首先，百度智能视频音箱是“智能音箱+屏幕”的组合，问题描述的很准确。这是个什么需求呢？人是一个多感官动物，任何一个好的产品在体验上都应该满足“调动单独感官完成基础功能，调动多个感官可以带来更完美体验”的标准，比如你在做饭时，跟小度在家说“小度小度，番茄炒蛋怎么做”，小度在家直接给你找到食谱，同时给你播放番茄炒蛋的视频，是不是比一点点的听更直接高效？（PS：连番茄炒蛋怎么做都需要攻略的人，不配拥有厨房。）其次，所有的智能硬件都避免不了走向同质化，智能程度几乎是衡量一款产品好坏的唯一标准。

带屏幕的智能音箱不只有小度在家，还有天猫精灵CC、小米小爱触屏音箱等。既然作为一个“音箱”的升级产品，行业发展多年已经非常成熟了，如果不够智能，那要你何用？屏幕大小、分辨率、电池容量、外观设计等等，这些都都没有分析的必要，用钱就可以解决的问题。但在智能程度这一点上，小度在家还是值得一夸的。

举个例子

我：小爱同学

小爱：我在

我：放首歌听

小爱同学：好滴，小爱陪你一起听歌

我：小爱同学

小爱同学：哎

我：这是什么歌

小爱同学：现在播放的是xxxx

我：小爱同学

小爱同学：我在

我：这首歌是哪张专辑的

小爱同学：好啊，让小爱陪你一起听歌吧（答非所问并且切换了另一个首歌）

转向小度

我：小度小度

小度：在呢我：放首歌听

小度：音乐如心情，小度陪你共同感受

我：快进一分钟（歌曲快进一分钟）

我：这是哪张专辑的歌

小度：这张专辑是xxxx

我：今天天气好热啊，收藏这首歌

小度：收藏好了

差距已经很明显了，小度在智能这一层面上相对来说更高级一些，不仅不用再次傻傻的唤醒小度，在沟通方式上也更加拟人，理解能力满分，也不会误回答和它不相关的话。现实生活中，小度就像是对你已经有一定了解的朋友，她了解你的习惯，并且可以轻松实现连续对话。不过小度在家也不是刚开始就那么智能，突然变的更聪明了，跟最近百度推出的双全工唤醒功能有关。

附：小度在家X8智能音箱更全面的功能介绍：https://dumall.baidu.com/product/124568596676619?skuNo=S20202200110057

字面意思，“免唤醒”就是跟小度对话时不用每次都说唤醒词，开通极客模式后可以在上次对话“30秒内“再次进行对话，直接描述内容即可，真正做到了一次唤醒连续对话。“全双工” （Full Duplex）是通讯传输术语，可以同时进行信号的双向传输（A→B且B→A）。

单轮交互：比如手机上的语音助手，最早的形态就是单轮交互，问一句答一句，可到了智能音箱上，每次对话都需要唤醒就变得很不方便。

多轮交互：亚马逊遇到了这个问题，开始寻求解决方案，当用户需要问一个复杂的问题时，比如打一辆出租车很难一句话把时间、地点、行程都说清楚。亚马逊引入了多轮交互的概念，像步话机一样，双方只有一边可以说话，但是等AI说完了之后，它会重新打开它的耳朵去听说接下来人会说什么。

持续监听：典型的是科大讯飞的AIUI模式，试图去持续地监听用户发进来的语音消息，每听到一个语音给出一个回答。可惜的是，每播放一个回答都要占用一定时间，如果一个人连续问了两个问题的话，可能第一个问题没回答完，第二个问题又出来了，就把原来第一个问题覆盖掉，体验反而比之前的单轮交互、多轮交互更差。

最后是百度的全双工模式：一个连续的上行的语音流，把用户的声音传到人工智能耳朵里，然后再有一个同步的下行的语音流，把人工智能的话传到人的耳朵里，就好像人和人在打一个电话一样。听起来并不复杂，实践起来却很难。传统的半双工只需要语音识别、对话引擎、文字到语音的转换TTS等模块，全双工需要连续的语音识别、语言的对策、对话引擎，需要文字到语音的转换，还要进行节奏控制和场景识别，对硬件设计和算法都是一场考验。比如你刚刚唤醒小度小度，突然接到了一个电话，AI就要准确识别你的语音是不是给智能音箱的指令，该不该作出回答，什么时候进行回答。

不过，全双工交互的魅力在于，用户一旦习惯了更自然的对话，就很难退回当初，在这个技术上跑在行业前面，无疑是智能化最直接的表现。目前百度的“双全工免唤醒能力”已在小度在家系列产品上线，小度在家、小度在家1S、小度在家1C上全面升级，可以说是当下最智能的音箱。

本文出自知乎：https://www.zhihu.com/question/269092345，作者：俞怀瑾