2月13日，預(yù)熱許久的小米10終于正式登場。由于肺炎疫情，這場發(fā)布會(huì)采用了純線上直播的模式，但這絲毫不影響它極高的關(guān)注度。作為國內(nèi)首款驍龍865旗艦，小米10實(shí)現(xiàn)了自我突破，帶來了不少驚喜。
除了驍龍865處理器、LPDDR5內(nèi)存等亮眼的參數(shù)信息外，小米自研AI技術(shù)展現(xiàn)出的成果同樣值得關(guān)注，它們已經(jīng)滲透到小米產(chǎn)品上的各個(gè)角落，對(duì)相機(jī)、系統(tǒng)、語音等多個(gè)方面的使用體驗(yàn)都產(chǎn)生了深遠(yuǎn)的影響。
小米AI語音，變得更強(qiáng)了！
1、小米語音AI技術(shù)在快速普及
2017年7月的一場小米發(fā)布會(huì)上，小米AI音箱正式發(fā)布，小米開啟了自研語音AI技術(shù)在市場上的試水。
短短兩年多的時(shí)間，小米自研的語音AI技術(shù)已經(jīng)滲透到各個(gè)類型的小米產(chǎn)品中，除了智能音箱，小米手機(jī)、小米電視、小愛老師等小米產(chǎn)品都配備了“小愛同學(xué)”。集成了小米語音智能助理的設(shè)備，通過語音這種新交互方式讓產(chǎn)品使用起來更加便利。
語音交互解放了用戶的雙手，降低了學(xué)習(xí)成本、提升了用戶體驗(yàn)，而且增強(qiáng)了產(chǎn)品的競爭力。
2、小米10上的智能助理，更有看點(diǎn)
目前來說，智能手機(jī)上的語音助手發(fā)出的語音都是人工合成的，基本不會(huì)提供個(gè)性化的服務(wù)，實(shí)際使用起來難免感覺機(jī)械和不自然，和真人發(fā)出的聲音差距還是比較大的。
而小米10上的一大驚喜就是配備了個(gè)性化語音合成服務(wù)。它采用了最新的合成技術(shù)，用戶只需要在安靜環(huán)境下錄制少量的聲音樣本并上傳，服務(wù)器進(jìn)行識(shí)別、訓(xùn)練并建模后，就能獲得定制化的AI語音助手了。
別人手機(jī)的語音助理發(fā)出的語音千篇一律，而小米手機(jī)上的小愛同學(xué)卻能做到千人千音，感覺就像手機(jī)里有一個(gè)真人助理一樣。
3、AI語音技術(shù)上，小米展現(xiàn)了哪些功力？
市面上主流語音合成技術(shù)有很多不足，具體表現(xiàn)為發(fā)出的語音過于機(jī)械，像機(jī)器人說話一樣，還有就是在中英文混合語音中，雙語切換的停頓節(jié)奏、過度感覺也不自然等。
小米10上的個(gè)性化語音合成服務(wù)，則瞄準(zhǔn)了這些問題進(jìn)行改進(jìn)。具體來說，它的實(shí)現(xiàn)過程可以分為這么幾步。
首先，用戶要在安靜的環(huán)境下錄制目標(biāo)聲音；
然后，系統(tǒng)會(huì)對(duì)采集到的聲音信息進(jìn)行降噪、檢錯(cuò)等處理；
接著，處理完的目標(biāo)聲音會(huì)被提取特征；
最后，小米云端服務(wù)器將收集到的信息進(jìn)行在線模型訓(xùn)練、部署，生成語音合成引擎。
這個(gè)技術(shù)過程看起來比較清晰，但存在很多難點(diǎn)。例如，它對(duì)目標(biāo)聲音的數(shù)據(jù)質(zhì)量要求比較高，在線訓(xùn)練模型費(fèi)時(shí)費(fèi)力以及小數(shù)據(jù)量能否訓(xùn)練出滿意的效果。
不過，小米已經(jīng)完美地解決了這些問題，模型訓(xùn)練耗時(shí)大大縮短，用戶完成整個(gè)過程只要20-30分鐘，此外，它的合成效果穩(wěn)定，甚至沒有英文語料的情況下，也能合成簡單的英文語音。
AI加持，小米10把相機(jī)玩出了新花樣
相機(jī)方面的提升是小米10系列最重要的賣點(diǎn)之一，1億像素、四顆后置鏡頭等都吸引了無數(shù)人的關(guān)注。除了硬件上瘋狂堆料外，小米10的相機(jī)也展現(xiàn)出了軟件算法上的功力。
1、小米10換天更強(qiáng)了
小米CC9的“一鍵換天”功能得到了很多用戶的歡迎，照片拍好后，只需要在編輯選項(xiàng)中輕輕一點(diǎn)，就能把照片中的天空換成自己想要的效果，例如晴天、夕陽、暮光等。
這次小米10換天功能在之前的基礎(chǔ)上，新增了雨天和雪天，更為強(qiáng)大。從小米的演示對(duì)比來看，它在和各類第三方APP PK中大獲全勝，換天效果非常自然，基本能達(dá)到以假亂真的程度。
小米10換天功能背后，是小米在視覺成像技術(shù)上的持續(xù)投入。MIUI 10推出時(shí)，就帶來了AI自拍虛化的功能，單攝相機(jī)也能有人像虛化效果，就是通過出色的算法實(shí)現(xiàn)的。
小米把之前自拍虛化的算法經(jīng)驗(yàn)和技術(shù)運(yùn)用在了換天功能上，標(biāo)注了數(shù)萬張實(shí)際拍攝的天空?qǐng)D片進(jìn)行訓(xùn)練，并且優(yōu)化天空分割模型，最終達(dá)到了現(xiàn)在的驚人效果。不得不說，實(shí)際采集樣張，用AI技術(shù)來訓(xùn)練模型，相當(dāng)費(fèi)時(shí)費(fèi)力，需要長期投入大量的成本。
當(dāng)然，這種算法對(duì)成像的幫助，也不是一般軟件優(yōu)化所能比的。其實(shí)，憑借著出色的成像效果秒天秒地的谷歌Pixel系列，在相機(jī)算法上，也是通過實(shí)際樣張采集訓(xùn)練AI模型的思路。這方面，小米和谷歌想到了一起去。
2、拍vlog也能一鍵搞定
短視頻的蓬勃發(fā)展讓vlog流行起來，但一般人想要剪出很酷很精致的vlog并不容易。首先，視頻后期比圖片要復(fù)雜，而且vlog制作還涉及音樂、字幕、特效等。
而小米已經(jīng)敏銳地意識(shí)到用戶的需求，投入了多個(gè)團(tuán)隊(duì)來幫助大家搞定入門vlog。簡單來說，它優(yōu)化了這么幾個(gè)方面。
首先，自動(dòng)運(yùn)鏡功能讓用戶不動(dòng)手機(jī)也能有出色的效果，不需要學(xué)習(xí)滑軌、手搖等很專業(yè)的技能。不過具體實(shí)現(xiàn)過程中，技術(shù)難度不小。
自動(dòng)運(yùn)鏡時(shí)，視頻每一幀的角度要精準(zhǔn)匹配，還要對(duì)4K分辨率的數(shù)據(jù)做實(shí)時(shí)的縮放、轉(zhuǎn)場等計(jì)算，對(duì)算法的精度有很高的要求和考驗(yàn)。小米AI實(shí)驗(yàn)室通過算法優(yōu)化和調(diào)校，把CPU、GPU、解碼器等多個(gè)計(jì)算單元結(jié)合，“榨干”了手機(jī)的計(jì)算性能。
另外，語音轉(zhuǎn)字幕這個(gè)功能也值得點(diǎn)贊。給視頻手動(dòng)加字幕非常麻煩，有了語音AI技術(shù)后，小米手機(jī)就能把錄制視頻里的語音自動(dòng)轉(zhuǎn)為文本字幕，幫vlog制作者省了很多事情。
3、文檔掃描這件“小事”，小米10做到了極致
小米10相機(jī)上另外一個(gè)極具亮點(diǎn)的功能是“小米拍文檔”，它解決了手機(jī)文檔掃描過程中的諸多痛點(diǎn)：邊框識(shí)別不準(zhǔn)、細(xì)節(jié)丟失、顯示不清晰、變形、陰影等。
小米拍文檔給人印象比較深刻的是AI技術(shù)對(duì)文檔掃描這個(gè)功能的巨大幫助，比如說它的裁剪校正能力很強(qiáng)，即使拍攝文檔的背景非常雜亂無章，也能精準(zhǔn)的定位到文檔邊界，并準(zhǔn)確地裁切和矯正文檔區(qū)域，將有干擾的多余元素去除。
此外，很多時(shí)候，拍攝文檔的環(huán)境光學(xué)不理想，成像區(qū)域一部分很暗、一部分很亮，非常影響最終的掃描效果。小米拍文檔通過針對(duì)性的陰影消除技術(shù)來解決問題，讓文檔掃描的成功率大大提升。
技術(shù)創(chuàng)新鑄就了小米拍文檔的出色體驗(yàn)，通過神經(jīng)網(wǎng)絡(luò)區(qū)分圖像中光照和陰影部分，利用邊緣算法幫助用戶對(duì)文檔進(jìn)行精確定位，并實(shí)際采集多樣化的文檔使用場景進(jìn)行訓(xùn)練優(yōu)化。
值得一提的是，小米拍文檔完全由小米AI實(shí)驗(yàn)室武漢視覺團(tuán)隊(duì)獨(dú)立負(fù)責(zé)完成，疫情當(dāng)前，他們的工作和貢獻(xiàn)值得點(diǎn)贊。
小米自研AI技術(shù)，值得更進(jìn)一步的期待
這次的小米10發(fā)布會(huì)，讓我們看到了很多小米過去容易被忽視的地方，自研AI技術(shù)就是其中一個(gè)重要的部分。
首先，小米10為代表的產(chǎn)品展現(xiàn)出了小米在自研AI技術(shù)上的強(qiáng)勁實(shí)力。不管是個(gè)性化語音合成服務(wù)、一鍵換天、vlog自動(dòng)字幕等AI助力的具體功能，還是通過采集真實(shí)數(shù)據(jù)訓(xùn)練模型的AI研發(fā)思路，都讓我們看到了小米在自研AI技術(shù)上的用心。
其次，研究AI技術(shù)的廠商很多，但像小米這樣精準(zhǔn)瞄準(zhǔn)用戶體驗(yàn)的，不太多見。前面我們提到的掃描文檔、制作vlog等功能，第三方應(yīng)用其實(shí)都能實(shí)現(xiàn)，手機(jī)廠商一般不會(huì)在這些細(xì)節(jié)上下太多的功夫。
但這些看起來不起眼的細(xì)節(jié)，都和用戶需求息息相關(guān)。小米把自研AI技術(shù)的成果都投入到這些領(lǐng)域，讓自家用戶能最直接地享受到AI技術(shù)發(fā)展的紅利。小米AI技術(shù)更加注重和用戶體驗(yàn)相關(guān)的場景落地，每個(gè)技術(shù)創(chuàng)新都能找準(zhǔn)用戶的實(shí)際需求、提升用戶體驗(yàn)。當(dāng)然，這種注重用戶體驗(yàn)的基因，從MIUI誕生開始就一直存在，現(xiàn)在刻入到了小米的AI技術(shù)研發(fā)中。
此外，小米涉足的領(lǐng)域遠(yuǎn)不只手機(jī)，家電、智能家居、PC等等行業(yè)，都能看到小米活躍的身影。而小米的自研AI技術(shù)，也不局限于給手機(jī)功能添磚加瓦。未來，我們有望看到小米自研AI技術(shù)未來在影像、語音、5G、IoT等多個(gè)領(lǐng)域的爆發(fā)成果，這非常值得期待。