語音技術的重要供應商，對于離線語音技術目前存在的問題了然于胸。何云鵬指出，受限于語音芯片的存儲空間，目前市面上離線語音家電內(nèi)置的詞條從幾十條到幾百條不等，但是家電的功能越來越豐富，導致家電的每個功能只能設置一個詞或者幾個詞，用戶必須嚴格按照這些固定的詞條來操控，從而面臨用戶記不住詞，“家電聽不懂人話”的窘境。針對這一痛點，啟英泰倫推出“離線自然說”（輕量級離線語義理解NLP）技術，支持幾十萬級別的日?？谡Z說法，為用戶提供更自然、更靈活、更智能的語音交互體驗。他強調(diào)，這個技術推出后很受客戶青睞，市場反饋很好。

與Wi-Fi模塊在家電行業(yè)的發(fā)展軌跡類似，語音交互技術在家電行業(yè)的推廣也即將進入普及階段。

某業(yè)內(nèi)人士預計，2027~2028年，單個語音芯片的價格有望低于10元。在他看來，屆時，隨著家電語音交互從“單一指令執(zhí)行”向“自然多輪對話”和“主動服務”演進，不斷滿足用戶對品質(zhì)生活的追求，語音交互技術在家電行業(yè)的應用將加速推進，有望迎來高峰，全行業(yè)普及也將指日可待。