在預(yù)熱一周之后，淘寶的首任產(chǎn)品經(jīng)理、現(xiàn)阿里人工智能實驗室負(fù)責(zé)人淺雪，終于在近日為大眾揭開了智能音箱天貓精靈 X1 的面紗。現(xiàn)場，阿里還請來了王自如對 X1 進(jìn)行了實測。

　　目前來看，除了 499 元的價格之外，X1 最大的亮點在于解決了購物的支付驗證環(huán)節(jié)。

　　天貓精靈 X1

　　配置方面

　　和市面上的大多數(shù)智能音箱產(chǎn)品一樣，天貓精靈 X1 也采用了圓柱形的設(shè)計，并有黑白兩種配色。

　　相比亞馬遜的 Echo 和蘋果的 HomePod，X1 的體積控制的比較好，高度 126mm，直徑 82mm，而亞馬遜 Echo 的尺寸為 235 mm x 84 mm 。

　　X1 的頂部中央，配有一枚靜音鍵，當(dāng)用戶觸發(fā)此鍵時，X1 會立刻停止聲音播放，并停止識音功能。底部則設(shè)計了一圈隱藏指示燈，可以根據(jù)不同使用功能和場景配合進(jìn)行提示。

　　在配置方面，采用的是聯(lián)發(fā)科在今年的谷歌 I/O 2017 開發(fā)者大會期間發(fā)布的 MT8516，而這款芯片主要面向智能語音助手設(shè)備（Voice Assistant Devices）和智能音響的系統(tǒng)設(shè)備。

　　據(jù)了解，MT8516 支持四核心 64 位 ARM Cortex-A35，主頻為 1.3GHz。該芯片還內(nèi)建 WiFi 802.11 b/g/n 和支持藍(lán)牙 4.0。此外，MT8516 還支持多達(dá) 8 個 TDM 通道和 2 個 PDM 輸入，以支持來自多個源的音頻輸入，適用于遠(yuǎn)場（Far-field）麥克風(fēng)語音控制和智能音響設(shè)備。

　　至于麥克風(fēng)陣列，X1 采用了思必馳的 6 麥克風(fēng)環(huán)形陣列方案，能夠在家庭環(huán)境下實現(xiàn) 5 米范圍語音識別。

　　功能方面

　　X1 的喚醒詞為 “天貓精靈”，淺雪表示，這是出于設(shè)計和市場推廣考慮。不過，初次使用的用戶，需要先在手機上安裝天貓精靈 App，用以綁定賬號。據(jù)淺雪介紹，X1 采用了一鍵聲波配網(wǎng)，聯(lián)網(wǎng)時間不到10秒，而市面上同類產(chǎn)品通常至少30秒。

　　播放音樂、查詢天氣、設(shè)定鬧鐘、朗讀故事、操控智能家電。。。。。。 這些都是大多數(shù)智能音箱已經(jīng)具備的功能。除了這些意外，X1 還擁有一些特色功能，包括充話費、網(wǎng)上購物、查快遞等。

　　其中，網(wǎng)上購物尤為值得關(guān)注，因為 X1 不僅實現(xiàn)了聲紋識別，更為重要的是，打通了支付環(huán)節(jié)。

　　用戶先將自己的聲音注冊后生成聲音密碼，與機器綁定后，確認(rèn)開啟聲紋購功能。隨后，當(dāng)用火狐說出 “幫我買一箱牛奶” 這樣的需求時，天貓精靈會要求用戶跟著念一串隨機數(shù)字進(jìn)行聲紋校驗，如果確認(rèn)為用戶本人，天貓精靈會從用戶綁定的支付寶中進(jìn)行扣款完成交易。

　　淺雪介紹，聲紋識別技術(shù)是生物識別的重要識別手段之一，結(jié)合服務(wù)鏈多重安全機制，已達(dá)到商用的級別。這也是阿里在語音深度學(xué)習(xí)領(lǐng)域的核心技術(shù)之一。據(jù)悉，天貓精靈目前最多可以識別 6 個人的身份。

　　作為對比，亞馬遜的 Echo 目前還不支持聲紋識別。

　　顯然，這些服務(wù)是需要聯(lián)網(wǎng)的。而在這些服務(wù)的背后，就是阿里的第一代中文人機交流系統(tǒng) AliGenie。

　　AliGenie 開發(fā)者平臺

　　據(jù)介紹，天貓精靈 X1 內(nèi)置的 AliGenie，應(yīng)用了阿里積累多年的自然語言理解和處理技術(shù)。

　　為了壯大 ALiGenie 的生態(tài)，阿里人工智能實驗室還同時發(fā)布了面向開發(fā)者和硬件廠商的 AliGenie 開發(fā)者平臺。

　　AliGenie 開發(fā)者平臺將向應(yīng)用開發(fā)者免費開放 NLP 語義理解、TTS 語音合成等多項自然語言處理技術(shù)。開發(fā)者既可以創(chuàng)建技能，為更多的語音用戶提供服務(wù)，也可以將自己的設(shè)備接入云端服務(wù)，獲取語音交互能力。

　　目前，天貓超市、菜鳥、KEEP 等已推出基于 X1 的語音應(yīng)用。現(xiàn)場，王自如專門測試了針對健身的 “倒計時” 功能，從現(xiàn)場的演示效果來看，這個功能并不智能。

　　針對內(nèi)容創(chuàng)作者，AliGenie 還提供了語音公眾號功能，開發(fā)者只需將語音或文字上傳至后臺就可以完成應(yīng)用的創(chuàng)建和發(fā)布，文字將通過語音合成引擎轉(zhuǎn)換為語音，用戶可以通過訂閱實現(xiàn)定時播放或者點播，開發(fā)者也可以進(jìn)行主動推送。

　　此外，AliGenie 開發(fā)者平臺還為硬件制造企業(yè)準(zhǔn)備了單麥克風(fēng)到多麥克風(fēng)陣列的參考設(shè)計方案，并提供包括喚醒詞定制，聲學(xué)結(jié)構(gòu)，核心電路設(shè)計和芯片方案在內(nèi)的相關(guān)套件的參考設(shè)計，以及云端服務(wù)和應(yīng)用管理所必要的全套工具和用戶 APP SDK 組件。接入的硬件設(shè)備能夠快速具備人機語音交互能力，并共享應(yīng)用商店的所有應(yīng)用技能。

　　顯然，阿里做智能音箱的目的并不只是為了做智能音箱。

　　阿里的智能音箱之路

　　實際上，這并不是阿里首次涉足智能音箱領(lǐng)域。

　　早在兩年前，阿里巴巴旗下的阿里智能就分別與飛利浦與漫步者兩家廠商合作，分別推出了智能音箱產(chǎn)品 “小飛” 和“MA1/3/5”。

　　在宣傳時，阿里表示，這兩款音箱利用了阿里云大數(shù)據(jù)分析能力，可以了解用戶的聽音習(xí)慣和喜好，并號稱是會成長的智能音箱。

　　當(dāng)時，中國市場上最火熱的還是 WiFi 音箱。

　　不過，這兩款產(chǎn)品的表現(xiàn)未能讓阿里滿意。淺雪在會后接受采訪的時候，也主動提到了當(dāng)年的兩款音箱產(chǎn)品。

　　她表示， “其實做天貓精靈 X1 有一個很重要的原因，它需要的東西太多了，今天行業(yè)里面的硬件廠商單獨去打造（這樣）一個硬件產(chǎn)品，要整合那么多資源，還得要有 AI 的技術(shù)，（這）是很困難的。所以，我們其實是借著天貓精靈 X1，， 打造了這樣一套系統(tǒng)，阿里巴巴也非常愿意分享這樣的一個技術(shù)給到行業(yè)的。”

　　結(jié)合 AliGenie 開發(fā)者平臺為硬件制造企業(yè)準(zhǔn)備的單麥克風(fēng)到多麥克風(fēng)陣列的參考設(shè)計方案，可以發(fā)現(xiàn)，阿里做音箱，真的不只是為了做音箱而已，倒是有點微軟推 Surface 的意思：既然大家都做不好，那么我就自己做一款產(chǎn)品，為那些 OEM 廠商提供一個模板。顯然，這是出于壯大 AliGenie 生態(tài)的考慮。

　　不過，中國市面上的智能音箱產(chǎn)品實在太多。美國市場上目前仍然是亞馬遜 Echo 一家獨大，然而中國市場的版圖仍然支離破碎，目前還沒有哪一家的產(chǎn)品能達(dá)到 Echo 在美國的高度。

　　而且，雖然 X1 只要 499 元，但是京東旗下的叮咚 TOP 智能音箱目前的售價為 299 元。也就是說，X1 不僅推的晚，而且在性價比方面并沒有太大的優(yōu)勢。

　　不過，淺雪對 X1 很自信。在她看來，X1 的核心競爭力在于 AliGenie 人機交流系統(tǒng)。要做好人機交流系統(tǒng)，需要對很多不同領(lǐng)域的理解，而且還要有很多的服務(wù)。

　　當(dāng)有記者問到科大訊飛時，淺雪表示，“到目前為止，很少見到科大訊飛在語言理解這部分開放相關(guān)的 SDK”，而這個卻是 AliGenie 很核心的一個點。

　　阿里人工智能實驗室

　　伴隨著 X1 的一同出現(xiàn)在公眾視野的，還有阿里人工智能實驗室——A.I. Labs。

　　據(jù)淺雪介紹，阿里人工智能實驗室（A.I. Labs）成立于 2016 年，主要負(fù)責(zé)阿里巴巴集團旗下消費級 AI 產(chǎn)品的研發(fā)，而 iDST 主要負(fù)責(zé) AI 基礎(chǔ)技術(shù)的研發(fā)，兩者有所區(qū)分。

　　寫在最后

　　在采訪環(huán)節(jié)結(jié)束后，淺雪講了一個小故事：當(dāng)她在給馬老板演示 X1 是如何回答用戶的 “我是誰” 這個問題時，馬老板驚呆了。