當(dāng)前位置:首頁 > 公眾號精選 > 中興文檔
[導(dǎo)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(jié)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(shù)。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(shè)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(jié)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(shù)。





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(shè)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(shè)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(zhǔn)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(zhǔn)確率就會越高。比如:“小興小興”的喚醒準(zhǔn)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(zhǔn)確率間的平衡策略。


    • 白天用戶更看重響應(yīng)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(nèi)快速響應(yīng)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(zhǔn)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(yīng)。




語音識別階段的主要作用是采集用于語音,并將語音轉(zhuǎn)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(fēng)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(zhǔn)確率。
2. 識別語音并轉(zhuǎn)換成文字。為提高特定內(nèi)容的識別率,一般都會提供熱詞服務(wù),配置的熱詞內(nèi)容實時生效,并且會提升 ASR 結(jié)果的識別權(quán)重,在一定程度上提高 ASR 識別的準(zhǔn)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(jié)果轉(zhuǎn)成結(jié)構(gòu)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(lǐng)域)→Intent(意圖)→Slot(詞槽)三級拆分。
例如:“設(shè)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(lǐng)域:“鬧鐘”
  • 意圖:“設(shè)置鬧鐘”
  • 詞槽:“明早8點”





  1. 先決策。機器在對話過程中不斷根據(jù)當(dāng)前的狀態(tài)決策下一步應(yīng)該采取的最優(yōu)動作。
  2. 再執(zhí)行。如提供結(jié)果,詢問特定限制條件,澄清或確認需求,調(diào)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(wù)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(zhuǎn)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(nèi)容。
目前在一些有比較明顯規(guī)則的領(lǐng)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(nèi)容轉(zhuǎn)換成語音輸出,讓機器跟我們對話。這涉及到兩個過程:

  1. 將從文字內(nèi)容轉(zhuǎn)換成語音輸出,讓機器說話。

  2. 合成語音:狹義上專指根據(jù)音素序列(以及標(biāo)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(yīng)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(shù)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(yīng)用服務(wù)IMS:Interactive Multimedia Service,交互式多媒體服務(wù)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(guān)注我們,帶你了解通信世界的精彩!


本站聲明: 本文章由作者或相關(guān)機構(gòu)授權(quán)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(nèi)容真實性等。需要轉(zhuǎn)載請聯(lián)系該專欄作者,如若文章內(nèi)容侵犯您的權(quán)益,請及時聯(lián)系本站刪除。
換一批
延伸閱讀

9月2日消息,不造車的華為或?qū)⒋呱龈蟮莫毥谦F公司,隨著阿維塔和賽力斯的入局,華為引望愈發(fā)顯得引人矚目。

關(guān)鍵字: 阿維塔 塞力斯 華為

加利福尼亞州圣克拉拉縣2024年8月30日 /美通社/ -- 數(shù)字化轉(zhuǎn)型技術(shù)解決方案公司Trianz今天宣布,該公司與Amazon Web Services (AWS)簽訂了...

關(guān)鍵字: AWS AN BSP 數(shù)字化

倫敦2024年8月29日 /美通社/ -- 英國汽車技術(shù)公司SODA.Auto推出其旗艦產(chǎn)品SODA V,這是全球首款涵蓋汽車工程師從創(chuàng)意到認證的所有需求的工具,可用于創(chuàng)建軟件定義汽車。 SODA V工具的開發(fā)耗時1.5...

關(guān)鍵字: 汽車 人工智能 智能驅(qū)動 BSP

北京2024年8月28日 /美通社/ -- 越來越多用戶希望企業(yè)業(yè)務(wù)能7×24不間斷運行,同時企業(yè)卻面臨越來越多業(yè)務(wù)中斷的風(fēng)險,如企業(yè)系統(tǒng)復(fù)雜性的增加,頻繁的功能更新和發(fā)布等。如何確保業(yè)務(wù)連續(xù)性,提升韌性,成...

關(guān)鍵字: 亞馬遜 解密 控制平面 BSP

8月30日消息,據(jù)媒體報道,騰訊和網(wǎng)易近期正在縮減他們對日本游戲市場的投資。

關(guān)鍵字: 騰訊 編碼器 CPU

8月28日消息,今天上午,2024中國國際大數(shù)據(jù)產(chǎn)業(yè)博覽會開幕式在貴陽舉行,華為董事、質(zhì)量流程IT總裁陶景文發(fā)表了演講。

關(guān)鍵字: 華為 12nm EDA 半導(dǎo)體

8月28日消息,在2024中國國際大數(shù)據(jù)產(chǎn)業(yè)博覽會上,華為常務(wù)董事、華為云CEO張平安發(fā)表演講稱,數(shù)字世界的話語權(quán)最終是由生態(tài)的繁榮決定的。

關(guān)鍵字: 華為 12nm 手機 衛(wèi)星通信

要點: 有效應(yīng)對環(huán)境變化,經(jīng)營業(yè)績穩(wěn)中有升 落實提質(zhì)增效舉措,毛利潤率延續(xù)升勢 戰(zhàn)略布局成效顯著,戰(zhàn)新業(yè)務(wù)引領(lǐng)增長 以科技創(chuàng)新為引領(lǐng),提升企業(yè)核心競爭力 堅持高質(zhì)量發(fā)展策略,塑強核心競爭優(yōu)勢...

關(guān)鍵字: 通信 BSP 電信運營商 數(shù)字經(jīng)濟

北京2024年8月27日 /美通社/ -- 8月21日,由中央廣播電視總臺與中國電影電視技術(shù)學(xué)會聯(lián)合牽頭組建的NVI技術(shù)創(chuàng)新聯(lián)盟在BIRTV2024超高清全產(chǎn)業(yè)鏈發(fā)展研討會上宣布正式成立。 活動現(xiàn)場 NVI技術(shù)創(chuàng)新聯(lián)...

關(guān)鍵字: VI 傳輸協(xié)議 音頻 BSP

北京2024年8月27日 /美通社/ -- 在8月23日舉辦的2024年長三角生態(tài)綠色一體化發(fā)展示范區(qū)聯(lián)合招商會上,軟通動力信息技術(shù)(集團)股份有限公司(以下簡稱"軟通動力")與長三角投資(上海)有限...

關(guān)鍵字: BSP 信息技術(shù)
關(guān)閉
關(guān)閉