Android 语音识别播报汇总

语音TTS 识别全链路过程
一次完整的语音交互，包含：唤醒→ASR→NLP→TTS→Skill的流程

• 本地录音 =》 ASR识别　＝》请求后台语义　＝》语义落域分发返回　＝》　本地仲裁处理落域分发　＝》　TTS播报

• 下面是语音链路的一些基本思路
  录音 ：Android基本录音为48K的采样率 语音这边需要做降采样处理 降采样为16K。通过Android原生录音将音频给到引擎
  唤醒：一般唤醒都是做本地唤醒，所有wakeup唤醒引擎。也可以通过唤醒引擎做一些免唤醒功能
  行为下发，唤醒，打开导航
  标定：音频根据我们以及厂商对接的标准（两方联调）定制，降噪，音频，
  前置条件：声学前端处理，先开录音机，录音机根据标准的参数，采样率，降噪率。
  开始录音，在开始之前需要 初始化，注册一个open，识别加唤醒，用识别引擎注册，例如欢迎词“你好，叮当”，

• 语音识别，识别分为两种：

3.1 离线识别，走本地识别引擎

1. 优点：识别快
2. 缺点：需要精准识别，并不能做太多泛化处理。对音频要求比较高
3. 识别引擎存在本地，识别有限，模型放在本地，简单的识别，识别处了模型，跟云端一样的模型，放在本地，但是不能放太多，内存太大，影响性能影响识别，识别的模型加载的内存有限

3.2 在线识别，走云端识别引擎

1. 把这个我们录音的pcm文件，音频流（信号处理）把处理完了上传到云端做识别，给云端，云端去处理，给一个结果下发到语音，语音再次中转
   通过aidl调起导航（第三方应用）。
   导航注册的一个service，语音去维护这个skill技能，匹配上了，打开导航，刚好有一个open，在线识别返回的时候，tts播报，云端把目的地
2. 优点 ：可以模糊匹配，多泛化
3. 缺点 ：网路查的情况下识别很慢
4. 云端与离线云端技能分发

• TTS播报：由云端或本地接收文本进行语音音频合成。进行播报
  语音的tts来播放比较准确，地图也有tts
  叮当语音属于双通道机制: 主驾副驾，声源定位，doa，主驾副驾，后排左右，后排中间，收音的麦，麦在头顶，方向是一个扇形结构，区域就是你了，方向源来算法

• 叮当语音