2023年初，華爾思與思必馳深度合作，進行AI語音算法的深度定制與適配，歷經(jīng)近9個月的軟硬件聲學調(diào)整，華爾思全系列產(chǎn)品全面提升語控的算法能力，使得在現(xiàn)在公版的方案上，喚醒率從90%提升到98%，誤喚醒率則降低了90%以上。喚醒詞由原來的“你好小智”更改為“小智小智”。

眾所周知，現(xiàn)在行業(yè)中幾乎都是沒有進行過聲學適配的公版AI語音方案。高靈敏喚醒時，容易觸發(fā)更多的誤喚醒。用戶在聊天或者看電視的時候，就常常遇到旁邊的智能突然被喚醒，被“插話”，讓用戶不勝其煩。很多客戶都是關(guān)閉語音，語音功能就變成了擺設(shè)。

此前，行業(yè)大部分產(chǎn)品能達到24小時的誤喚醒率2-10次已經(jīng)算是不錯的水平。有些產(chǎn)品更是達到24小時數(shù)十次，甚至更高，華爾思產(chǎn)品經(jīng)過思必馳最新的技術(shù)深度優(yōu)化，定制與硬件匹配的聲學模型， 經(jīng)1000h+實測，噪雜環(huán)境測試，每168小時誤喚醒僅一次，在維持超高喚醒率的同時，誤喚醒率相對降低90%以上。

華爾思產(chǎn)品搭載了思必馳雙麥或四麥陣列前端信號處理算法，語音喚醒、語音合成、語音識別、智能降噪等語音語言新技術(shù)。定制了專屬的聲學模型，大大提升產(chǎn)品的AI語音能力，讓語控更絲滑。

華爾思定制的AI語音聲學模型基于思必馳人工智能技術(shù)，主要包括語音識別、語音合成和語音評測三個部分。

定制專屬AI語音識別是將語音轉(zhuǎn)換為文本的過程有更高的識別度，主要使用了專有聲學模型、專有語言模型和搜索算法。首先，專有聲學模型會將輸入的語音信號映射到對應(yīng)的音素上；然后，語言模型會利用文本上下文來找到最有可能的文本輸出結(jié)果；最后，搜索算法會選擇最優(yōu)的文本結(jié)果輸出。

定制的AI語音合成是將文本轉(zhuǎn)換為語音的過程，主要采用了基于規(guī)則、基于統(tǒng)計和基于深度學習的方法。其中，基于深度學習的語音合成，可以通過對大量的真人語音數(shù)據(jù)進行訓練，生成非常自然的語音。這種方法讓整個語音的鏈路更加通順。這樣使得華爾思產(chǎn)品，語音識別度更高，語音喚醒率更高，語音誤喚醒率更低，大大提升AI語音識別的體驗感。