声音处理流程

概念

• 回声消除 AEC（Acoustic Echo Cancellation）
• 自动增益 AGC（Auto Gain Control）
• 静音检测 VAD（Voice Activity Detection）
• 噪声抑制 NS（Noise Suppression）
• 自动语音识别 ASR（Automatic Speech Recognition）接收音频输入，输出一个转录的句子文本。一般包括4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，声学模型负责将音频分类成不同的音素，接着解码器得出频率最高的一串词串，最后的后处理就是将单词组成容易读取的文件。
• 自然语言理解NLU（Nature Language Understanding）负责将自然语言表示成计算机能够处理的结构化数据。接收文本输入，输出结构化的三元组Domain（领域）+ Intent（意图）+ Solt（插槽）。主要通过分词、词性标注、命名实体识别、句法分析、指代消解等进行语义解析。

参考：
https://xie.infoq.cn/article/e633a9d506f87438df71c9abe