测试 | 车载智能座舱基础知识

1.VAD（voice activity detection）语音活动检测

也称为静音检测，是用来判断用户是否已经说完话，然后通过结果判断是否进行回答。

开始语音识别之前，把首尾端的静音切除，以防对后续步骤进行干扰。

如果此时用户还没有说完话，就停止识别了开始回答，会造成理解不当，回答不精准的情况；但是如果用户已经说完话了，过长的识别，从说完话到回答的时间过长，会造成用户体验感不佳的情况，所以VAD的目的是用来识别和消除语音信号中长时间的静音期。

静音检测分为前端VAD和后端VAD：

前端VAD：

• 从用户唤醒语音后多久没有说话就认为用户不想说话

后端VAD：

• 从用户说完话后多久没有说话就认为用户不想说话

静音检测超时，可能是周围人声的影响，也可能是引擎的问题，需要分析pcm录音文件和日志。

VAD的优点：

• 提高语音信号的利用率
• 减少语音信号的冗余信息
• 提高语音识别的准确率和效率

2.ASR（automatic speech recognize）语音识别

是把识别到的声音转换为文字的过程，让计算机能够“听懂”人类的语音，将语音中包含的文字信息“提取”出来。相当于耳朵👂

语音识别的原理主要包括三