語音交互是什么沪么？
語音交互是指人類通過自然語言與計(jì)算機(jī)發(fā)生交互的過程；縱觀人類與機(jī)器的交互歷史:
人——>機(jī)器指令——>機(jī)器
人——>計(jì)算機(jī)高級(jí)語言——>機(jī)器
人——>GUI——>機(jī)器
人——>CUI——>機(jī)器
隨著技術(shù)進(jìn)步，人類通過越來越抽象的技術(shù)黑箱實(shí)現(xiàn)技術(shù)的普及應(yīng)用，在這個(gè)過程中嚣鄙，人需要的學(xué)習(xí)成本越來越少放祟，每一次進(jìn)步都會(huì)解放人的生產(chǎn)效率鳍怨；這樣來看語音必然會(huì)是下個(gè)交互時(shí)代的主流。
語音交互過程
語音識(shí)別（ASR）：將語音轉(zhuǎn)化為語言文本的過程
技術(shù)實(shí)現(xiàn)
1、輸入：輸入需要識(shí)別的語音
2眉撵、編碼：將語音提取為特征向量
3侦香、解碼：將特征向量通過聲學(xué)模型轉(zhuǎn)化為無邏輯的字母/漢字，再將其通過語言模型轉(zhuǎn)化為正確的文本
4纽疟、輸出：將文本結(jié)果輸出
商業(yè)應(yīng)用
語音激活
語音識(shí)別不可能時(shí)時(shí)刻刻在聽著周圍的聲音罐韩，判斷哪些聲音要去識(shí)別；通常有兩種場(chǎng)景 ? ? ? ? ? 1污朽、近場(chǎng)：通過點(diǎn)擊按鈕開始說話散吵，松開按鈕結(jié)束；這種情況下按鈕就起到了激活作用 ? ? ? ? ? ? ? 2蟆肆、遠(yuǎn)場(chǎng)：有一定距離矾睦，不會(huì)通過手動(dòng)來進(jìn)行輸入；由于環(huán)境影響炎功，我們需要語音激活系統(tǒng)識(shí)別出有效語音顷锰，屏蔽無效語音；
遠(yuǎn)場(chǎng)識(shí)別
喚醒詞：遠(yuǎn)場(chǎng)環(huán)境中亡问，由于環(huán)境中本身就存在人與人的對(duì)話，所以我們需要一個(gè)識(shí)別詞來讓機(jī)器參與對(duì)話肛宋，不然突然出現(xiàn)的機(jī)器聲會(huì)顯得很智障州藕。比如：嘿，siri酝陈；一個(gè)好的喚醒詞有助于機(jī)器識(shí)別的準(zhǔn)確性床玻；
打斷：總會(huì)有用戶要結(jié)束對(duì)話的場(chǎng)景；機(jī)器不停的說著你不想要的東西還是很尷尬的
嘈雜環(huán)境的識(shí)別：環(huán)境噪音對(duì)語音識(shí)別的限制很大沉帮，在信噪比比較低的環(huán)境锈死，讓機(jī)器正常識(shí)別是一個(gè)重要的指標(biāo)；通常采用麥克風(fēng)陣列結(jié)合算法將語音提煉出來穆壕；
語音糾錯(cuò)
有時(shí)識(shí)別出的語音難免會(huì)有錯(cuò)誤待牵，諧音字、語義模糊等喇勋；都要通過場(chǎng)景和用戶數(shù)據(jù)進(jìn)行糾錯(cuò)
自然語言處理（NLP）
是人工智能和語言學(xué)領(lǐng)域的分支學(xué)科缨该；目的是為了讓計(jì)算機(jī)理解并且生成人類的語言；（有點(diǎn)復(fù)雜川背，以后學(xué)習(xí)）
語音合成（TTS）：將文本用人聲說出來出來
過程
文本處理：文本轉(zhuǎn)化成音素序列贰拿，并標(biāo)出每個(gè)音素的起止時(shí)間蛤袒、頻率變化等信息；比如拼寫相同但讀音不同的詞的區(qū)分膨更、縮寫的處理妙真、停頓位置的確定，等等
語音合成：以語音庫為基礎(chǔ)荚守，根據(jù)音素序列（以及標(biāo)注好的起止時(shí)間珍德、頻率變化等信息）生成語音；大致分為參數(shù)法健蕊、拼接法菱阵、聲道模擬法
商業(yè)應(yīng)用
從應(yīng)用上來講屬于驚喜類需求；市場(chǎng)上大多數(shù)助手類語音都是冷冰冰的機(jī)器聲缩功；聽著很怪晴及；其實(shí)，為什么我們不愿意在公共場(chǎng)合用語音有一部分原因就是你聽到的聲音很怪（另外就是機(jī)器理解效率了）嫡锌，心里會(huì)覺著不是和人在說話虑稼；人就會(huì)感到尷尬，而相應(yīng)的大街上人們打電話卻并不會(huì)覺著尷尬
