AI语音技术的架构（学习心得）

• 2020 年 4 月 27 日
• AI
• 声纹识别, 对话系统, 智能客服, 自然语言处理, 语义识别, 语音交互, 语音识别技术

AI 语音技术架构：

AI 的语音技术现在在各种终端上都已经普及开，比如个大厂商的智能音箱，都运用了该技术。

以智能音箱为例，AI 语音技术的架构为：

1. 首先人类通过唤醒词，唤醒设备
2. 发出语音指令：比如“今天天气如何？”
3. 通过语音识别技术，将语音信息转化为文本信息
4. 文本信息通过 NLP 技术理解其内在含义
5. 通过深度学习模型/或者问答库找到合适的答案
6. 通过 NLP 技术形成答案的文本
7. 通过语音合成技术将文本信息转化为语音信息
8. 通过智能音箱进行语音输出

要让机器理解语音的含义，我们需要两个模型：
一个是声学模型，一个是语言模型
前者是将语音转化为文本
后者是理解文本的含义