跟機器語音交互的時候到底發(fā)生了什么？
[導讀]智能語音交互是基于語音輸入的新一代交互模式，通過說話就可以得到反饋結果?？梢岳斫鉃槿祟惻c機器間通過自然語言完成信息傳遞的技術。語音交互的完整流程，如下圖所示。通常，根據(jù)距離遠近語音交互場景可分為兩種：近場語音場景：通常通過按鍵激活，例如智能手機等便攜設備。遠場語音場景：通常通過喚...
智能語音交互是基于語音輸入的新一代交互模式，通過說話就可以得到反饋結果?？梢岳斫鉃槿祟惻c機器間通過自然語言完成信息傳遞的技術。
語音交互的完整流程，如下圖所示。
通常，根據(jù)距離遠近語音交互場景可分為兩種：
- 近場語音場景：通常通過按鍵激活，例如智能手機等便攜設備。
- 遠場語音場景：通常通過喚醒詞激活，例如智能音箱等固定設備。
遠場語音場景下，在產(chǎn)品策略上通常會采取兩種方案，以提高喚醒的準確率：
- 將喚醒詞的音節(jié)長度增加到4音節(jié)。這是因為音節(jié)越長，喚醒的準確率就會越高。比如：“小興小興”的喚醒準確率遠高于“小興”。
- 白天只對喚醒詞做本地校驗，夜間則再增加云端二次校驗。這是喚醒速度和準確率間的平衡策略。
- 白天用戶更看重響應速度，發(fā)生偶爾的誤喚醒用戶能理解或接受，這時候僅由本地的喚醒檢測模塊進行快速檢測，保證 700 ms 內快速響應用戶。
- 晚上睡覺時用戶對誤喚醒是零容忍的，這時候就要偏重喚醒的準確度，將本地檢測過的語音上傳到云端進行二次確認，再決定本地是否響應。
語音識別階段的主要作用是采集用于語音，并將語音轉換為文字，該階段主要做兩件事情：
1. 尋向降噪。尋向的作用就是判斷用戶方向，由用戶方向的麥克風采集語音數(shù)據(jù)，保證語音的數(shù)據(jù)是最清晰的。降噪是對環(huán)境音進行消除，提高識別準確率。
2. 識別語音并轉換成文字。為提高特定內容的識別率，一般都會提供熱詞服務，配置的熱詞內容實時生效，并且會提升 ASR 結果的識別權重，在一定程度上提高 ASR 識別的準確率。
語義理解就是嘗試理解人類的語言，即把語音識別的結果轉成結構化的、機器能夠理解的語言。
NLU 的工作邏輯是將用戶的指令進行 Domain（領域）→Intent（意圖）→Slot（詞槽）三級拆分。
例如：“設置一個明早 8 點的鬧鐘”這樣一條指令，經(jīng)過 NLU 處理，用戶的指令則被拆分為如下三級：
- 領域：“鬧鐘”
- 意圖：“設置鬧鐘”
- 詞槽：“明早8點”
- 先決策。機器在對話過程中不斷根據(jù)當前的狀態(tài)決策下一步應該采取的最優(yōu)動作。
- 再執(zhí)行。如提供結果，詢問特定限制條件，澄清或確認需求，調用各種 Skill 技能（AI 時代的 APP），從而最有效的輔助用戶完成信息或服務的獲取。
NLG 的主要目的是降低人類和機器之間的溝通鴻溝，將非語言格式的數(shù)據(jù)轉換成人類可以理解的語言格式。簡單的 NLG 可以將數(shù)據(jù)進行合并處理，而高級的 NLG 則可以理解數(shù)據(jù)想要表達的意圖，并考慮上下文，呈現(xiàn)出可以輕松閱讀的內容。
目前在一些有比較明顯規(guī)則的領域中，比如體育新聞，已經(jīng)可以借助 NLG 進行新聞的自動發(fā)布了。也許你現(xiàn)在正在看的一篇文章就是由機器生成的~
將文字內容轉換成語音輸出，讓機器跟我們對話。這涉及到兩個過程：
- 將從文字內容轉換成語音輸出，讓機器說話。
- 合成語音：狹義上專指根據(jù)音素序列（以及標注好的起止時間、頻率變化等信息）生成語音，廣義上它也可以包括文本處理的步驟。
家庭中語音交互的主要應用場景包括：語音查詢資訊、語音控制播放、語音免提撥號、語音控制家電等。
縮略語：ASR：Automatic Speech Recognition，自動語音識別技術NLU：Natural Language Understanding，自然語言理解DM：Dialog Management，對話管理NLG：Natural Language Generation，自然語言生成TTS：Text To Speech，從文本到語音NLP：Natural Language Processing，自然語言處理IPTV：Internet Protocol Television，網(wǎng)際協(xié)議電視OTT：Over The Top，通過互聯(lián)網(wǎng)向用戶提供各種應用服務IMS：Interactive Multimedia Service，交互式多媒體服務IOT：Internet of Things，物聯(lián)網(wǎng)
我們是一群平均從業(yè)年限5 的通信專業(yè)工程師。關注我們，帶你了解通信世界的精彩！
下載文檔本站聲明： 本文章由作者或相關機構授權發(fā)布，目的在于傳遞更多信息，并不代表本站贊同其觀點，本站亦不保證或承諾內容真實性等。需要轉載請聯(lián)系該專欄作者，如若文章內容侵犯您的權益，請及時聯(lián)系本站刪除。
換一批
延伸閱讀
摘 要 ：針對家庭用藥的儲藏管理和安全使用等問題，提出一種智能家用醫(yī)藥箱控制系統(tǒng)設計方案。該設計以樹莓派和 STM32 為核心，融合語音交互和圖像識別技術，實現(xiàn)了對家庭藥物的儲藏管理、分類和使用指導。使用樹莓派控制攝像頭...
關鍵字： 智能家用醫(yī)藥箱 語音交互 圖像識別 物聯(lián)網(wǎng)技術 藥物智能儲藏 樹莓派如今，人機交互技術應用潛力開始凸顯，比如智能手機配備空間跟蹤技術，應用于虛擬現(xiàn)實、遙控機器人及遠程醫(yī)療等的觸覺交互技術，對于有語言障礙的人士的無聲語音識別，還有各種創(chuàng)新技術，如指紋識別、TD
關鍵字： 思必馳 語音交互 車聯(lián)網(wǎng)
