对话系统简介与OPPO小布助手的工程实践

前不久，OPPO旗下的人工智能助手“小布助手”月度活跃用户数突破一亿，成为国内首个月活用户数破亿的手机语音助手。

经过2年多的成长，小布助手在能力上实现大幅升级，也融入了我们身边便捷的服务功能。小布团队亦克服了诸多技术难点，为用户带来了更智能的服务。为此，小布团队撰写了一系列文章，详细介绍小布助手背后的技术支撑。本文是揭秘小布背后技术的第一篇，主要介绍系统架构设计和演进。

1. 行业价值

1.1 前言

对话系统是一项接近30年研究历史的技术，代表人机交互的未来。近十年来随着语音、NLP领域的阶段性突破和工业界应用日趋成熟，用户价值、行业规模迅速上升。

从场景来看，对话系统大致分为三类

• 任务型：答案精确，限定领域，以最简交互满足用户为目标，比如定闹钟。

• 问答型：答案宽泛，限定领域，以最简交互满足用户为目标，比如百科。

  

• 闲聊型：答案宽泛，开放领域，以对话轮次为目标。

  

智能助手是以任务型为主，融合问答型、闲聊型，集大成的对话系统产品形态，行业价值潜力巨大。

1.2智能助手

AIoT时代来临，万物互融背景下，智能设备群越来越依赖智能助手进行自然的人机交互。智能助手将覆盖千千万万设备，拥有巨大想象空间。

英国市场调研公司Juniper Research预测，到2023年，搭载智能助手的设备将从2018年底的25亿部增加到80亿部。

用户层面来说，智能助手虽然属于小众功能，但是随着智能设备的普及，以及早期用户的逐步培养，熟悉度和认知度在逐步上升，有着较大的上升空间。

智能助手带来的用户价值有三层

1. 效率
2. 个性
3. 情感

随着行业进一步普及，在小屏、无屏、大屏的基础上，逐渐延伸出更多针对垂直场景和人群的智能设备，如教育智能屏、故事机、AI学习机等。

小布助手是OPPO公司的智能助手，覆盖公司的各类终端设备，并不断增加新入口，覆盖众多任务型、问答型和闲聊型的垂域。

对话系统作为智能助手中的“大脑”，是最核心的技术点之一。有对话系统，智能助手才能理解用户的诉求，用对话式的服务满足用户效率、个性、情感上的需求。

2. 业界架构

2.1 综述

首先介绍对话系统的典型架构。在学术界，对话系统主要有Pipeline和E2E两种架构，其中Pipeline在工业届应用较多，E2E还处在探索阶段。

Pipeline模块化架构

ASR（语音识别Automatic Speech Recognition）

接收音频输入，输出一个转录的句子文本。一般包括四大块：信号处理、声学模型、解码器、后处理，首先采集声音，进行信号处理，将语音信号转化到频域，从N毫秒的语音提出特征向量，提供给声学模型，声学模型负责把音频分类成不同的音素，接着解码器得出概率最高一串词串，最后的后处理