coderma的博客

一、目的之前的几篇博文中我们介绍了语音交互框架、语音SDK设计，本篇博文中重点介绍语音交互中的ONESHOT设计。那什么是语音ONESHOT呢？简单的讲，就是用户唤醒词与要识别的内容连说。传统的语音交互模式一般是这种情形：你好小乐（－－唤醒提示音播放－－提示音播放完毕－－）我想听歌－－－等待对话结果　　　　　　　　播放提示音期间不拾音此种交互方式的优点是语音唤醒后，由于先放唤醒提示音，此过程中设备不拾音，所以不会误拾音；当然缺点也很明显，对于急性子的用户，可能没等提示音播放完毕.

一、目的前一篇博文中我们提交语音交互框架设计，那如何设计一个语音SDK呢？本篇博文会给出一些建设性意见和参考设计。二、框架上图中每个实心圆代表每个线程，完成对应的功能；需要特别说明的是信号处理与唤醒，有些厂商这两个模块可能已经做好集成，呈现给开发者的接口封装了内部逻辑，对话只需要关心语音输出和相关事件。上图中调度器也就是本文的核心，来实现上可以是行为树也可以是状态机，本文着重介绍状态机的实现方式。三、设计调度器顾名思义就是根据输入进行相关调度处理，保证其他各个线程都是按照指定逻辑

一、目的随着人工智能技术的不断发展，语音识别、图像识别、人机交互这几年越来越成为热门。作者从业于人工智能语音公司多年，简单聊聊设备端语音交互框架设计。二、设计一般语音交互类产品中会涉及到语音唤醒、语音识别、语义识别、对话理解、语音合成等相关技术，对于这些技术细节博主不是这方面的专业人员了解的不多，但这并不影响应用开发人员去设计一个语音交互框架。一个完整的语音交互类产品一般分为一下模块，如图：...