智能语音技术

智能语音技术是最早落地的人工智能技术，也是市场上众多人工智能产品中应用最为广泛的。

机器交互的发展过程: 命令行界面（CLI） -> 图形用户界面（GUI） -> 自然用户界面（NUI）

语音交互界面（Voice User Interface，VUI）就是NUI最重要的一种。

 

常见的语音交互场景

1. 手机/pc的语音助手 Siri、Google Assistant、Cortana、Bixby等等
2. 自动化客服（在线客服、电话客服）
3. 车载语音控制系统
4. 智能音响、电视、开关、扫地机、家教机、电视盒子 等家庭电子产品
5. 智能穿戴设备
6. 服务行业交互机器人
7. 其他场景如：医疗场景病历录入、教育场景的语音平板、地图导航

 

智能语音发展的几个阶段

技术萌芽阶段：

1952年，第一个语音识别系统Audry诞生

技术突破阶段：

1984年计算机第一次开口说话，IBM发布的语音识别系统在5000个词汇量级上达到了95％的识别率

1988年，世界上首个非特定人大词汇量连续语音识别系统SPHINX诞生

产业化阶段：

1997年，语音听写产品问世。次年，可识别上海话、广东话和四川话等地方口音的语音识别系统被成功开发

2002年，美国首先启动了“全球自主语言开发”项目

2009年，微软Win7集成语音功能

快速应用阶段：

2011年，苹果个人手机助理Siri诞生

2015年，首个可智能打断纠正的语音技术问世

2017年，智能语音系统集中扩展深度学习应用技术终于取得了突破性进展

 

智能语音交互系统模型及发展

 

• 语音识别（Automatic Speech Recognition）：简称ASR，是将声音转化成文字的过程。
• 自然语言处理（Natural Language Processing）：简称NLP，是理解和处理文本的过程。
• 语音合成（Text-To-Speech）：简称TTS，是把文本转化成语音的过程。

 

 

不断满足人的体验的人机语音交互系统

 

我们不难发现其实国内做语音唤醒、语音识别、语音合成很多，其实并不是人机交互的难点

而重要的是语音理解，是要能根据已有的数据进行语音理解，理解用户的这句话的对话意图，

从而给出对应的操作。