智東西（公眾號：zhidxcom）
作者 | 韋世瑋
編輯 | 漠影
夏至(zhi)將至(zhi)，和(he)氣溫一(yi)樣持續攀升的還有TWS（真無線藍牙立體(ti)聲）耳機市(shi)場(chang)的熱(re)度。
據業內機構統計，截至5月(yue)12日，今年(nian)已(yi)有25款品牌(pai)TWS耳(er)(er)機推(tui)出。僅在剛剛過去的(de)5月(yue)，OPPO、vivo、華為、努比亞、小度等玩(wan)(wan)家也相繼推(tui)出TWS耳(er)(er)機新(xin)品，進一步(bu)加劇(ju)市(shi)場混戰。其中(zhong)，前(qian)三位玩(wan)(wan)家的(de)TWS耳(er)(er)機均(jun)支(zhi)持通話降噪(zao)。
與蘋果AirPods帶火的(de)主動降(jiang)(jiang)噪(zao)(zao)不同，通(tong)話降(jiang)(jiang)噪(zao)(zao)主要針對耳機中的(de)麥克風(feng)，通(tong)過算法使麥克風(feng)收音更加純粹，而主動降(jiang)(jiang)噪(zao)(zao)主要針對揚聲器，算法圍繞用戶“聽”的(de)過程進行(xing)處理(li)。
隨著通話降噪逐漸成為當下各路玩家PK的(de)主(zhu)要功能之一，也出現了許多公(gong)司競相押注通話降噪賽道(dao)，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智能聽覺技術賽道上一家頗具特色的企業，主要基于機器聽覺AI算法開發智(zhi)能語音增強和(he)語音交互(hu)解決方案。
近期，智東西也(ye)有機會與大象聲科的核心(xin)(xin)團(tuan)隊人員交流，在了(le)解他(ta)們(men)創(chuang)業故事、核心(xin)(xin)技術和發展(zhan)路徑的過程中，我(wo)們(men)也(ye)看到了(le)當下通話降(jiang)噪技術領(ling)域的發展(zhan)現(xian)狀。
實際上，大象聲科的AI通話降噪算法最初被錘子科技創始人羅永浩看中，應用在了堅果手機上，隨即一戰成名，業務逐漸向智能手機、PC、車載聲(sheng)場控制、智能家居(ju)、助(zhu)聽器等多(duo)個領域(yu)拓展。同(tong)時，他(ta)們背后(hou)還有(you)小米、高(gao)通等企業的投資。
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略總監的交流干貨：
▲大象聲科公司團隊合影(ying)
一、硬核創始團隊加持，用AI拓展人類聽覺感知
“與機(ji)器視覺(jue)相比，現在機(ji)器在聽(ting)這件事情上并(bing)不(bu)夠(gou)智(zhi)能(neng)。”大象(xiang)聲科戰略總(zong)監(jian)談(tan)到，大象(xiang)聲科成(cheng)立的初衷就是希望通過機(ji)器聽(ting)覺(jue)技術，賦予機(ji)器像(xiang)人一樣的聽(ting)力，比如說能(neng)解決經典的雞尾酒會問題(ti)。
何為雞尾酒會(hui)問題？簡單來說，當許多人(ren)同(tong)在(zai)(zai)一個場(chang)合內說話時，人(ren)類能通過注意力集中在(zai)(zai)某(mou)一個人(ren)的談話中，而(er)忽(hu)略背(bei)景的其他談話或噪音，這也(ye)是人(ren)類聽覺系(xi)統的神奇之(zhi)處。
但對機器(qi)(qi)來(lai)說，雞尾酒會問題是一(yi)個極其大的挑(tiao)戰。因為聲(sheng)波的重疊與互相干(gan)擾，讓機器(qi)(qi)很難(nan)在信號采集(ji)完畢后對它們進行有(you)效的分(fen)離處理(li)，機器(qi)(qi)難(nan)以像人(ren)一(yi)樣有(you)選擇性(xing)地去聽某一(yi)部(bu)分(fen)聲(sheng)音。
這就是(shi)大象(xiang)聲科想利用AI技(ji)術解決的(de)(de)問題(ti)，從另一個角度看，就是(shi)將AI（人工智能）用于(yu)人類(lei)聽覺感(gan)知范圍(wei)的(de)(de)拓(tuo)展(zhan)，“這也是(shi)我們(men)創始人們(men)一直希望實現的(de)(de)目標。”戰略(lve)總(zong)監說。
青萍始于微末。實際上，大象聲科如今成績與其創始團隊的硬核實力息息相關。
大象聲科董事長兼CEO苗健彰是位80后的連續創業者，擁有西安交大通信與信息工程學士及加拿大UBC軟件工程碩士學位，曾在溫哥華RBC及IBM等全球知(zhi)名企(qi)業就職。盡管一路順風順水(shui)地(di)走來，但(dan)苗健彰心底里仍保留著創業成(cheng)事的夢想。
終于在2014年，苗健彰選(xuan)擇(ze)了辭職下海，開(kai)始(shi)在(zai)溫(wen)哥(ge)華當地(di)創(chuang)辦(ban)科技(ji)公司。此時(shi)適逢(feng)AI技(ji)術在(zai)北美蓬(peng)勃發展(zhan)，他敏銳(rui)地(di)發現(xian)，在(zai)語(yu)音前端信號處(chu)理的技(ji)術鏈上游環節，存(cun)在(zai)亟待深(shen)入(ru)研發的技(ji)術難(nan)題。換言(yan)之，就是存(cun)在(zai)商(shang)業機會。
經過對市場和行業的廣泛調研與摸底，苗健彰更堅定了從事語音處理AI技術研發與落地的方向和決心。而他這股創業熱忱下對技術創新及應用落地的執著，也打動了時任俄亥俄州立大學終身教授，在語音人工智能領域處于全球領先地位的頂級科學家——汪德亮教授。
于是在2016年，汪教授成功加盟創業團隊任首席科學家，并引薦了其實驗室的訪問學者——時任內蒙古大學教授的張學良。一直以來，張學良教授在CASA和DNN等技術研究與落地實施等領域有深厚造詣，隨后他也以CTO的身份成功加盟。
隨著兩位行業大咖的加盟，并基于創始團隊對國內AI市場藍海的判斷與未來蓬勃發展的看好，2017年2月，大(da)象聲科在深圳正式注冊成立。
▲從(cong)左至右分(fen)別(bie)為大(da)象聲科董事長(chang)兼CEO苗健彰，首席科學(xue)家(jia)汪德亮(liang)，CTO張學(xue)良
目前除了深圳總部外，大象聲科在南京、上海、臺灣等地均有分部，整體團隊規模約70人，核心研發團隊占比超60%。
基于學(xue)術界(jie)知名學(xue)者(zhe)的(de)深厚技(ji)術經驗和研究理(li)論(lun)加持，大象聲(sheng)科也開啟了機器學(xue)習語音(yin)賽道的(de)新航線。
二、以AI通話降噪為核心的技術城池
技術是立(li)足之(zhi)(zhi)本。在公司(si)成立(li)之(zhi)(zhi)初(chu)，大象聲(sheng)科(ke)就瞄準前(qian)端信號(hao)處(chu)理(li)賽道，率先將(jiang)深度學習(xi)技術應用(yong)到語音增強中。
“在此之前，前端信號處理領域較為傳統的主流方案是基于穩態噪聲假設下，利用濾波器將噪音信號過濾掉，留下一部分相對清晰的語音信號。”戰略總監解釋，但(dan)這降(jiang)噪(zao)效(xiao)果非常(chang)有(you)限，因為(wei)真實場景中存在的非穩態噪(zao)音如(ru)馬路上的噪(zao)音、咖啡廳內(nei)噪(zao)音和地鐵中的噪(zao)音等(deng)是不符合穩態假設的。
而以汪德亮教授的CASA研究為導向的AI流派，則利用AI將人聲與非(fei)人聲進行區分(fen)，從各類復雜的(de)非(fei)穩態環境噪(zao)音中分(fen)離與提取出清晰的(de)人聲，從而突破了傳(chuan)統語音信(xin)號處理的(de)瓶頸(jing)。
在這一過程中，降噪的技(ji)術(shu)難題(ti)從(cong)最初(chu)的單純(chun)過濾問題(ti)變(bian)成了一個分類問題(ti)。也正是(shi)基于(yu)這一差異化技(ji)術(shu)路徑，大象聲科逐漸構筑(zhu)起了自己的技(ji)術(shu)壁壘。
算法方面，目前大象聲科核心聲學算法覆蓋智能降噪、回聲消除、混響抑制、語音喚醒、聲源定位、波束形成、聲紋識別、DHS深度嘯叫抑制等方面，為客戶提供一系列面向智能手機、藍牙耳機、PC、車載(zai)、助聽器等(deng)領域的智能語音增強和(he)語音交(jiao)互解決方案。
“我們的(de)底層技術是(shi)通過AI去做語音信(xin)號處理(li)，而通話降噪是(shi)我們技術落地的(de)基礎之一。”戰略總監告訴智東西，面向不同的(de)細分賽道和聲學結(jie)構，大象(xiang)聲科還相應發布了一些列語音增(zeng)強解決方(fang)案。
例如，大象聲科針(zhen)對藍牙耳機(ji)推出的(de)Vocplus Headphone解決(jue)方(fang)(fang)案，基(ji)于深度學(xue)習和計算聽覺場景分(fen)析理論而研發，能夠實時分(fen)離人聲和背景噪聲并提取(qu)清晰人聲，大大提升用戶在地鐵、商場、馬路(lu)等各類噪聲環境(jing)下的(de)通話(hua)體(ti)驗。目(mu)前，該方(fang)(fang)案還擁(yong)有Al單(dan)麥(mai)、AI雙麥(mai)、AI三麥(mai)和AI單(dan)麥(mai)骨傳融(rong)合(he)版本。
“整體來(lai)看，得(de)益于汪教授二三十年來(lai)的(de)研究經驗，我們的(de)技術(shu)儲(chu)備(bei)非常(chang)多。”戰(zhan)略總監提到，包(bao)括幾年后的(de)技術(shu)路徑，大象聲科都(dou)有(you)非常(chang)清(qing)晰(xi)的(de)規劃，并較(jiao)為(wei)清(qing)楚地看到技術(shu)的(de)發展方向(xiang)，以此(ci)不斷拓展公司的(de)技術(shu)節點與(yu)業務布局。
▲大象聲(sheng)科公(gong)司辦(ban)公(gong)區
三、創業之初的關鍵一役，業務拓展要啃最硬的骨頭
盡管擁有一支硬核的(de)創始團隊以及不少(shao)(shao)前沿技術(shu)經驗，大象(xiang)聲科在成立之初還是(shi)遇到了不少(shao)(shao)難(nan)(nan)題，融資(zi)就是(shi)公司起(qi)步(bu)的(de)其中一道難(nan)(nan)關(guan)。
2018年1月(yue)，當大象(xiang)聲科拿到(dao)由紫(zi)金(jin)(jin)港資(zi)本、摯金(jin)(jin)資(zi)本及狗尾草智能投資(zi)的(de)天使輪(lun)融資(zi)后，如何推動(dong)技術方案落(luo)地(di)是擺在(zai)他們面前的(de)一大難題。
“當時公司只是幾個人組成的小團隊，在沒有大客戶背書的情況下，我們是很難直接被小米、華為等手機大廠商認可的。”戰略總監回憶道，因此最初大象聲科在尋(xun)求(qiu)技(ji)術落地方(fang)面屢(lv)屢(lv)碰壁(bi)。
對永遠有準備的新玩家來說，機會也許會遲到，但從不會缺席。恰逢當時的錘子科技正緊鑼密鼓地進行新產品研發，“相對而言，老羅是一個喜歡嘗試新事物的人。”戰略總監說，因此錘子科技也率先嘗試將大象聲科的Vocplus Telecom智能通(tong)話降噪(zao)方案用在堅果手(shou)機(ji)上。
2018年4月，隨著大象聲科智能通話降噪方案在堅果手機3上量產，也讓小米、高通等廠商陸續看到了大象聲科的潛力與價值，客戶和融資機會隨之而來，而小米和高通也于2018年5月完成了對大象聲科的A輪投資，2018年也成(cheng)為公司揚帆(fan)起(qi)航的重要一年。
同(tong)時在這(zhe)一年，大象聲科的Vocplus Gaming上行方案還(huan)成功在努比(bi)亞紅魔Mars量產，并與高通聯合展示了基于高通驍龍855芯片的AI通話降噪(zao)方案。
但手機并不是大象聲科AI通話降噪技術唯一的落地方向，從2019年起，大象聲科開始朝著更廣闊的業務邊界拓展。同年12月，其Vocplus Headphone方案首次在OPPO Enco Q1無線降噪耳機成功量產(chan)，正(zheng)式(shi)打開耳機業(ye)務。
緊接著在(zai)2020年3月，大(da)象(xiang)聲(sheng)科(ke)正(zheng)式(shi)發布Vocplus PC方(fang)案，并成為(wei)首個在(zai)Intel GNA上運行的(de)(de)第三方(fang)語音(yin)方(fang)案商。這(zhe)意味著，大(da)象(xiang)聲(sheng)科(ke)的(de)(de)AI語音(yin)降噪(zao)算法技術再一次得到廣泛落地的(de)(de)機(ji)會，包括聯想、惠普(pu)、戴爾等計算機(ji)公(gong)司(si)，都(dou)是(shi)其重要(yao)的(de)(de)已有或潛在(zai)客戶。
實(shi)際上，2020年對(dui)大象聲科(ke)而言也(ye)是一個重要(yao)的(de)發展(zhan)節點。
從6月其單麥克風骨傳導AI降噪算法落地漫步者TWS耳機，到9月首次打入華為供應鏈，到年底聯想首款搭載其算法的PC在海外正式量產發布，再到2021年初同多家造車新勢力深度合作，大象聲科一路狂飆突進，AI降噪(zao)算法技術(shu)實(shi)現(xian)多點落地開花。
如今，大象聲科的“朋友圈”已(yi)覆蓋高通、英特爾、Arm、恒玄等國內外知名芯片廠商，以及華為、小米、OPPO、vivo、聯想、摩托羅拉等品牌企(qi)業。
不過，從手機到耳機再拓展至PC，大象聲科一步步切入市場的思考邏輯是怎樣的呢？
“我(wo)們(men)的(de)思路(lu)是要先啃最硬的(de)骨頭，但(dan)這并(bing)不(bu)代表(biao)我(wo)們(men)要死磕。”戰略(lve)總監談(tan)到(dao)，一(yi)方面(mian)，最難(nan)(nan)的(de)方向也存在較大的(de)市場空(kong)(kong)間，對公司發展來說(shuo)是好事(shi)情；另一(yi)方面(mian)，從較高的(de)難(nan)(nan)點開始起步，也能為公司帶來更廣闊(kuo)的(de)技術空(kong)(kong)間。
例(li)如在TWS耳(er)機(ji)興起(qi)之初，大(da)象聲科認(ren)為AI降噪算(suan)法(fa)落地耳(er)機(ji)的(de)其中一(yi)個難點在于(yu)，AI算(suan)法(fa)本身的(de)尺寸(cun)較大(da)，不僅需要經(jing)過大(da)量數據訓練以(yi)形(xing)成(cheng)神經(jing)網絡，還對算(suan)力有較高需求。但耳(er)機(ji)的(de)存儲(chu)空間比手(shou)機(ji)小得多，意味著它能承載(zai)的(de)算(suan)法(fa)尺寸(cun)也更小。
因(yin)此，如何將大尺寸算法“裁剪(jian)”成能放進耳(er)機(ji)中的(de)小尺寸算法，也是一(yi)個(ge)AI降噪(zao)算法落地耳(er)機(ji)領域的(de)一(yi)塊硬骨頭(tou)。
正是基于這一思路，大象聲科的業務不斷成熟拓展。自成立至今，大象聲科Vocplus AI智(zhi)能(neng)語音增強與語音交(jiao)互算法已賦能(neng)近億臺智(zhi)能(neng)終端產(chan)品(pin)。
四、海外市場是重要業務方向，加速實現人聲之間分離
現階段，智能手機、藍牙耳機、PC領域和智能車載仍是大象聲科的主要落地方向，“但每一個賽道對我們來說都十分重要。”戰略總(zong)監談到，從業務層面看，未來大象聲科也會逐漸朝AR/VR、IoT、穿戴設備以(yi)及助聽(ting)器等對人(ren)機(ji)交(jiao)互需求高(gao)的場景(jing)進一步延伸(shen)，持續拓展新平(ping)臺。
不僅如此，大象聲科還將進一步朝海外市場拓展。“因為我們公司團隊本就擁有較為國際化的傳統基因。”他解釋，同(tong)時(shi)包括摩托羅拉、聯想(xiang)等在內(nei)的(de)國(guo)際化品牌客戶，也為大象聲科的(de)海外業務拓展提供了經驗，這也將是公司接下來(lai)的(de)業務發展方向(xiang)之一。
而在技術層面，大象聲科仍將專注于AI智能(neng)(neng)聽覺技術(shu)的研(yan)發與應用，加速(su)在(zai)移動通信、遠程會(hui)議、藍牙耳機、助聽器、智能(neng)(neng)家居及車載聲場控制等領域(yu)的算法及專用芯片的研(yan)發。
▲深度學習聲音(yin)分離技術的流程（圖(tu)源：IEEE Spectrum）
“我們(men)要把(ba)基于(yu)AI做(zuo)語音信號處理這件事情(qing)做(zuo)到極致。”戰略總監說。
在(zai)(zai)他看來，現(xian)階段機器(qi)在(zai)(zai)聽(ting)覺方面仍然很“愚蠢”，這(zhe)意味著也有非常(chang)大的空(kong)間和應用(yong)場(chang)景，可以用(yong)AI去(qu)做相關的語音信(xin)號(hao)處理(li)工作。
“現(xian)在機器(qi)視覺(jue)領域的技術已經很聰明(ming)了，不過都主要應用在門(men)禁、刷臉(lian)支付等(deng)場景，相對都是B端(duan)領域，但只(zhi)要C端(duan)市場不爆(bao)發，機器(qi)視覺(jue)技術就很難實現(xian)井噴(pen)爆(bao)發。”戰略總監解(jie)釋，相比之下，當下的耳機等(deng)消費電子產品的火熱(re)，也給人與機器(qi)聽覺(jue)的交互提(ti)供了更(geng)多的機會(hui)。
“如(ru)果AI技(ji)(ji)術能(neng)夠改變人與機器(qi)在(zai)語(yu)音交(jiao)互方面(mian)的(de)(de)功能(neng)，這不(bu)僅能(neng)推(tui)動機器(qi)聽覺技(ji)(ji)術的(de)(de)成熟落地(di)，也(ye)能(neng)更快地(di)市場發展(zhan)帶來(lai)更大的(de)(de)經(jing)濟(ji)效益(yi)。”他說。
結語：機器聽覺領域發展仍道阻路長
在智東西與(yu)大象聲(sheng)科戰(zhan)略總監的(de)深入(ru)交流中，我們也看到一(yi)幅(fu)描繪(hui)著(zhu)AI語音技術創新(xin)落(luo)地的(de)商業藍圖，正在我們面前徐(xu)徐(xu)鋪開。
盡管(guan)與機(ji)器(qi)(qi)視覺(jue)技(ji)術(shu)相比，機(ji)器(qi)(qi)聽覺(jue)技(ji)術(shu)仍顯(xian)得較為年輕，但(dan)在(zai)其大量的細(xi)分(fen)賽道(dao)之下，許(xu)多玩家爭相入局，各類AI語音解決(jue)方案(an)百(bai)花(hua)齊放，也為機(ji)器(qi)(qi)聽覺(jue)技(ji)術(shu)的發展注(zhu)入了(le)源源不(bu)斷的生命力(li)。
相信在未來，這條技術長河中的每位玩家(jia)都能找到(dao)屬于自己的位置，共同推動機器聽覺領域的應用(yong)爆發、技術繁榮與發展。
