MiaoKids Artificial Intelligence Circuit

芯片智能交互技术


MAIC主要实现了视觉、听觉、触觉的多重感官刺激学习的功能设计,让儿童在学习过程中始终保持兴趣。
优学猫整个研发团队以孩子为中心,以兴趣为导向;遵循技术是服务于孩子;尊重孩子的天性同时培养孩子对于学习的兴趣。

优学猫视觉体验

鲜艳的色彩,丰富的动作对于儿童有非常大的吸引力,不管是看动画片也好,还是卡通故事也好都很好的证明了这个事实;而在科技日新月异的今天,孩子所能接受到的信息早已不是已为父辈的我们儿时接受的那么般匮乏。以《优学猫数学》为例,优学猫团队为了将小朋友带入一个美妙的数学王国,我们采用了目前市场化非常成熟的Unity引擎进行整个产品的客户端开发工作,针对低年龄段儿童的特性,我们放弃了3D,选择2D开发;Unity在当时针对2D和Texture2D的很多功能都不尽完善,所以整个团队针对各种需求写出了一些专用的Unity工具和一些提升效果和纹理功能的Shader;为了使得动画展示更加丰富,使用Spine的骨骼动画,可以在使用较少资源的情况下,将效果最大化,骨骼动画其中用到了不少矩阵运算的知识,主要为了可以向量化的支持关节父子节点直接的变化。然后通过Unity将图片与动画有机的结合在一起,最终将美妙的数学王国呈现给小朋友。

优学猫听觉体验

除了色彩和动画,声音对于儿童也是必不可少的,舒缓的背景音乐和亲和的提示音可以给予小朋友安全感;而有趣的音效可以带给小朋友快乐。优学猫系列产品从声音体验这个角度而言,也做了很多的功课。在一些需要的场景,我们使用到了3D立体音效果,3D立体声和2D声不同的地方是它是会随着距离衰减的,距离越近声音越大,距离越远声音越小。而在进行游戏题目的过程中,每一道题目我们会根据小朋友答题的具体情况提示不同的声音,时而鼓励,时而启发。中国的家长一般非常重视孩子的双语教育,而优学猫为了满足这个需要,增加了语言切换的功能,在游戏内部可以无缝的在中文和英语下进行切换。整个技术开发的过程中,为了协调背景声音、旁白语音以及音效等多类声音,保证他们之间不会混淆,在多种声音覆盖的情况下突出重点,我们处理了音高和音量;在录音的部分,为了提高声音品质,也对所录的音频文件进行了音高和去噪处理(一般是采用一些滤波的方法,比如高斯滤波);除了目前所展现出来的,还有很多会继续开发和完善的部分,比如我们可以让家长录制自己鼓励声音,然后对在游戏的过程中播放家长的鼓励音,小朋友必定会更加高兴。有了家长的音频如果数据足够时,我们可以使用WaveNet进行语音合成功能的开发,一般语音合成主要使用“长短期记忆网络”(LSTM),而WaveNet是通过空洞卷积神经网络来实现的。

优学猫触觉体验

小朋友一般都有很多自己的玩具,一个起到了陪伴作用,另外就是小朋友可以通过接触感受到触感,触觉是人类七大感官之一,也是人类大脑重要的信息通道,从小培养孩子的触觉,有助于大脑的发育。优学猫是一个有实体积木的产品,不管从本身硬件板子的设计还是到数学积木、英语积木,我们考虑到每一个细节,比如工业设计模型的倒角,再到每个积木块的大小和材质,甚至每一条愣,每一个角度都经过认真打磨,在保证小朋友安全使用为第一前提的基础上,也仅最大的可能提高积木的触感。小朋友在进行优学猫学习和游戏的过程中,眼睛在屏幕和实体积木中来回切换,小朋友也会主动的进行思考,促进大脑的发育,同时声音和画面也会源源不断的传输信息给小朋友,优学猫从而做到增强小朋友手眼协调,脑力锻炼的能力,也更多元化的提供信息给小朋友。

优学猫智能

当今中国是一个人工智能大国,人工智能作为当今社会非常先进的生产力已经渗透到了各个领域,同样教育领域也不例外。优学猫也做到与时俱进,为幼儿教育的智能化出一份力,优学猫从下面几个角度做到了智能化,同样也会继续提高和努力。

  • 大数据与数据智能
    用户每天都会累计使用优学猫完成近千万级别的交互,做数据挖掘的一般常说:Data is rich, Information is pool,大概意思就是数据很多,但是有用的信息却很少,所以对这些数据进行挖掘是非常有必要的,不管为了家长更好的了解孩子还是为了企业的发展方向做参考。而在做具体分析的时候,我们一般会经过数据的收集和整理,再通过各种算法对已经收集好的信息做处理。

  • 语音智能
    优学猫英语在语音智能方面做过实践,目前人工智能语音方面有几个方向:语音识别、语音合成、自然语音处理等等,而优学猫英语使用了语音识别的技术,这里采用了CMU的sphinx开源算法,我们会对小朋友的录音先进行预处理,比如降噪,判别声音端点等等;然后对预处理后的声音进行特征提取,去除对于语音识别无用的信息,特征提取一般采用Mel频率倒谱系数(MFCC)来完成,首先将时域通过快速傅立叶变换转成频域,然后卷积处理;有了特征量之后,优学猫根据训练语音库的特征参数训练出声学模型参数,一般都采用隐马尔可夫模型进行声学模型建模,最终我们可以将声音处理成音素,再针对所给的音素集合和需要配对的声音进行匹配算法进行打分。

欢迎留言

avatar
  Subscribe  
Notify of