AI語音技術的架構（學習心得）

• 2020 年 4 月 27 日
• AI
• 聲紋識別, 對話系統, 智能客服, 自然語言處理, 語義識別, 語音交互, 語音識別技術

AI 語音技術架構：

AI 的語音技術現在在各種終端上都已經普及開，比如個大廠商的智能音箱，都運用了該技術。

以智能音箱為例，AI 語音技術的架構為：

1. 首先人類通過喚醒詞，喚醒設備
2. 發出語音指令：比如「今天天氣如何？」
3. 通過語音識別技術，將語音信息轉化為文本信息
4. 文本信息通過 NLP 技術理解其內在含義
5. 通過深度學習模型/或者問答庫找到合適的答案
6. 通過 NLP 技術形成答案的文本
7. 通過語音合成技術將文本信息轉化為語音信息
8. 通過智能音箱進行語音輸出

要讓機器理解語音的含義，我們需要兩個模型：
一個是聲學模型，一個是語言模型
前者是將語音轉化為文本
後者是理解文本的含義