语音交互流程

一、流程概述

语音交互的完整流程大致为：
唤醒→语音识别（ASR）→自然语音处理（NLP）→语音合成（TTS）
可以类比为：
打招呼→耳朵→大脑→嘴巴

二、步骤详解

1、唤醒

（1）定义：将设备从休眠态变为工作态
（2）唤醒方式：语音或按键。语音可设置唤醒词，按键一般是长按电源键0.5s。
（3）语音唤醒的工作原理：
a. 基于模板匹配：把唤醒词转换成特征序列，将录入的语音和特征序列进行匹配，匹配就唤醒，否则仍继续休眠
b. 基于隐马尔可夫模型：将唤醒词和其他音频分别建立模型，录入的语音分别传入两个模型，然后比对模型得分，根据得分高低比对来决定是否唤醒
c.基于神经网络：取决于是否用到了神经网络的原理
（4）唤醒词的设计
简单来说就是：不短不长，不重不难。解释一下，唤醒词应该尽量精简，避免难以记忆，又不能过于短，容易误唤醒；每个厂商一般都会设计自己特定的默认唤醒词，其一般会含有语音助手的名称，避免和其他厂商重复。用户也可以自定义唤醒词。
（5）唤醒正确率的衡量指标
唤醒率、误唤醒率。
a. 唤醒率常用百分比表示。模拟用户的使用场景，多人多次测试，重复说唤醒词，被成功唤醒的占比就是唤醒率。
b. 误唤醒率常用24小时被误唤醒多少次表示。模拟用户的使用场景，多人多次测试，重复说非唤醒词，被成功唤醒的占比就是误唤醒率。

2、语音识别（ASR）

（1）定义：将声音转化为文字
（2）流程：声音→数字向量→文字
http://www.woshipm.com/ai/2620327.html

3、自然语音处理（NLP）

（1）定义：用于将用户的指令转换为结构化的、机器可以理解的语言。
（2）处理方式：基于规则；基于数据训练模型
（3）关键词：技能、意图、槽位
http://www.woshipm.com/pmd/827437.html

4、语音合成（TTS）

（1）定义：将文本转换成语音
（2）方法：拼接法、参数法
http://www.woshipm.com/pmd/1381081.html

相关链接：
http://www.woshipm.com/pd/4098761.html
http://www.woshipm.com/ai/2620327.html