中國是全球玩具生產(chǎn)大國，世界玩具產(chǎn)品總量的80%以上都是在中國制造。不過，有數(shù)據(jù)顯示2005年中國出口傳統(tǒng)玩具的增幅微弱，尤其是科技含量較低的毛絨、塑料等類型的玩具，由于利潤空間小、受歡迎程度低，已經(jīng)很難在市場上占據(jù)更多的份額。
很長一段時間內(nèi)，玩具產(chǎn)品將保持兩大發(fā)展趨勢：一是益智、創(chuàng)新的玩具，包括電子、機械類玩具；另一方面，智能玩具方興未艾，智能化、人性化并具備圖文識別、語音識別、傳感器等技術(shù)的產(chǎn)品會大受歡迎。信息產(chǎn)業(yè)部在《2006年電子信息產(chǎn)業(yè)發(fā)展基金項目指南》中，將“多媒體益智娛樂產(chǎn)品”作為一項國家支持的產(chǎn)業(yè)化項目，也說明了玩具產(chǎn)品的市場動向。
將人工智能引入玩具產(chǎn)品設(shè)計，使玩具具有人機交互的能力；而通過互聯(lián)網(wǎng)技術(shù)，在線可更新的劇本使得創(chuàng)意保持一定的新鮮感，并可根據(jù)用戶的需求進行定制。這種全新的玩具設(shè)計方案將會是玩具業(yè)在技術(shù)上的又一次飛躍，使得寓教于樂成為可能。
北京凌聲芯語音科技有限公司根據(jù)當前玩具產(chǎn)品的業(yè)界動向，針對傳統(tǒng)玩具和語音科技、娛樂元素和益智教育、傳統(tǒng)玩具和互聯(lián)網(wǎng)這三方面，結(jié)合設(shè)計開發(fā)了新型的智能玩具開發(fā)系統(tǒng)。該系統(tǒng)在硬件上基于清華大學和英飛凌公司共同設(shè)計開發(fā)的低成本、低功耗語音處理專用芯片UniLite(凌聲芯公司在UniLite上實現(xiàn)了低碼率、高品質(zhì)的語音編解碼算法，特定人/非特定人語音識別算法)。
此外為實現(xiàn)智能玩具的劇本創(chuàng)意，我們還設(shè)計了劇本轉(zhuǎn)換軟件ITADL，可以將不同創(chuàng)意的劇本快捷方便地轉(zhuǎn)換成映射文件下載到硬件中去。凌聲芯公司在智能玩具領(lǐng)域，能夠從底層的硬件結(jié)構(gòu)、語音處理算法和頂層的玩具開發(fā)系統(tǒng)提供技術(shù)支持，具體結(jié)構(gòu)如圖1所示。
UniLite芯片簡介
UniLite是一款用于語音處理的專用芯片，芯片采用高集成度的SoC系統(tǒng)結(jié)構(gòu)以0.18um半導體工藝制造，以16位定點DSP(104MIPS)為核心，片內(nèi)集成了直接雙訪問快速SRAM、ADC/DAC(有效精度為12位)、多種通信接口和通用GPIO等設(shè)備，外部只需擴展閃存、電源芯片、啟動芯片等少量芯片即可構(gòu)成完整的系統(tǒng)應用。UniLite芯片使用TQFP6?封裝，同時采用了低功耗設(shè)計技術(shù)，非常適合應用到采用干電池/鋰電池供電的移動設(shè)備中。使用UniLite芯片構(gòu)成智能玩具中的語音處理系統(tǒng)，只需要增加很少的外圍器件，不再需要增加編解碼器，可以有效的減少產(chǎn)品成本。
語音識別技術(shù)
語音是人類最自然、最方便的交互形式，如果玩具能夠聽懂人說的話，那么人和玩具之間就能夠產(chǎn)生很豐富的交流，這樣的玩具更能夠吸引人的注意力，贏得用戶的歡迎。凌聲芯公司推出的智能玩具設(shè)計方案采用語音技術(shù)實現(xiàn)人機交互。
目前市場上已有一些具有語音識別功能的玩具，鑒于成本原因，大都采用特定人語音識別技術(shù)，識別詞條少、更新詞表需要再訓練，使用很不方便。而凌聲芯公司的智能玩具開發(fā)系統(tǒng)采用基于子詞的非特定人語音識別算法。該算法的主要優(yōu)點在于：
1. 統(tǒng)性能穩(wěn)定，在較大規(guī)模識別任務下系統(tǒng)具有較高識別率，而且在噪聲環(huán)境下仍能保持較高的識別率。
2. 特別適合中文普通話的識別任務，為當前語音識別的主流技術(shù)，其使用者可以是男性、女性，不同的年齡層次，甚至帶有地方口音的普通話都可以很好地識別出來。
3. 模型參數(shù)的規(guī)模不隨識別任務的變化而變化，可通過音素拼接的方式得到識別詞表中各詞條的識別模板。
4. 目前的硬件處理能力已經(jīng)可以達到識別200詞條語音命令，并在200詞以內(nèi)都能夠達到很高的識別率。
5. 修改識別任務時不需要任何訓練，只要將識別詞條以GB2312/GBK(包含繁體)/Unicode/漢語拼音等任意的形式下載到硬件中去，即可進行識別。
圖1：凌聲芯公司提供智能玩具開發(fā)技術(shù)支持
統(tǒng)計不同規(guī)模詞表識別任務下的識別率，如表1所示。
表1：不同詞表規(guī)模下系統(tǒng)的識別性能
在200詞以內(nèi)，其識別率都達到了98%以上，而且識別的速度非�？�，200詞識別集系統(tǒng)的響應時間是0.086倍實時，即一句話說完之后，只需要花費講這句話的時間的0.086倍就可以得到識別結(jié)果，使用時幾乎感覺不到等待時間。
這種基于子詞的非特定人語音識別技術(shù)為智能玩具實現(xiàn)復雜功能、保持識別性能、網(wǎng)絡下載等提供了可靠的技術(shù)保證。
劇本創(chuàng)意實現(xiàn)
在硬件系統(tǒng)和嵌入式語音技術(shù)的基礎(chǔ)上，凌聲芯提供了ITDAL玩具開發(fā)系統(tǒng)，該系統(tǒng)包括腳本編寫、腳本編譯、腳本仿真、腳本執(zhí)行幾個過程。ITDAL軟件可以方便快捷地實現(xiàn)一個玩具劇本，將文本形式的劇本創(chuàng)意實現(xiàn)并下載到硬件中。這里的劇本內(nèi)容可以包括文化、歷史、地理知識；可以包括童話、兒歌、唐詩宋詞等等。
圖2給出了一個智能玩具劇本的實例。
圖2：智能玩具的劇本實例
玩具根據(jù)劇本的要求可以先提出一個問題：“你好，問你一個問題，請問道家學派的創(chuàng)始人是老子還是孔子？”。劇本的設(shè)計者必須將用戶所有可能的回答事先考慮到，并且對應每個回答設(shè)計玩具的進一步應答，例如在上面提到的劇本中，用戶可能的回答除了包括“孔子”、“老子”這兩個回答外，另外可能的答案包括“曾子/孟子/不會/我不會/不知道/我不知道/我不明白/不玩了/再見”等其它答案。玩具根據(jù)用戶的回答，做出回應。
目前該系統(tǒng)支持的劇本是玩具主導整個流程，還不能夠支持由用戶發(fā)問的形式，因為考慮到嵌入式芯片的運算能力，還不能支持開放集合的語音識別，只能支持到有限集合的語音識別。對于上面提到的語音識別劇本實例，用戶可能的回答形成的整個集合作為識別集。如果用戶作出的回答不在事先設(shè)定的集合內(nèi)，系統(tǒng)就會將用戶的回答誤識別成集合內(nèi)的某個詞，因此在劇本設(shè)計時，對每個問題的識別集，需要考慮用戶所有可能的回答。
智能玩具開發(fā)系統(tǒng)
在凌聲芯的智能玩具系統(tǒng)中，玩具的提問和玩具的應答采用的是語音壓縮編解碼技術(shù)，用戶回答玩具的提問后使用的是非特定人語音識別技術(shù)。這樣的三個步驟在ITDAL中看作一個劇本節(jié)點，一個完整的劇本包括多個這樣的劇本節(jié)點。ITDAL將劇本節(jié)點中的玩具提示音、用戶可能的回答集合、對于每個回答的應答進行重新腳本釋義，并經(jīng)過編譯仿真，即可生成最終的映射文件下載到玩具中。
該系統(tǒng)在硬件上還實現(xiàn)了從PC機的下載功能，可以實現(xiàn)“數(shù)據(jù)庫網(wǎng)站”到玩具終端的劇本更新，大大地提高了玩具的新穎性，同時在娛樂性的基礎(chǔ)上增加教育益智的功能。
圖3是智能玩具開發(fā)系統(tǒng)的劇本創(chuàng)意到下載的流程示意圖。
圖3：智能玩具開發(fā)系統(tǒng)流程圖
對于一個設(shè)計好的劇本創(chuàng)意，根據(jù)其內(nèi)容，錄制玩具的發(fā)音(提示音)，同時準備識別詞表。然后在PC機上根據(jù)ITDAL系統(tǒng)將劇本進行編輯處理，結(jié)合提示音文件生成最終的映射文件。將準備好的映射文件通過USB口下載到玩具終端，劇本的實現(xiàn)工作就完成了。
對于這樣一個可以提供劇本下載更新的玩具，推出市場的同時需要提供一個數(shù)據(jù)庫網(wǎng)站的支持，該網(wǎng)站提供各種玩具創(chuàng)意的映射文件下載，用戶購買一個玩具之后，如果對其創(chuàng)意感到厭倦，就可以到網(wǎng)站下載新的創(chuàng)意，保持玩具持續(xù)的新鮮感。此外，用戶還可以根據(jù)自身需要在網(wǎng)站上定制自己的個性化玩具。 |
