撰文/ 馬曉蕾編輯/ 涂彥平設(shè)計/ 師玉超來源/ 福布斯 作者：Steve Tengler

(相關(guān)資料圖)

“事實證明，汽車是最復(fù)雜的音響產(chǎn)品?！币粜脚_開發(fā)商DSP Concepts公司聯(lián)合創(chuàng)始人兼首席執(zhí)行官欽·貝克曼（Chin Beckmann）表示，

隨著全世界開展了電動汽車和自動駕駛的競賽，汽車聲音警告的頻率和需求可能會發(fā)生巨大變化。

例如，自動駕駛出租車的安全工程師不可能想當(dāng)然地認(rèn)為，乘客在需要提醒時恰好在盯著視覺顯示器。

美國有近2500萬殘疾人，自動駕駛汽車應(yīng)該為他們帶來新的出行選擇，現(xiàn)在的汽車音頻不應(yīng)該僅僅為娛樂系統(tǒng)服務(wù)。

DSP Concepts公司的汽車業(yè)務(wù)開發(fā)主管史蒂夫·恩斯特（Steve Ernst）說：“有了自動駕駛，就需要各種警報，以保持駕駛員的參與度，或提醒分心駕駛員注意周圍情況?！?/p>

人工智能算法可以被納入到音頻設(shè)計中，并通過空中更新不斷改進(jìn)，以改善駕駛體驗。

汽車音響的性能現(xiàn)在可以成為一種創(chuàng)新的、自協(xié)調(diào)的系統(tǒng)，增強用戶的體驗▼

目前，所有的用戶界面（UI），包括音頻開發(fā)，都需要由專家編碼員在汽車程序內(nèi)進(jìn)行復(fù)雜的編程。通常情況下，這需要36個月的時間。

鈑金造型和電子盒的指定、采購和開發(fā)是并行的，在開發(fā)后期會校準(zhǔn)個別元素。有識別度的品牌聲音、聲學(xué)特征等都在同一個系統(tǒng)設(shè)計中進(jìn)行的，這讓制造商花費了數(shù)十億美元。

但是，人工智能已經(jīng)允許以一種更靈活和有效的方式來處理音頻體驗設(shè)計?！拔覀兛吹降氖歉鞣N趨勢的融合?！盌SP Concept公司的機器學(xué)習(xí)工程經(jīng)理喬?！つ锼梗↗osh Morris）說，“音頻正在成為汽車中一個更主要的功能，但同時你也看到現(xiàn)代處理器變得更強大，擁有更多的內(nèi)存和能力?！?/p>

“而且，使用一個以系統(tǒng)為重點的開發(fā)平臺，人工智能和這些更強大的處理器為司機和乘客提供了一個新水平的適應(yīng)性、實時反應(yīng)能力?！倍魉固卣f，“人工智能根據(jù)對環(huán)境條件和事件的了解，指導(dǎo)系統(tǒng)的反應(yīng)能力，而不是像過去那樣需要為每一種可能的情況編寫大量的代碼?！?/p>

使用這種學(xué)習(xí)系統(tǒng)的一個典型案例是為車輛“去噪”，這樣即使車輛更換了冬季輪胎或有其他環(huán)境變化，高級音頻也可以定制和改進(jìn)。

2020年，DSP Concepts已經(jīng)與音響品牌Bose達(dá)成合作，將Bose 的QuietComfort道路噪音控制（RNC）技術(shù)帶到支持Audio Weaver平臺的車輛上。

該技術(shù)結(jié)合了加速度計、信號處理軟件、麥克風(fēng)和汽車本身的音響系統(tǒng)，用電子的方式降低目標(biāo)噪音。通過一系列算法，可降低包括車輛行駛在崎嶇不平的路面時產(chǎn)生的聲音。

LG電子也已經(jīng)開發(fā)了在DSP Concept的Audio Weaver平臺上運行的算法，可以在后座娛樂系統(tǒng)中增強電影對話的聲音，從而弱化電影中的爆炸聲等特效聲音，讓乘客更好地聽到關(guān)鍵內(nèi)容。

另一個被忽視的方面是如何在其他噪音中協(xié)調(diào)車輛音頻的聲音，是否需要其他聲音如影音系統(tǒng)自動關(guān)閉？每種體驗都可以進(jìn)行調(diào)整。

如何處理持續(xù)的、內(nèi)部的、外部的和不斷變化的音頻警報將是自動駕駛汽車和電動汽車發(fā)展的挑戰(zhàn)▼

DSP Concepts的營銷主管亞當(dāng)·萊文森（Adam Levenson）指出：“更具挑戰(zhàn)性的是，在汽車內(nèi)同時處理的所有聲音：電話、空間聲音、發(fā)動機噪音、道路噪音、車輛警報系統(tǒng)、語音系統(tǒng)等等。所以我們經(jīng)常說最復(fù)雜的音頻產(chǎn)品是汽車?！?/p>

想象一下這樣的場景：一個司機在高速公路上啟用了自動駕駛模式，播放著他最喜歡的音樂，并且對正在靠近的緊急車輛毫無察覺。

汽車在使用車輛的麥克風(fēng)探測警笛時，在多大的精度和距離上會提醒分心的司機？該警報必須如何呈現(xiàn)，以克服環(huán)境噪音，提供足夠的注意力，但又不至于突然嚇到司機？

所有這些都可以通過預(yù)先開發(fā)的模型、不同警報器的前期訓(xùn)練和隨后基于云的調(diào)整來磨合?！斑@是整體協(xié)調(diào)變得真正重要的時候?！蹦锼菇忉屨f，“我們可以采取人工智能的檢測模型的輸出，并將其引導(dǎo)到汽車的不同設(shè)備上。比如把影音調(diào)低，觸發(fā)一些有聲的警告信號，并在儀表盤上閃爍，讓司機注意?！?/p>

對于外部警報也是如此。例如，電動汽車可能有行人警報。于是，可以在離線情況下創(chuàng)建新的校準(zhǔn)模式，并作為軟件更新下載到車輛上。

自適應(yīng)情緒照明和遠(yuǎn)程檢測無聊、壓力等已經(jīng)可以提高安全性，但還沒有任何系統(tǒng)能在所有用戶指向的傳感器的實時、學(xué)習(xí)算法的基礎(chǔ)上提高綜合體驗。

音頻的下一次進(jìn)化應(yīng)包括一個完整的、即時的反饋回路，包括微妙的、實時的用戶體驗。目前的大部分設(shè)計可能會改善體驗，但以用戶為中心的設(shè)計（UCD）的持續(xù)校準(zhǔn)可能會根據(jù)乘客的表情、肢體語言和評論進(jìn)行額外的加強，從而實時地單獨調(diào)整滿意度。所有的促成因素都已就位：攝像頭、人工智能、處理器和一個自適應(yīng)平臺。

本文由汽車商業(yè)評論原創(chuàng)出品轉(zhuǎn)載或內(nèi)容合作請聯(lián)系說明

違規(guī)轉(zhuǎn)載必究