人机交互-语音交互方法综述

上图展示了智能语音的界面架构，从中可以看出，语音交互所涉及的技术模块有 4 个部分，如下图所示：

首先，通过应用自动语音识别技术听到用户说的话，然后应用自然语言理解来分析语句的含义，随后用自然语言生成对话结果，最后应用文字转语音技术将结果播放给用户，完成与用户的语音交互。下面分别介绍这几种技术：

 

自动语音识别：Automatic Speech Recognition, ASR

---

ASR是通过声学模型和语言模型，将人的语音识别为文本的技术。

上图是标准语音系统的组成元素。声学概率的评估是由声音前端和一个声学模型处理的，而词组序列的概率评估则是由一个语言模型处理的。