简话A S R （持续更新）

概要

“听懂——理解——回答”的闭环涉及到三类技术：语音识别（ASR）、自然语言处理（NLP）以及语音合成（TTS）。

ASR的首要任务就是解决下面的问题：
用$X$表示语音信号，$T$表示文字序列，则要求解的是下面这个问题:
$$T^{\ast }=argmaxP(T|X)$$具体来说，是输入一段语音信号，要找一个文字序列（由词或字组成），使得它与语音信号的匹配程度最高。转换成贝叶斯公式：
$$T^{\ast }=argmaxP(T|X)=argmax\genfrac{}{}{0ex}{}{}{P(X)}$$