博士双层音箱

现在BBA竞争激烈，相对的厂家在大家看不到的地方省钱了。比如说音响！所以好多车友开了一段时间后，发现音响跟朋友的某品牌一比，跟自己之前那辆车一比，好像有点不对。呵呵！那奥迪改装音响，应该考虑什么牌子的呢？那就要看你的预算了。改装是条不归路，音响是个无底洞，但只要你不是个音响发烧友级别的。原厂的BOSE音响和B&O音响，绝对是你的性价之选！原装位安装，原装功放配合原厂的主机出来的声音，铿锵有力，人声清澈丰满。

美国Bose博士RM7040阵列模块扬声器-黑色 Bose博士RM7040音乐会般的听觉享受-结合了Bose创新的专利技术，采用固定安装，可提供与zui佳音乐会音响系统相媲美的音质 RoomMatchWaveguide技术-5个垂直和4个水平覆盖范围，将声音精确地覆盖到指定听音区域，并通过减少不必要的反射声以提高音质 渐变指向性阵列-一种全新的弧形阵列，其中每个模块的覆盖范围和指向性因数都经过仔细选定，以优化房间覆盖范围和系统效率 连续弧形衍射单缝(CADS)歧管-Bose的专利设计可使6个压缩驱动器实现无干涉声学累加，且不同模块间的衍射单缝具有相等的声学间距。 BoseEMB2和LF10驱动器-获得专利的新型Bose换能器提供了三分频系统的声音清晰度以及典型的二分频系统的极性响应。 高频：6xBoseEMB2扩展中高频压缩驱动单元(2英寸音圈) 低频：2xBoseLF10超线性10英寸低音单元(3英寸音圈) 频率响应：60Hz~16kHz(+/-3dB) 频率响应：50Hz~16kHz(-10dB) 连接功率/阻抗：LF500W/4Ω（低频）,HF150W/8Ω 接头：两个平行接线的NL4NeutrikSpeakon接头 适用场所：室内使用 重量：55.8kg 灵敏度： LFNoEQ:94dBSPL/LFWithEQ:93dBSPL zui大声压级： LFNoEQ:121dBSPL(127dBSPLpeak) LFWithEQ:120dBSPL(126dBSPLpeak)

对于奥迪A4L的音响隔音改装，哈尔滨博士达颇具心得：每年几十台奥迪A4L的改装实战经验，真正做到了“拆装无损伤，复原无异响”。今天到店车主的诉求是综合类音乐听得多，要求能听能炸。改装清单：处理器：瑞士魔立方DSP8+前声场：意大利音乐系统audio system AE650C两分频套装喇叭后声场：意大利音乐系统audio system AS650C两分频套装喇叭功放1：意大利音乐系统audio system AD480D四路功放功放2: 瑞典DLS XM10四路功放低音单元：美国威虎超低音音箱隔音：全车卡拉丁隔音降噪施工店：哈尔滨博士达汽车音响改装隔音店对于A4L的汽车隔音降噪，车主一直都不是特别的满意。行驶过程中的胎噪、发动机噪音、底盘低频噪音、风噪大大影响了原本美妙的驾乘感受，车主在充分了解了隔音材料的品牌和种类后，毅然选择全车隔音降噪，让舒适充满车厢每一个角落。引擎盖的双层隔音，对于发动机有一定的作用，同时防止漆面龟裂和玻璃噪音的传递全车隔音中备箱的隔音处理，止震材料可以很好地增加钣金厚度和强度，大大降低钣金的震动意大利音乐系统Audio system喇叭，纯正的意大利血统，多年来都一直以功率充沛、操控精准、音色平衡而被视为高品质代表。意大利audio system音乐系统所推出的喇叭产品，让我们有着足够的心理期待。AE650C担纲前门主声场：喇叭技术参数：额定功率：50W / 峰值功率：80W / 额定阻抗：4Ω / 频响范围：55Hz-20KHz / 灵敏度：89±3dB系出名门的Audio System声音不会让人失望对一款易推动就有好声音的扬声器单元判定主思路，出色的平衡度和好声底都是基础，特别是声音控制力准确、稳定，大动态不吵耳，细节刻画清晰。在试音室对这款产品进行试听，会发现上述条件AS 650C都能符合，无论音量加减调节，声音都保持在清晰自然和良好密度感的呈现，此外还有反应快，瞬态佳的特点。后尾箱的功放和低音固定 我们改装的宗旨：尽量保持原风格、不占用或少占用空间。后尾箱的功放和低音固定 我们改装的宗旨：尽量保持原风格、不占用或少占用空间。改装完成的调音工作，我们的技师通过电脑设定DSP处理器，给整套系统做了精准定位和分频，好的音质活灵活现呈现在面前，恰如其分的低音在仪表台上非常宽松地跳跃着，也许此刻的美妙只属于对博士达信任有加的车主和辛苦忙碌了半天的师傅们，看到他们脸上洋溢的热情微笑，世界注定属于他们。总结：尽管人生平凡，车子普通，但是只要有一颗热爱生活的心，还是能够将自己的生活变得十分精彩。

放弃奥迪Q5L提凯迪拉克XT6,成交价424979元靠谱吗?车主说了真心话这款车的话综合来说就是一款多功能车，既可以坐商务接待不失面子还舒适，既可以家用平时出去玩，基础的配置比较好，终端优惠比较大，是款不错的车。其实刚开始也是纠结的，最早是看的宝马X3，老婆也属于比较理性的，说牌面是有了，但是还是只能做四个人，中间还有那么高的地台只能坐个小孩，还是解决不了坐不了人的尴尬局面，是啊，又转头看了看奥德赛和GL8这些商务车， 也试驾了一下，我感觉还不错，老婆感觉这么长的车开着也有点不好开，而且价位其实也都不便宜，老婆的意思是可以再看看再做决定，心里其实也是想换个好一点的品牌，毕竟都想到这了，就置办好。一次偶然的机会在路上看见了凯迪拉克这款车，离得近了才知道是XT6，外观上看起来很厚重，钻石切割的外观设计立体感比强，这个颜色也挺好看，当天我们就去4S店里看了，我们看的那个颜色叫黛蓝色，而且这款车六坐版和七座版价格是一样的，这一点还是挺人性化的，把问题交给我们客户自己，我们俩个想等试驾完再说，整个试驾感受非常棒，动力隔音都很好，很满意，试驾的小伙也很专业，讲的非常棒，当然最后的优惠力度也是可以的，销售小伙子也很好给争取了很优惠的价格，最终老婆我俩意向难得一致选择了六坐的四驱铂金运动版的黛蓝色，这个颜色真的很漂亮。那么这款车落地多少钱呢？【空间】最满意的其实还是空间这一块，后排整个地面都是纯平的，大部分车都有隆起的地台影响乘坐的舒适性，有时候接待个领导，假如说第三排不做人的话可以调整一个前后的距离，能有140mm的调节空间，而且还可以调节靠背的依靠角度，翘个二郎腿一点问题都没有，而且每个座位都有杯架以及USB充电口，后排的空调可以单独调节，非常的贴心，商务接待朋友以及合作伙伴都是一致好评，第二排的座椅都是独立的保证了每个人的私密性，中间还有个过道，当然这个过道可不是专门通往第三排的，第二排的右边座椅前推是方便下车以及上车的，也比较符合实际的路况因为我们都是右边下车吗，想的还是比较贴心的点个赞.☆ 第三排空间：我一米八左右 ，坐在第三排腿部空间一点都不挤，一般的六坐和七座车第三排真的是伸不开腿，然后第三排也有独立的出风口以及杯架,USB充电口也是有的，不过我还是不太喜欢坐后排，因为即使后排有隐私玻璃加持保护了隐私性，但是后排的视野受限看不了啥风.景 哈哈，所以我是不会坐后排滴.【动力】动力这一块的话采用的是CSS2.0T涡轮增压的发动机，达到了国六B的排放,这么大开始我还以为这么大的车会不会动力不够用，他们这款发动机的话是动力不分级的都是高功率的，有两百多匹的马力，而且涡轮介入的也比较早，搭配9AT的变速箱效果还是很不错的，换挡也比较积极，顿挫几乎感觉不出来，可见通用这几年还是下功夫了，最起码变速箱不像前些年雪佛兰的6AT那样让人诟病.得点个赞.【操控】操控这一块的话只能说比心理预期要好吧，虽然空间不小，但是这款车的轴距只有2863，所以说这款车开起来就不像开中大型SUV的那种感觉，很好开，底盘调教也偏适中，偏舒适一些，舒适性很好，女性开起来也不会太有压力，老婆的评价比我高.【油耗】不得不说的是油耗这块，五米多一个大车综合油耗开到十二三个真的是让我很欣慰，因为之前凯迪拉克费油的很，可能是他们这款新发动机的缘故吧，有个两缸四缸随意切换的模式，节油做的比较好，不过还是超出我的心里预期了，因为我驾驶习惯也很一般，也不怎么关注这一块，现在这十来个油耗很满意了。【舒适性】舒适度这一块我最满意的是隔音降噪和双层夹胶玻璃，因为这款车配备的有博士音箱，然后我平时在意较多的就是噪音的控制，胎噪和风噪控制的很不错，主动降噪系统和夹胶玻璃配合在一块，很好的控制了噪音，能让我平时和客户或者出去游玩时候有一个良好的沟通环境，当然我个人认为一个豪华车的好坏隔音这一块是一个很好的体现，再加上我们这一款的座椅是真皮的材质，包裹性很不错，整体评价还是不错的很舒服.【外观】外观这一块简单大气，高辨识的矩阵式智能大灯，盾形的前脸整体看起来甚至还有一点呆萌，反正我是挺喜欢的，简简单单的，还有下面20寸的大轮毂，看着整体给人的感觉就是霸气和简单.【内饰】内饰大体上比较简单，布局比较合理，中控屏操作起来很简单但是功能还是比较多的，老人小孩都比较好上手，再加上按键和阻尼旋钮搭配起来用还是比较方便的，关于中控台以及门边这些能触摸的的都是真皮和软性材质，手感很不错，新车也没有很大的味，比较环保.点评：优点：对这款车最满意的就是空间的布局以及它丰富的配置以及小细节的设计，因为我平时老接待客户，来三个人的话后排没法坐，商务七座我也看过，但是大部分的七座布局我不是很喜欢，我老婆也开不了那么长的车，这款车是2+2+2的空间布局，是让我非常喜欢的，用凯迪拉克打的广告那句话就是每个座位皆平等，第二排的空间可以前后移动，而且第三排的空间基本和第二排差不多，腿部空间也没有那么局促，比我叔家Q7七座的空间都大，关键是我配置也比Q7高，价格也差了好多，差价够我再买俩十多万的车位了哈哈.缺点：这款车的刹车行程要长一点，或者说不是特别的敏感，有一点点日系车的感觉，近距离跟车或者是速度稍微快一点需要提前一点踩刹车，然后大概得踩到一半左右才会刹停，不像传统的美系车那么硬，不过也不是什么缺点，刚开始开需要一段时间去习惯而已，我老婆还是比较喜欢这个刹车的调节的，也可以说是我之前那个车开习惯了，也不算啥毛病哈.

近日,自然语言处理(NLP)领域的国际顶级学术会议“国际计算语言学协会年会”(ACL 2019)公布了今年大会论文录用结果。根据ACL 2019官方数据,今年大会的有效投稿数量达到2694篇,相比去年的1544篇增长高达75%。其中,国内自然语言处理领军者百度共有10篇论文被大会收录,展现出在该领域的技术积淀和国际水准。国际计算语言学协会(ACL,The Association for Computational Linguistics)成立于1962年,是自然语言处理领域影响力最大、最具活力的国际学术组织之一,自成立之日起就致力于推动计算语言学及自然语言处理相关研究的发展和国际学术交流。百度高级副总裁、AI技术平台体系(AIG)和基础技术体系(TG)总负责人王海峰曾于2013年出任 ACL主席,是ACL五十多年历史上首位华人主席,也是ACL亚太分会(AACL)的创始主席,ACL会士。研究论文能够被ACL学术年会录用,意味着研究成果得到了国际学术界的认可。百度被录用的10篇论文,覆盖了信息抽取、机器阅读理解、对话系统、视频语义理解、机器翻译等诸多NLP领域的热点和前沿研究方向,提出了包括基于注意力正则化的ARNOR框架(Attention Regularization based NOise Rection)、语言表示与知识表示深度融合的KT-NET模型、多粒度跨模态注意力机制、基于端到端深度强化学习的共指解析方法等,在人机交互、智能客服、视频理解、机器翻译等场景中具有很大的应用价值。对于百度而言,能够在国际学术界取得这样的成绩并不意外。王海峰博士是自然语言处理领域的国际领军人物之一,其在自然语言处理领域的研究及工程科技成果,得到国际同行的广泛认可。他领导下的百度自然语言处理团队,在自然语言处理技术的发展及应用上始终保持领先,一直被视为自然语言处理研究的“第一梯队”,培养和吸引了海内外很多学术界和产业界的人才。百度自然语言处理技术全面支持百度业务,是智能搜索、信息流、智能家居等产品的核心技术,同时积极开放其核心能力,赋能各行各业,助力产业智能化升级。作为百度大脑开放平台的核心组成部分,自然语言处理相关技术的日均调用量超过千亿,广泛应用于互联网、金融、医疗、零售、出行、服务等行业。在国内各行业积极拥抱人工智能技术的大背景下,百度自然语言处理技术正在为中国的产业智能化进程做出重要贡献。附:百度被收录ACL 2019论文概览1.ARNOR: Attention Regularization based Noise Rection for Distant Supervision Relation Classification摘要:远监督通过知识库自动获取标注语料,是关系抽取的关键算法。但是远监督通常会引入大量噪声数据,即句子并未表达自动标注的关系。进一步说,基于远监督学习的模型效果不佳、解释性差,无法解释关系的指示词。为此,我们提出基于注意力正则化的ARNOR框架(Attention Regularization based NOise Rection)。此方法通过注意力机制,要求模型能够关注关系的指示词,进而识别噪声数据,并通过bootstrap方法逐步选择出高质量的标注数据,改善模型效果。此方法在关系分类及降噪上均显著优于此前最好的增强学习算法。应用价值:在文本信息抽取有广泛的应用价值。此方法能够显著降低对标注数据的依赖,实现低成本的基于知识库的自动关系学习,未来可落地在医疗、金融等行业信息抽取中。2.Enhancing Pre-trained Language Representations with Rich Knowledge for Machine Reading Comprehension摘要:机器阅读理解 (Machine Reading Comprehension)是指让机器阅读文本,然后回答和阅读内容相关的问题。该技术可以使机器具备从文本数据中获取知识并回答问题的能力,是构建通用人工智能的关键技术之一,长期以来受到学术界和工业界的广泛关注。近两年,预训练语言表示模型在机器阅读理解任务上取得了突破性进展。通过在海量无标注文本数据上预训练足够深的网络结构,当前最先进的语言表示模型能够捕捉复杂的语言现象,更好地理解语言、回答问题。然而,正如大家所熟知的,真正意义上的阅读理解不仅要求机器具备语言理解的能力,还要求机器具备知识以支撑复杂的推理。为此,在论文《Enhancing Pre-trained Language Representations with Rich Knowledge for Machine Reading Comprehension》中,百度开创性地提出了语言表示与知识表示的深度融合模型KT-NET,希望同时借助语言和知识的力量进一步提升机器阅读理解的效果。KT-NET的模型架构如下图所示。首先,针对给定的阅读内容和结构化知识图谱,分别利用语言表示模型和知识表示模型对两者进行编码,得到相应的文本表示和知识表示。接下来,利用注意力机制从知识图谱中自动筛选并整合与阅读内容高度相关的知识。最后,通过双层自注意力匹配,实现文本表示和知识表示的深度融合,提升答案边界预测的准确性。截止到发稿日,KT-NET仍然是常识推理阅读理解数据集ReCoRD榜单上排名第一的模型,并在此前很长一段时期内都是SQuAD 1.1榜单上效果最好的单模型。KT-NET:语言表示与知识表示的深度融合模型应用价值:该项技术可应用于搜索问答、智能音箱等产品中,直接精准定位用户输入问题的答案,并在搜索结果首条显著位置呈现或通过语音播报呈现给用户。3.Know More about Each Other: Evolving Dialogue Strategy via Compound Assessment摘要:现有的基于监督学习的对话系统,缺乏对多轮回复方向的控制和规划,通常导致对话中发生重复、发散等问题,使得用户的交互体验偏差。在本文中,我们对多轮对话进行了复合评估 (compound assessment),并基于该评估利用强化学习优化两个自对话 (self-play)的机器人,促进生成过程中较好地控制多轮对话的方向。考虑到对话的一个主要动机是进行有效的信息交换,针对 Persona Chat问题(两个人相互对话聊兴趣爱好),我们设计了一个较为完善的评估系统,包括对话的信息量和连贯度两个主要方面。我们利用复合评估作为 reward,基于策略梯度算法 (policy gradient),指导优化两个同构的对话生成机器人之间的对话策略 (dialogue strategy)。该对话策略通过控制知识的选择来主导对话的流向。我们公开数据集上进行了全面的实验,结果验证了我们提出的方法生成的多轮对话质量,显著超过其他最优方法。应用价值:可应用于对话系统、智能客服。4.Proactive Human-Machine Conversation with Explicit Conversation Goal摘要:目前的人机对话还处于初级水平,机器大多是被动对话,无法像人类一样进行充分交互。我们提出了基于知识图谱的主动对话任务,让机器像人类一样主动和用户进行对话。对话过程中,机器根据知识图谱主动引领对话进程完成提前设定的话题(实体)转移目标,并保持对话的自然和流畅性。为此,我们在电影和娱乐任务领域人工标注3万组共27万个句子的主动对话语料,并实现了生成和检索的两个主动对话基线模型。应用价值:可应用于智能音箱中的对话技能,也可以基于此开发闲聊技能,让机器主动发起基于知识图谱的聊天。5.Multi-grained Attention with Object-level Grounding for Visual Question Answering摘要:视觉问答(VQA)是一类跨模态信息理解任务,要求系统理解视觉图片信息,并回答围绕图片内容的文本问题。这篇文章提出一种多粒度跨模态注意力机制,在图片-句子粒度注意力的基础上,提出更细粒度的物体级别跨模态信息注意力机制,并给出2种有效的细粒度信息理解增强的方法。实验表明我们的方法有助于对复杂图像和细小物体的识别,使系统更准确地定位到回答文本问题所依赖的视觉信息,从而显著提升VQA准确率。应用价值:可应用于基于多模态信息和知识图谱的小视频内容理解项目。6.Hubless Nearest Neighbor Search for Bilingual Lexicon Inction摘要:这项基础研究提出了一种提高最近邻搜索的方法。该方法有非常漂亮的理论基础,不仅能显著提升双语词典编纂(Bilingual Lexicon Inction)的准确率,对涉及最近邻搜索的很多任务都有指导意义。应用价值:机器翻译需要大量对齐的双语文本作为训练数据。这一要求在某些情况下不能被满足,比如小语种文本,专业文献。双语词典编纂在这种情况下能提升翻译系统的准确率。7.STACL: Simultaneous Translation with Implicit Anticipation and Controllable Latency摘要:同声翻译是人工智能领域公认的最难问题之一,已经困扰学术界和工业界几十年了。我们提出了历史上第一个超前预测和可控延迟的同声翻译算法。去年10月发布以来,被各大技术外媒广泛报导,包括 MIT技术评论、IEEE Spectrum、财富杂志等。量子位总结报道:“这是2016年百度Deep Speech 2发布以来,又一项让技术外媒们如此激动的新进展。”应用价值:2018年11月的百度世界大会采用了这项同传技术,全程同传翻译了Robin所有演讲,延迟仅为3秒左右,而之前的整句翻译技术延迟为一整句(可达10秒以上)。同时,翻译质量也没有明显的下降。8.Simultaneous Translation with Flexible Policy via Restricted Imitation Learning摘要:本文旨在提高同声翻译的质量。我们去年提出的STACL框架(即上述文章7)虽然简单有效,但有时不够灵活。现在我们提出一种基于模仿学习的同声翻译算法,通过模仿本文设计的动态策略,该模型可以实时灵活地决定是否需要等待更多信息来继续翻译,进而在保持低延迟的情况下提高了翻译质量。应用价值:该技术可用于同声传译系统。9.Robust Neural Machine Translation with Joint Textual and Phonetic Embedding摘要:该文章旨在提高翻译的鲁棒性,特别是对同音词噪音的鲁棒性。我们在翻译的输入端,通过联合嵌入的方式,加入输入单词对应的发音信息。实验结果表明,该方法不仅大大提高了翻译系统在噪声情况下的鲁棒性,也大幅提高了翻译系统在非噪声情况下的性能。应用价值:可用于翻译,特别是语音到语音的同声传译系统。语音翻译的一个主要难题是语音识别的错误太多,而这些错误大多是同音词或发音相似的单词,此技术可以很大程度上降低这些来自于语音识别的噪音。10.End-to-end Deep Reinforcement Learning Based Coreference Resolution摘要:共指解析是信息抽取任务中不可或缺的组成部分。近期的基于端到端深度神经网络的方法,往往通过优化启发式的损失函数并做出一系列局部解析决策,缺乏对整个篇章的理解。本文首次提出了基于端到端深度强化学习的共指解析方法,在同一框架内完成指称检测和指称链接,并且直接优化共指解析的评价指标,在OntoNotes上取得了良好效果。应用价值:知可用于识图谱构建,信息抽取。来源：中国网科学

昨天（10月10日），博士和大家分享了文章《全新的无线充电方式让人期待，苹果iPhone 12新技术遭到曝光》，讲述了苹果将在美国时间10月13日（北京时间10月14日凌晨）举办第二次秋季新品发表会，而发表会的亮点新一代 iPhone相关的资讯以及新技术已经被曝光的差不多了，几乎没有什么秘密可言。苹果第二场秋季新品发表会显然不会只公布新手机，据悉此次发表会的另一个重点产品就是被苹果视为年度重量级新品的 HomePod mini 智能音箱！HomePod mini将以“尺寸更小、售价更便宜”为主要卖点，成为苹果抢攻全球智能音箱市场的秘密武器。根据知名分析师“Jon Prosser”的个人最新爆料，苹果预计发表的新一代 HomePod mini，不仅具备有蓝牙功能与Siri语音声控功能，同时还将搭载无线UWB（Ultra Wideband，超宽频）技术的集线器功能。换句话来说，苹果将把HomePod mini当成智能居家生活生态的核心设备。九月份，博士和大家分享了文章《苹果新公布的智能手表也配备了U1芯片，它是用来干什么的？》，讲述了苹果智能手表的新品Apple Watch Series 6搭载了U1芯片，而U1芯片就采用了超宽频技术，适用于空间感应。这意味着消费者通过 HomePod mini搭载的UWB集线器可以把同样内建U1芯片的其他产品串接起来，比如：iPhone 手机、智能手表等等，在进行远端遥控功能的相关应用时，能发挥更精准快速的无线连接传输能力。与苹果先前上市的HomePod 智能音箱相比，主打迷你平价的新一代 HomePod mini的售价则会更加亲民。根据外媒 MacRumors 的爆料，HomePod mini整体外形只有 HomePod 的一半大小，而价格则有望比HomePod便宜三分之一，最后定价在99美元（约662元人民币）左右！而另外一位知名爆料者“Kang”则同意上述的爆料内容，而且他进一步表示：新款的HomePod mini智能音箱在苹果正式发表之后，可能会推迟在11月6日才开放预订，并在11月16日或17日才会正式上市。当然，上述爆料没有得到官方证实，真实性有待商榷，不过现在距离10月14日也没有几天了，马上就可以验证博士上述的爆料分享是不是真的啦，让我们拭目以待吧。我们知道：苹果的竞争对手们在智能音箱这个领域已经走在了前面，亚马逊和谷歌的几款智能音箱不仅比HomePod便宜，还更加“聪明”。所以，为了打入智能家居市场，苹果“不得不”推出价格便宜的智能音箱。另外，通过超宽频技术把智能音箱与成熟的产品（手机、智能手表）“绑定”，慢慢侵入消费者的生活。智能音箱格局看似已定，但背后的智能生活家居还是蓝海一片，苹果应该已经瞄准了这块市场！

雷锋网按：本文作者为声智科技创始人兼CEO陈孝良，中科院声学所博士。美国时间9月27日，亚马逊再次引领了远场语音交互的潮流，一口气发布了5款Echo新品，包括第二代Echo和Echo Plus，2.5寸屏幕的Echo Spot，以及Echo Connect和Echo buttons。其中，最为引人关注的是Echo Spot，这个被称为是Echo Show闹钟版的新品带有一个2.5英寸的圆形屏幕，用户可以用它来显示图像、歌词、视频聊天等，售价仅有129.99美元。Echo Spot不同于新版Echo和Echo plus，并没有采用环形6+1麦克风阵列，而是缩减了麦克风阵列的配置，选用了环形4麦的麦克风阵列技术。为什么Echo Spot会选择更换不同的麦克风阵列技术呢？最新亚马逊客厅产品家族：Echo和FireTV系列全球量产麦克风阵列的阵型技术盘点1、Amazon Echo不管第一代还是第二代，Echo都采用典型的6+1麦克风阵列结构，即环形6个麦克风搭配中间1个麦克风，如下图左所示。而且，Amazon一直非常喜欢采用TI的AD芯片TLV320ADC。目前，这种阵型国外主要是Amazon Echo使用，国内也只有联想和科大讯飞曾经模仿过这种阵型，其中，1代联想智能音箱采用的是环形6个麦克风+中间2个麦克风的结构。如下图右所示。这里再说一下科大讯飞，其叮咚音箱系列产品都是模仿的这种结构，讯飞增加了1个麦克风，形成了环形7+1麦克风阵列的结构，如下图所示。叮咚1代和2代的差别主要是1代采用的是驻极体麦克风，而2代换成了模拟的MEMS麦克风。相比Amazon来说，科大讯飞更喜欢科胜讯的芯片，1、2代叮咚产品全部采用科胜讯的AD芯片CX20810，另外，科大讯飞的双麦算法也是采用的科胜讯CX20921芯片。2、Echo ShowEcho Show则采用了椭圆形麦克风阵列，国内一般也称为跑道形，其实就是双线形，如下图左所示。这个阵型因为Echo Show的厚度问题所做了折衷处理，也是典型的技术妥协于产品设计的案例。目前，国内只有声智科技供应类似阵型，即L型6麦阵列，见如下图右所示。3、Echo Spot进一步缩减了麦克风阵列的配置，采用了环形4麦的技术，如下图左所示，这个阵型既降低了成本但也保证了一定的效果，这是比较典型的根据场景选择合适技术的案例。目前，国内的声智科技也供应这种阵型的麦克风阵列产品，即兼容4麦和4+1麦的麦克风阵列及开发板，如下图右所示。相比6麦阵型来说，减少了2个麦克风之后，这个阵型仅是损失了一些4米以外的远场语音交互性能。但是根据国外产品公司对用户使用习惯的统计分析数据显示，在1-3米的范围是用户最习惯的远场交互距离，所以4麦也适合大多数用户使用场景，尤其是酒店等行业的应用。4、Apple HomePod采用的是环形6麦方案，环形6麦的优点就是给产品ID设计更大的自由性，同时也兼顾了成本和远场语音交互性能。国内小米AI音箱采用声智科技的前端方案，其中的阵型就是环形6麦，同时为继续降低成本，麦克风也全部采用数字麦克风，这样就省掉了模拟麦克风必须搭配的AD芯片。国内采用这个阵型的还有天猫精灵、小雅音箱，然而，不同于小米AI音箱，天猫精灵为照顾算法因素，依然采用了模拟麦克风+TI ADC的方案。5、Google HomeGoogle Home则独具一格，采用了双麦克风的方案，国内出门问问的智能音箱也沿用了这个方案。国内双麦技术提供商主要是科大讯飞和声智科技。而声智科技的双麦方案主要应用在汽车等行业，其在消费电子领域的成熟应用方案则是单麦克风方案。6、除此之外，还有一些特殊阵型。科大讯飞曾经发布过双层的麦克风阵列，以及4麦线形阵列。除了科大讯飞，声智科技也推出了量产版的4麦线形阵列、3麦三角阵列以及分布式阵列。但是由于这些特殊阵列的产品目前销量还较小，在市场上的影响还很小。为何不同产品的麦克风阵列差异如此大？从上面的盘点可以看出，Amazon几乎每个新产品系列都会采用新的麦克风阵列技术，国内知名产品的麦克风阵型也多种多样，即便相同的阵型，其阵元间距也会不同，为何会产生这个现象？1、麦克风阵列技术首先从麦克风阵列技术本身来看，麦克风阵列是指应用于语音处理的按一定规则排列的多个麦克风系统，也可以简单理解为2个以上麦克风组成的录音系统。麦克风阵列一般来说有线形、环形和球形之分，严谨的应该说成一字、十字、双L、平面、螺旋、球形等。至于麦克风阵列的阵元数量，也就是麦克风数量，可以从2个到上千个不等。由于成本限制，消费级麦克风阵列的阵元数量一般不超过8个，所以市面上最常见的就是6麦和4麦的阵型。2、麦克风的质量、数量及布局除了算法，决定麦克风阵列性能的主要就是阵元麦克风的质量、数量及布局。这些基本都是硬件架构所决定，特别是麦克风的质量和数量，又与每个厂商的供应链紧密相关，这就非常容易造成每款产品的差异。比如叮咚1代为保证性能，选择了性能指标更高的指向型驻极体麦克风，而Echo则为了保证量产质量，则选用了性能指标较低的MEMS麦克风。由于算法的持续提升，对于麦克风的要求不再严格，因此MEMS麦克风是当前主流的应用。3、远场语音交互的场景其次从远场语音交互的场景来看，比如智能音箱、智能中控和智能汽车的场景肯定不一样，其需求自然也不同。智能音箱一般都是放置桌面，需要360度响应指令，所以环形阵列比较适合，而智能中控一般贴墙固定，仅照顾180度范围即可，这时候线形阵列就能满足。当然这里也有特殊，比如手机和平板，一般也是3麦或4麦的矩形，这种阵型恰当利用屏幕导向而只是重点满足某个扇形角度的性能。智能汽车又分了两种情况，一种情况是仅满足驾驶员的语音交互需求，则单麦/双麦基本就能满足，另外一种情况则是满足所有乘员，而且重点照顾后排，则需要采用分布式阵列。4、产品设计美观和约束再次从产品设计美观和约束来看，刚才提到了阵型，这就约束了产品的ID设计，但是产品若有差异就必然需要不同的ID，那么自然就需要形态各异的麦克风阵列。不同的阵元间距和分布会对麦克风阵列性能产生重大影响，所以这个设计过程中是技术和艺术互相妥协的过程。同时麦克风阵列对于遮挡也有一定的要求，当前的麦克风阵列主要是放在顶部，就是为了避免这个问题，当然这个约束也会随着算法技术的不断提高而弱化。5、产品成本及生产工艺最后从产品成本及生产工艺来看，比如麦克风的选型问题，驻极体麦克风的性能指标更好，但是由于生产需要大量人工介入导致成本较高，因此当前主要采用MEMS麦克风。MEMS麦克风又分为模拟和数字两种，模拟麦克风+专业ADC的性能指标也更好，但是同时也让成本上升。数字麦克风的难点就是采集的信号相对最差，需要算法处理更多以达到与其他方案同样的效果。为什么Google Home要选择双麦方案？偶尔会听到行业人士做的一个类比，人类有两只耳朵，所以两个麦克风就能达到同样性能。这实际上是一个误解，以现在技术来看，即便用100个麦克风，也未必能达到人耳的效果。人耳是极其复杂的一个结构，至今为止实际上科学也没搞清楚所有原理，更谈不上用简单的麦克风进行模拟了。现在的麦克风，实际上都是标量麦克风，所获取的仅仅是声压变化转成的电信号，而且还没有耳廓，更无法根据场景变化随动调整。那么为什么Google Home要采用双麦方案呢？这和麦克风阵列有何差异？事实上，这要从各家不同的技术架构来探讨，当前市面上主要存在三种远场语音交互技术架构。1、以Google为代表的纯云端技术架构首先就是以Google为代表的纯云端技术架构，Google并非不想采用麦克风阵列，因为阵列相比双麦方案具有了波束形成的功能，自然就拥有了更好的噪声和去混响能力，当距离较远或者环境复杂的时候依然能够保证远场识别率。但是由于麦克风阵列涉及了前端硬件，这并非Google所擅长，因此Google就希望能通过云端机器学习的方式来达到类似功能。但是麦克风阵列的阵元较多，产生的数据容量太大，而当前的网络上传带宽严重不足，所以只能权衡选择更少的麦克风。实际上若采用前端方案，大部分场景下单麦克风方案也能达到双麦方案的性能。当然多一路麦克风信号对于云端算法来说也是很重要的。2、以科胜讯为代表的纯前端技术架构其次就是以科胜讯为代表的纯前端技术架构，双麦降噪实际上是非常成熟的方案，在智能手机和蓝牙耳机上已经广泛应用，但是直接应用到语音交互则需要大量适配工作。纯前端方案的优点就是容易集成到芯片上，缺点就是很难升级以及扩展，这恰好与人工智能不断迭代的趋势不太兼容，也是当前这种方案无法流行的主要原因。3、以Amazon为代表的前端+云端方案最后就是以Amazon为代表的前端+云端方案，这种方案是把算法分别放置到前端和云端，根据具体场景可以调配优化，更容易优化性能并扩展功能。这种方案考虑了麦克风阵列与唤醒和识别技术一体化的问题，由于唤醒和识别严重依赖麦克风阵列的算法处理效果，实际上这三种技术是无法完全分割的，特别是麦克风阵列和唤醒技术更是浑然一体。所以国内厂商开发的Amazon Alexa产品，若选用Sensory等提供的唤醒词，总是会比Echo差不少，有意思的是，Alexa与Echo两个团队之间的互相较量，以致于产生了产品接入Alexa平台却要接受更差性能的尴尬。如何正确选择麦克风阵列阵型和技术？从上面的分析来看，远场语音交互产品确实比较复杂，仅仅选用麦克风阵列就有如此多的问题。那么应当如何选择合适的麦克风阵列和技术呢？1、从产品实际角度出发，先定前端方案再定后端技术首先还是应该从产品实际角度出发，先定前端方案再定后端技术，前端技术包含了麦克风阵列、唤醒和识别技术，后端技术则包含了自然语言理解和内容服务。前端主要解决了产品是否听得准的问题，这其中有五个核心指标：远场语音唤醒率、复杂环境 误唤醒率、远场语音识别率、总体延迟时间和总体稳定性。这五个核心指标决定了用户的第一体验。由于用户无法忍受前端技术出现任何问题，所以前端技术的稳定性也是至关重要，这个指标需要大规模量产的验证。后端技术主要解决了产品是否听得懂的问题，但是仅有自然语言理解还不够，必须和内容服务串联成反馈才能达到用户满意的目的，事实上，产品的智能主要就体现在后端，而且涉及内容服务，当前也仅有BAT等巨头做的比较完善。目前来看，全球经过量产验证的前端技术主要掌握在Amazon、Apple、科大讯飞、声智科技等厂商手中，而后端技术特别是内容及服务则主要被Google、Microsoft、Apple、Amazon、百度、腾讯、阿里等巨头所掌控，思必驰和云知声等语音识别厂商也相继转型发布了平台战略。2、根据应用场景选取合适的阵型其次应该是根据应用场景选取合适的阵型，比如产品定位的场景是否需要360度拾音？产品的用户群体大概都是什么年龄？产品的主要交互距离又是多少？产品的ID采用什么形状？产品是否考虑低功耗问题？根据这些指标，可以由专业的技术方案商提供具体方案，比较复杂的场景可能还需要定制开发，但是以当前技术进展来看，比如声智科技已经不再约束阵型的尺寸和结构。3、在满足效果的前提下再考虑降低成本最后应该是在满足效果的前提下再考虑降低成本，这和具体场景还是有密切关系的，比如儿童故事机，由于儿童与机器之间的距离约束，成本实际上是第一考虑要素，那事实上用单麦克风方案就可以解决。对于技术实力比较雄厚的厂商，则可以兼顾成本与性能，向技术方案上定制专用麦克风阵列和优化技术。对于大部分产品厂商来说，产品研发速度和稳定是第一考虑要素，那可以优先选择阵列的模组方案，这样更容易集成，成本也容易控制。这样可以让厂商腾出更多精力专注后端智能方面的开发，当前端技术稳定可靠后，真正体现产品差异的一定是后端技术。从Amazon来看产品与平台厂商的博弈亚马逊做完Echo家族的产品发布会，其电商网站似乎只卖Echo产品了，而且价格几乎腰斩，这是一个很有意思的事情。因为Amazon同时还在鼓励Alexa的生态，力求把Alexa打造成一个AI平台。但是从当前的窘境来看，Alexa的平台进展似乎一直不太如意，Amazon似乎只对推广自家产品更有兴趣，何况Alexa还故意给产品开发厂商制造了很多困难。这也很容易理解，平台的开放和封闭本来就是难以兼容的关系，平台的天性就是开放，而产品的天性容易封闭，这是两类生态的竞争，还没有一家公司能够兼容并包。比如Apple依赖iPhone系列构建了封闭的平台体系，而Google则依赖Android建立了开放的平台体系。以Amazon当前的表现来看，其走向Apple的可能性更大一些，这样实际开放的只是内容和服务，更像Apple的Apple Store。这也很容易理解，因为平台需要积累大量客户，肯定倾向于能够带来大量客户的生态伙伴，若这个生态伙伴恰好还是自家的，没有理由不扶持自家产品。所以Echo持续降价，销量不断攀升，这个结果导致其他生态伙伴无法生存，但是从Amazon来看也不重要，因为不管用户从哪来，其核心诉求实际上达到了。当Amazon的用户积累到一定规模，自然也就形成了平台优势，反而会给后端开发的用户带来盈利的空间，这样也能形成正向的逻辑。从正向的逻辑出发，Amazon的野心就很清晰了，这绝对是要挑战其他巨头的意思，因为一旦语音流形成，不管是搜索还是社交，Amazon绝对是有兴趣染指一把的，当然电商本来就是Amazon的优势。所以，Amazon和Google最近在Youtube较劲也就见多不怪了，相信这个事情还会发生很多。这对于我们国内远场语音交互生态有什么启示？这可能会影响三类厂商：产品厂商、前端技术提供商和后端技术提供商，后端技术提供商实际上就是平台。其中这对前端技术方案商没有太大影响，毕竟麦克风阵列、唤醒和识别都是一种管道型技术，同时服务于产品和平台两大厂商，其核心诉求更多是赚钱，并没有太多其他变现的价值，也就是说这部分用互联网思维来做也没有什么落脚点。但是产品厂商和平台厂商就比较纠结，产品和平台厂商都需要用户，当用户量足够大的时候，产品和平台的后端变现价值就会凸显。但是实现这个目标都是实力的硬硬对坑，是走向开放模式还是封闭模式？开放模式必然意味着要放弃自家产品鼓励生态，带动生态伙伴一起发展。封闭模式则需要重金投入同时打造产品和平台，搞不好两败俱伤。这是一个难题，也是一家公司的战略决策，很难说哪种模式未来能够绝对制胜，但是摇摆于两种模式之间的厂商必然没有发展空间。所以，很多时候，战略判断和决策才是一家公司的核心能力。

前几天，博士和大家分享了文章《汽车影院创意很棒，<集合啦！动物森友会>“强迫透视”设计分享》，讲述了有玩家利用强迫透视（Forced Perspective）的技巧去设计建筑，让本来的近景在人眼中呈现出远景的感觉！其中，一位达人把常见的瀑布变成了“餐厅”的背景，现实中这样的观景餐厅消费可是很贵的，而我们在游戏中可以随意体验享用。我们可以看到：“餐厅”背后的双层瀑布看起来非常大气，那么它是怎么做出来的呢？今天博士就来教大家双层瀑布的制作方法，顺便再分享几个岛屿设计的小技巧。不过，大家大兴土木之前，需要保证自己的岛屿达到了三星，成功邀请了“K.K.”来举办演唱会。双层瀑布的建造其实很简单。既然是双层的地形，我们利用“悬崖施工许可证”先建起5x4的长方形悬崖，然后在上面中间再搭一个3x2的长方形悬崖。然后利用“河流施工许可证”将第二层悬崖的“6g”位置处挖成瀑布，再将第一层的“4b”、“4c”、“4d”的位置挖成瀑布。双层瀑布就搞定了！当然，为了美观和科学，大家可以在“4b”、“4c”、“4d”位置前面挖出一个小湖泊。其实，大家懂得了原理，就可以轻松打造出更加壮观的大型双层瀑布！上述的双层瀑布只有一面有水，当我们需要一个类似“喷泉”的造景时，依据相同的逻辑，我们也可以打造出十字双层瀑布！我们利用“悬崖施工许可证”建起5x5的正方形悬崖，然后在上面中间再搭一个3x3的正方形悬崖。然后利用“河流施工许可证”将第二层悬崖的“十字”位置挖成瀑布，第一层的瀑布位置与上述的双层瀑布同理。除了瀑布之外，爱心形状的小湖泊也是很多玩家喜欢的。那么如何拥有自己的心形湖呢？我们来看看制作过程：我们先挖出5x5的正方形湖泊，然后把1a、1b、1c、2a、2b、3a六处地方用土填回去，然后把1c及3a的地方削成斜角，接下来把1e及5a的地方用土填回去，再把这两个地方削成斜角。心形湖就搞定了！最后，博士再分享一些岛屿动工常识。游戏中的建筑物占地尺寸分别为：自己家（5x4）、露营地（4x4）、服务处（12x10）、服装店（5x4）、动物家（4x3）、博物馆/商店（7x4）。另外，斜坡、楼梯及桥梁的尺寸皆为2x4。另外，建设斜坡、楼梯及桥梁需前后预留一格才可建造其他建筑及基建；建设桥梁最少需要一个4x4的湖泊才可建造；因原有建筑及施工位置不可重叠，如希望将建筑物稍微移动，必须先将首次施工地选在其他空地让土地腾出空间 ，在土地腾出空间后才可再次移动到目的地，共需耗时2天。以上就是博士总结的双层瀑布的建造方式以及一些岛屿设计的小技巧，你学到了吗？

文/李论 亿欧专栏作者阿里巴巴昨日宣布，微软亚洲研究院首席研究员聂再清博士、谷歌Tango和DayDream项目技术主管李名杨博士入职阿里巴巴人工智能实验室（简称AI Labs）。其中聂再清将担任AI Labs北京研发中心总负责人，李名杨任AI Labs机器视觉杰出科学家。AI Labs在阿里的定位是主做硬件，先后于今年7月和10月发布智能音箱天猫精灵以及天猫路由器。自10月11日马云在云栖大会上宣布成立达摩院后，归入达摩院。业内普遍认为，两位博士的加盟是阿里巴巴成立达摩院后的“第一枪”，也预示了AI Labs未来的产品方向，除了天猫精灵这一语音交互产品外，很有可能会推出基于视觉交互，甚至机器人类的人工智能产品。聂再清本科及硕士均毕业于清华大学，1999年在亚利桑那州立大学读博士，2004年加入微软亚洲研究院工作至今。聂再清在微软研究院任首席研究员，主要负责微软自然语言理解与实体挖掘的研发工作。在对象级别搜索与大数据挖掘方面申请国际专利十余项。他带领团队旨在通过大数据挖掘和众包，建立Web-scale知识图谱，是微软学术搜索、人立方，以及企业智能助理EDI的发起人和负责人，也是微软自然语言理解平台LUIS的技术负责人。相关技术已经应用在Bing、Office、Cortana等产品上。据了解，聂再清博士加入AI Labs之后，除负责北京研发中心的各项研发工作外，还将重点突破知识图谱和自然语言理解这两个研究方向。聂再清的对象级搜索技术，在阿里的电商、社交场景，以及AliOS均有用武之地。与聂再清相比，李名杨则比较年轻。2014年，李名杨在美国加州大学河滨分校博士毕业，并于2013年（博士期间）在高通进行实习。博士毕业后，李名杨加入谷歌。李名杨博士在谷歌担任Daydream/Tango项目技术主管，主要研究领域是视觉-惯导里程计（VIO）和即时定位与地图重建（SLAM），并在该领域拥有20多篇顶级论文及相关专利。而这两项技术在VR/AR以及无人驾驶领域均有所应用。这是否可以隐隐透露出阿里的野心呢？除了上述两项技术，李名杨研究重点放在多传感器融合和SLAM领域上，包括技术的理论创新和商业化。他推进了tango项目与全世界多个高校之间的合作研发计划，也将SLAM技术融合进了多个终端产品中，包括tango手机和ARcore。Tango手机是一款装有3D感应器，能够记录运动、感知使用者周遭环境的Android手机原型机。人工智能可谓是当下最火热的词，不论是挂名抱大腿还是踏实做项目，各个公司都一窝蜂地挤进人工智能这个赛道。10与11日，阿里巴巴宣布成立承载“NASA计划”的实体组织——“达摩院”，定位于进行基础科学和颠覆式技术创新研究。同时马云表示，未来3年内，将为达摩院投入1000亿元以上。据公开资料显示，达摩院目前的委员会成员包括：中国工程院院士高文，中国科学院院士梅宏，浙江大学校长吴朝晖，中国科学院院士黄如，美国三院院士、加州大学伯克利分校教授Michael I.Jordan，美国工程院院士、普林斯顿大学教授李凯，哥伦比亚大学教授周以真，美国工程院院士、华盛顿大学教授Henry M.Levy，美国工程院院士、美国科学院院士、哈佛大学&麻省理工学院George M.Church，美国科学院院士、美国人文与科学院士、普林斯顿高等研究院教授Avi Wigderson。其领域包括：量子计算、机器学习、基础算法、网络安全、视觉计算、自然语言处理、人机自然交互、芯片技术、传感器技术、嵌入式系统等，涵盖机器智能、智联网、金融科技等多个产业领域。保持着阿里昔日铁军一般的特点，达摩院刚刚成立，然而进展神速，如今又挖了微软和谷歌的墙角。希望达摩院真的会如马云所说，能够创造1000万企业盈利空间，实现普惠共享价值，解决人类未来问题。文章版权属北京亿欧网盟科技有限公司所有。文章内容系作者个人观点，不代表亿欧对观点赞同或支持。