智東西（公眾號(hào)：zhidxcom）
作者 | 韋世瑋
編輯 | 漠影
夏至將至，和氣溫一樣持續(xù)攀升的還有TWS（真無線藍(lán)牙立體聲）耳機(jī)市場(chǎng)的熱度。
據(jù)業(yè)內(nèi)機(jī)構(gòu)統(tǒng)計(jì)，截至5月12日，今年已有25款品牌TWS耳機(jī)推出。僅在剛剛過去的5月，OPPO、vivo、華為、努比亞、小度等玩家也相繼推出TWS耳機(jī)新品，進(jìn)一步加劇市場(chǎng)混戰(zhàn)。其中，前三位玩家的TWS耳機(jī)均支持通話降噪。
與蘋果AirPods帶火的主動(dòng)降噪不同，通話降噪主要針對(duì)耳機(jī)中的麥克風(fēng)，通過算法使麥克風(fēng)收音更加純粹，而主動(dòng)降噪主要針對(duì)揚(yáng)聲器，算法圍繞用戶“聽”的過程進(jìn)行處理。
隨著通話降噪逐漸成為當(dāng)下各路玩家PK的主要功能之一，也出現(xiàn)了許多公司競(jìng)相押注通話降噪賽道，各類解決方案百花齊放。
成立于2017年2月的大象聲科，則是專注AI智能聽覺技術(shù)賽道上一家頗具特色的企業(yè)，主要基于機(jī)器聽覺AI算法開發(fā)智能語(yǔ)音增強(qiáng)和語(yǔ)音交互解決方案。
近期，智東西也有機(jī)會(huì)與大象聲科的核心團(tuán)隊(duì)人員交流，在了解他們創(chuàng)業(yè)故事、核心技術(shù)和發(fā)展路徑的過程中，我們也看到了當(dāng)下通話降噪技術(shù)領(lǐng)域的發(fā)展現(xiàn)狀。
實(shí)際上，大象聲科的AI通話降噪算法最初被錘子科技創(chuàng)始人羅永浩看中，應(yīng)用在了堅(jiān)果手機(jī)上，隨即一戰(zhàn)成名，業(yè)務(wù)逐漸向智能手機(jī)、PC、車載聲場(chǎng)控制、智能家居、助聽器等多個(gè)領(lǐng)域拓展。同時(shí)，他們背后還有小米、高通等企業(yè)的投資。
今年4月，大象聲科還官宣了一筆超億元人民幣的B輪融資，由蘭璞資本領(lǐng)投，佳康科技基金、紫金港資本跟投。這是它成立四年多以來公開的第4筆融資。
下面是我和大象聲科戰(zhàn)略總監(jiān)的交流干貨：
▲大象聲科公司團(tuán)隊(duì)合影
一、硬核創(chuàng)始團(tuán)隊(duì)加持，用AI拓展人類聽覺感知
“與機(jī)器視覺相比，現(xiàn)在機(jī)器在聽這件事情上并不夠智能。”大象聲科戰(zhàn)略總監(jiān)談到，大象聲科成立的初衷就是希望通過機(jī)器聽覺技術(shù)，賦予機(jī)器像人一樣的聽力，比如說能解決經(jīng)典的雞尾酒會(huì)問題。
何為雞尾酒會(huì)問題？簡(jiǎn)單來說，當(dāng)許多人同在一個(gè)場(chǎng)合內(nèi)說話時(shí)，人類能通過注意力集中在某一個(gè)人的談話中，而忽略背景的其他談話或噪音，這也是人類聽覺系統(tǒng)的神奇之處。
但對(duì)機(jī)器來說，雞尾酒會(huì)問題是一個(gè)極其大的挑戰(zhàn)。因?yàn)槁暡ǖ闹丿B與互相干擾，讓機(jī)器很難在信號(hào)采集完畢后對(duì)它們進(jìn)行有效的分離處理，機(jī)器難以像人一樣有選擇性地去聽某一部分聲音。
這就是大象聲科想利用AI技術(shù)解決的問題，從另一個(gè)角度看，就是將AI（人工智能）用于人類聽覺感知范圍的拓展，“這也是我們創(chuàng)始人們一直希望實(shí)現(xiàn)的目標(biāo)?！睉?zhàn)略總監(jiān)說。
青萍始于微末。實(shí)際上，大象聲科如今成績(jī)與其創(chuàng)始團(tuán)隊(duì)的硬核實(shí)力息息相關(guān)。
大象聲科董事長(zhǎng)兼CEO苗健彰是位80后的連續(xù)創(chuàng)業(yè)者，擁有西安交大通信與信息工程學(xué)士及加拿大UBC軟件工程碩士學(xué)位，曾在溫哥華RBC及IBM等全球知名企業(yè)就職。盡管一路順風(fēng)順?biāo)刈邅?，但苗健彰心底里仍保留著?chuàng)業(yè)成事的夢(mèng)想。
終于在2014年，苗健彰選擇了辭職下海，開始在溫哥華當(dāng)?shù)貏?chuàng)辦科技公司。此時(shí)適逢AI技術(shù)在北美蓬勃發(fā)展，他敏銳地發(fā)現(xiàn)，在語(yǔ)音前端信號(hào)處理的技術(shù)鏈上游環(huán)節(jié)，存在亟待深入研發(fā)的技術(shù)難題。換言之，就是存在商業(yè)機(jī)會(huì)。
經(jīng)過對(duì)市場(chǎng)和行業(yè)的廣泛調(diào)研與摸底，苗健彰更堅(jiān)定了從事語(yǔ)音處理AI技術(shù)研發(fā)與落地的方向和決心。而他這股創(chuàng)業(yè)熱忱下對(duì)技術(shù)創(chuàng)新及應(yīng)用落地的執(zhí)著，也打動(dòng)了時(shí)任俄亥俄州立大學(xué)終身教授，在語(yǔ)音人工智能領(lǐng)域處于全球領(lǐng)先地位的頂級(jí)科學(xué)家——汪德亮教授。
于是在2016年，汪教授成功加盟創(chuàng)業(yè)團(tuán)隊(duì)任首席科學(xué)家，并引薦了其實(shí)驗(yàn)室的訪問學(xué)者——時(shí)任內(nèi)蒙古大學(xué)教授的張學(xué)良。一直以來，張學(xué)良教授在CASA和DNN等技術(shù)研究與落地實(shí)施等領(lǐng)域有深厚造詣，隨后他也以CTO的身份成功加盟。
隨著兩位行業(yè)大咖的加盟，并基于創(chuàng)始團(tuán)隊(duì)對(duì)國(guó)內(nèi)AI市場(chǎng)藍(lán)海的判斷與未來蓬勃發(fā)展的看好，2017年2月，大象聲科在深圳正式注冊(cè)成立。
▲從左至右分別為大象聲科董事長(zhǎng)兼CEO苗健彰，首席科學(xué)家汪德亮，CTO張學(xué)良
目前除了深圳總部外，大象聲科在南京、上海、臺(tái)灣等地均有分部，整體團(tuán)隊(duì)規(guī)模約70人，核心研發(fā)團(tuán)隊(duì)占比超60%。
基于學(xué)術(shù)界知名學(xué)者的深厚技術(shù)經(jīng)驗(yàn)和研究理論加持，大象聲科也開啟了機(jī)器學(xué)習(xí)語(yǔ)音賽道的新航線。
二、以AI通話降噪為核心的技術(shù)城池
技術(shù)是立足之本。在公司成立之初，大象聲科就瞄準(zhǔn)前端信號(hào)處理賽道，率先將深度學(xué)習(xí)技術(shù)應(yīng)用到語(yǔ)音增強(qiáng)中。
“在此之前，前端信號(hào)處理領(lǐng)域較為傳統(tǒng)的主流方案是基于穩(wěn)態(tài)噪聲假設(shè)下，利用濾波器將噪音信號(hào)過濾掉，留下一部分相對(duì)清晰的語(yǔ)音信號(hào)。”戰(zhàn)略總監(jiān)解釋，但這降噪效果非常有限，因?yàn)檎鎸?shí)場(chǎng)景中存在的非穩(wěn)態(tài)噪音如馬路上的噪音、咖啡廳內(nèi)噪音和地鐵中的噪音等是不符合穩(wěn)態(tài)假設(shè)的。
而以汪德亮教授的CASA研究為導(dǎo)向的AI流派，則利用AI將人聲與非人聲進(jìn)行區(qū)分，從各類復(fù)雜的非穩(wěn)態(tài)環(huán)境噪音中分離與提取出清晰的人聲，從而突破了傳統(tǒng)語(yǔ)音信號(hào)處理的瓶頸。
在這一過程中，降噪的技術(shù)難題從最初的單純過濾問題變成了一個(gè)分類問題。也正是基于這一差異化技術(shù)路徑，大象聲科逐漸構(gòu)筑起了自己的技術(shù)壁壘。
算法方面，目前大象聲科核心聲學(xué)算法覆蓋智能降噪、回聲消除、混響抑制、語(yǔ)音喚醒、聲源定位、波束形成、聲紋識(shí)別、DHS深度嘯叫抑制等方面，為客戶提供一系列面向智能手機(jī)、藍(lán)牙耳機(jī)、PC、車載、助聽器等領(lǐng)域的智能語(yǔ)音增強(qiáng)和語(yǔ)音交互解決方案。
“我們的底層技術(shù)是通過AI去做語(yǔ)音信號(hào)處理，而通話降噪是我們技術(shù)落地的基礎(chǔ)之一。”戰(zhàn)略總監(jiān)告訴智東西，面向不同的細(xì)分賽道和聲學(xué)結(jié)構(gòu)，大象聲科還相應(yīng)發(fā)布了一些列語(yǔ)音增強(qiáng)解決方案。
例如，大象聲科針對(duì)藍(lán)牙耳機(jī)推出的Vocplus Headphone解決方案，基于深度學(xué)習(xí)和計(jì)算聽覺場(chǎng)景分析理論而研發(fā)，能夠?qū)崟r(shí)分離人聲和背景噪聲并提取清晰人聲，大大提升用戶在地鐵、商場(chǎng)、馬路等各類噪聲環(huán)境下的通話體驗(yàn)。目前，該方案還擁有Al單麥、AI雙麥、AI三麥和AI單麥骨傳融合版本。
“整體來看，得益于汪教授二三十年來的研究經(jīng)驗(yàn)，我們的技術(shù)儲(chǔ)備非常多。”戰(zhàn)略總監(jiān)提到，包括幾年后的技術(shù)路徑，大象聲科都有非常清晰的規(guī)劃，并較為清楚地看到技術(shù)的發(fā)展方向，以此不斷拓展公司的技術(shù)節(jié)點(diǎn)與業(yè)務(wù)布局。
▲大象聲科公司辦公區(qū)
三、創(chuàng)業(yè)之初的關(guān)鍵一役，業(yè)務(wù)拓展要啃最硬的骨頭
盡管擁有一支硬核的創(chuàng)始團(tuán)隊(duì)以及不少前沿技術(shù)經(jīng)驗(yàn)，大象聲科在成立之初還是遇到了不少難題，融資就是公司起步的其中一道難關(guān)。
2018年1月，當(dāng)大象聲科拿到由紫金港資本、摯金資本及狗尾草智能投資的天使輪融資后，如何推動(dòng)技術(shù)方案落地是擺在他們面前的一大難題。
“當(dāng)時(shí)公司只是幾個(gè)人組成的小團(tuán)隊(duì)，在沒有大客戶背書的情況下，我們是很難直接被小米、華為等手機(jī)大廠商認(rèn)可的。”戰(zhàn)略總監(jiān)回憶道，因此最初大象聲科在尋求技術(shù)落地方面屢屢碰壁。
對(duì)永遠(yuǎn)有準(zhǔn)備的新玩家來說，機(jī)會(huì)也許會(huì)遲到，但從不會(huì)缺席。恰逢當(dāng)時(shí)的錘子科技正緊鑼密鼓地進(jìn)行新產(chǎn)品研發(fā)，“相對(duì)而言，老羅是一個(gè)喜歡嘗試新事物的人。”戰(zhàn)略總監(jiān)說，因此錘子科技也率先嘗試將大象聲科的Vocplus Telecom智能通話降噪方案用在堅(jiān)果手機(jī)上。
2018年4月，隨著大象聲科智能通話降噪方案在堅(jiān)果手機(jī)3上量產(chǎn)，也讓小米、高通等廠商陸續(xù)看到了大象聲科的潛力與價(jià)值，客戶和融資機(jī)會(huì)隨之而來，而小米和高通也于2018年5月完成了對(duì)大象聲科的A輪投資，2018年也成為公司揚(yáng)帆起航的重要一年。
同時(shí)在這一年，大象聲科的Vocplus Gaming上行方案還成功在努比亞紅魔Mars量產(chǎn)，并與高通聯(lián)合展示了基于高通驍龍855芯片的AI通話降噪方案。
但手機(jī)并不是大象聲科AI通話降噪技術(shù)唯一的落地方向，從2019年起，大象聲科開始朝著更廣闊的業(yè)務(wù)邊界拓展。同年12月，其Vocplus Headphone方案首次在OPPO Enco Q1無線降噪耳機(jī)成功量產(chǎn)，正式打開耳機(jī)業(yè)務(wù)。
緊接著在2020年3月，大象聲科正式發(fā)布Vocplus PC方案，并成為首個(gè)在Intel GNA上運(yùn)行的第三方語(yǔ)音方案商。這意味著，大象聲科的AI語(yǔ)音降噪算法技術(shù)再一次得到廣泛落地的機(jī)會(huì)，包括聯(lián)想、惠普、戴爾等計(jì)算機(jī)公司，都是其重要的已有或潛在客戶。
實(shí)際上，2020年對(duì)大象聲科而言也是一個(gè)重要的發(fā)展節(jié)點(diǎn)。
從6月其單麥克風(fēng)骨傳導(dǎo)AI降噪算法落地漫步者TWS耳機(jī)，到9月首次打入華為供應(yīng)鏈，到年底聯(lián)想首款搭載其算法的PC在海外正式量產(chǎn)發(fā)布，再到2021年初同多家造車新勢(shì)力深度合作，大象聲科一路狂飆突進(jìn)，AI降噪算法技術(shù)實(shí)現(xiàn)多點(diǎn)落地開花。
如今，大象聲科的“朋友圈”已覆蓋高通、英特爾、Arm、恒玄等國(guó)內(nèi)外知名芯片廠商，以及華為、小米、OPPO、vivo、聯(lián)想、摩托羅拉等品牌企業(yè)。
不過，從手機(jī)到耳機(jī)再拓展至PC，大象聲科一步步切入市場(chǎng)的思考邏輯是怎樣的呢？
“我們的思路是要先啃最硬的骨頭，但這并不代表我們要死磕?！睉?zhàn)略總監(jiān)談到，一方面，最難的方向也存在較大的市場(chǎng)空間，對(duì)公司發(fā)展來說是好事情；另一方面，從較高的難點(diǎn)開始起步，也能為公司帶來更廣闊的技術(shù)空間。
例如在TWS耳機(jī)興起之初，大象聲科認(rèn)為AI降噪算法落地耳機(jī)的其中一個(gè)難點(diǎn)在于，AI算法本身的尺寸較大，不僅需要經(jīng)過大量數(shù)據(jù)訓(xùn)練以形成神經(jīng)網(wǎng)絡(luò)，還對(duì)算力有較高需求。但耳機(jī)的存儲(chǔ)空間比手機(jī)小得多，意味著它能承載的算法尺寸也更小。
因此，如何將大尺寸算法“裁剪”成能放進(jìn)耳機(jī)中的小尺寸算法，也是一個(gè)AI降噪算法落地耳機(jī)領(lǐng)域的一塊硬骨頭。
正是基于這一思路，大象聲科的業(yè)務(wù)不斷成熟拓展。自成立至今，大象聲科Vocplus AI智能語(yǔ)音增強(qiáng)與語(yǔ)音交互算法已賦能近億臺(tái)智能終端產(chǎn)品。
四、海外市場(chǎng)是重要業(yè)務(wù)方向，加速實(shí)現(xiàn)人聲之間分離
現(xiàn)階段，智能手機(jī)、藍(lán)牙耳機(jī)、PC領(lǐng)域和智能車載仍是大象聲科的主要落地方向，“但每一個(gè)賽道對(duì)我們來說都十分重要。”戰(zhàn)略總監(jiān)談到，從業(yè)務(wù)層面看，未來大象聲科也會(huì)逐漸朝AR/VR、IoT、穿戴設(shè)備以及助聽器等對(duì)人機(jī)交互需求高的場(chǎng)景進(jìn)一步延伸，持續(xù)拓展新平臺(tái)。
不僅如此，大象聲科還將進(jìn)一步朝海外市場(chǎng)拓展。“因?yàn)槲覀児緢F(tuán)隊(duì)本就擁有較為國(guó)際化的傳統(tǒng)基因。”他解釋，同時(shí)包括摩托羅拉、聯(lián)想等在內(nèi)的國(guó)際化品牌客戶，也為大象聲科的海外業(yè)務(wù)拓展提供了經(jīng)驗(yàn)，這也將是公司接下來的業(yè)務(wù)發(fā)展方向之一。
而在技術(shù)層面，大象聲科仍將專注于AI智能聽覺技術(shù)的研發(fā)與應(yīng)用，加速在移動(dòng)通信、遠(yuǎn)程會(huì)議、藍(lán)牙耳機(jī)、助聽器、智能家居及車載聲場(chǎng)控制等領(lǐng)域的算法及專用芯片的研發(fā)。
▲深度學(xué)習(xí)聲音分離技術(shù)的流程（圖源：IEEE Spectrum）
“我們要把基于AI做語(yǔ)音信號(hào)處理這件事情做到極致?！睉?zhàn)略總監(jiān)說。
在他看來，現(xiàn)階段機(jī)器在聽覺方面仍然很“愚蠢”，這意味著也有非常大的空間和應(yīng)用場(chǎng)景，可以用AI去做相關(guān)的語(yǔ)音信號(hào)處理工作。
“現(xiàn)在機(jī)器視覺領(lǐng)域的技術(shù)已經(jīng)很聰明了，不過都主要應(yīng)用在門禁、刷臉支付等場(chǎng)景，相對(duì)都是B端領(lǐng)域，但只要C端市場(chǎng)不爆發(fā)，機(jī)器視覺技術(shù)就很難實(shí)現(xiàn)井噴爆發(fā)?！睉?zhàn)略總監(jiān)解釋，相比之下，當(dāng)下的耳機(jī)等消費(fèi)電子產(chǎn)品的火熱，也給人與機(jī)器聽覺的交互提供了更多的機(jī)會(huì)。
“如果AI技術(shù)能夠改變?nèi)伺c機(jī)器在語(yǔ)音交互方面的功能，這不僅能推動(dòng)機(jī)器聽覺技術(shù)的成熟落地，也能更快地市場(chǎng)發(fā)展帶來更大的經(jīng)濟(jì)效益?！彼f。
結(jié)語(yǔ)：機(jī)器聽覺領(lǐng)域發(fā)展仍道阻路長(zhǎng)
在智東西與大象聲科戰(zhàn)略總監(jiān)的深入交流中，我們也看到一幅描繪著AI語(yǔ)音技術(shù)創(chuàng)新落地的商業(yè)藍(lán)圖，正在我們面前徐徐鋪開。
盡管與機(jī)器視覺技術(shù)相比，機(jī)器聽覺技術(shù)仍顯得較為年輕，但在其大量的細(xì)分賽道之下，許多玩家爭(zhēng)相入局，各類AI語(yǔ)音解決方案百花齊放，也為機(jī)器聽覺技術(shù)的發(fā)展注入了源源不斷的生命力。
相信在未來，這條技術(shù)長(zhǎng)河中的每位玩家都能找到屬于自己的位置，共同推動(dòng)機(jī)器聽覺領(lǐng)域的應(yīng)用爆發(fā)、技術(shù)繁榮與發(fā)展。
