长城Coffee OS 2想当智能语音界的ChatGPT

语音交互是智能座舱的重要组成部分，也是我们驾车过程中分心最少，最为安全的一种交互方式。一个好的语音交互可以大幅提升驾驶体验。

那么一个好的语音交互功能应该达到怎样的水准？长城Coffee OS 2想要成为新的标杆。

目前语音交互已经发展到了相当高的程度，多命令执行、多音区识别、可见即可说屡见不鲜。Coffee OS 2想做标杆自然得拿出真本事，它做到了4大行业最优。

1、瞬间响应

Coffee OS 2的语音唤醒速度250ms，行业第一梯队平均为300-350毫秒；

指令响应速度达到毫秒级，行业第一梯队平均为1-1.5秒。

2、多领域多意图指令执行

“打开车窗、打开空调、温度20度、风量二挡、吹面、关闭音乐、导航最近的加油站再回家......“，Coffee OS 2支持一句话内包含10个指令识别与执行。

而且这一句话中的指令可以跨领域。我们知道，目前车辆的电子电器架构处于域控制阶段，一般划分为动力域、车身域、智驾域、底盘域、座舱域，每个域都有独立的一套域控制器进行控制。

而Coffee OS 2的语音交互功能打通了域之间的壁垒。比如“关闭车窗、驾驶模式切换至运动，打开音乐“，这样一个进入开快车模式常用的指令，就横跨了动力、车身和座舱域，寻常的语音辅助往往需要三次唤醒，三轮对话才能完成。

Coffee OS 2可以一句话搞定，而无需间歇等待，让语音功能操作变得便捷而高效，使用的畅快感自然提高了。

3、后排干扰抑制

多音区识别很多都能够做到，但多音区声源定位，干扰分离仍然是语音识别的难点，Coffee OS 2ID做到分离主副驾及后排音频，拒识无效输入，后排闲聊不影响前排语音交互。

4、超强上下文关联及泛化理解能力

“播放李健的传奇？“，”换成他的风吹麦浪“；”周杰伦是谁？“，”放一首他的歌吧“。这种对话在我们的日常交流中再寻常不过，但对于机器，后一个指令中的他指的是谁？就考验了它的记性，即使是文心一言或者ChatGPT这种AI面对这种涉及上下文关联的难题时，都撑不过几轮。

可智能语音系统的目标就是发展的和日常对话别无二致，Coffee OS 2强大的上下文关联与模糊指代理解能力向这一目标迈出了一大步。

除了这四大行业最优之外，Coffee OS 2还具有多种优质语音交互系统特性。比如

免唤醒：

支持导航在内的多个全局免唤醒指令

可见即可说：

不仅仅是车控、系统设置，长城还对一些第三方应用做了深度开发。

无需唤醒，直接说出界面中显示的内容，就可以实现语音控制，甚至语音无需全部一一对应，Coffee OS 2可以做到泛化理解。

全双工多轮对话：

一次唤醒后30s内无需再次唤醒可进行连续对话，告别话痨繁琐；

可自主选择15s、20s、30s延时聆听。

在此基础上，用户还可以和车机开启闲聊模式，通过海量的语料库和共感、生成模型，车机不仅仅可以回答用户的问题，还可以主动抛出新问题，确保“对话“，内容更加丰富、自然，接近真人的交流体验。

除了语音交互功能之外，Coffee OS 2还支持触控交互、手势交互、头姿交互（点头要求进行确认、取消、退出等意图，无需说话）等多种交互模式，为用户带来更便捷、更自然的交互体验。

车载语音交互功能并不是Coffee OS 2的 全部，他是长城汽车基于V3.5平台打造的新一代全自研智能座舱系统，它是车辆硬件与用户之间桥梁。Coffee OS 2以“1个自研中间件”为设计思维，立足“2个自研统一接口”，实现“N种硬件配置+应用服务生态“。全方位满足用户出行体验需求，带动主动交互式人车关系升级。

长城通过一场公开课，把Coffee OS 2领先的语音交互能力直观地展现在用户眼前。智能语音系统是一个相当强感知的功能，窥一斑而知全豹，长城也是在向公众发声，谁说只有新势力才能做好智能座舱，我也能做标杆。

本文作者为踢车帮 Route 64