认识达内从这里开始

语音交互系统的应用随着互联网的不断发展而逐渐深入到不同的软件开发领域之中，而本文我们就通过案例分析来简单了解一下，语音交互系统设计基础知识分享。

1、语音和语言有何区别?

我们先需要了解「语音」和「语言」的区别。

语音是语言的信号载体，语音是人的发音器官发出的，承载一定的语言意义，而语言才承载人类的智慧。通俗的讲，语音是天生就存在的，婴儿刚出生的哭喊声也算是语音。它是人的发音器官发出具有一定社会意义的声音。其物理基础主要有音高、音强、音长、音色四要素构成。而语言则是需要学习不断进化的。在智能语音中，我们需要考虑的是如何确保在复杂的现实环境下，把干扰信息过滤，获取到准确的信息。

2、语音界面之间的关联

唤醒：AmazonEcho和GoogleHome之类的语音驱动设备不断地在等待唤醒词(“Alexa…”或“OK，Google…”)从而进入唤醒状态。

反馈：一旦唤醒，设备会将随后接收到的音频发送到云端的AI平台。该平台使用自动语音识别(ASR)和自然语言理解(NLU)的组合来识别用户的意图并将其发送到支持应用程序。

回复：应用程序处理请求并通过文本进行响应(如果支持则提供可视化信息)。该平台将文本转换为语音并通过设备播放。

3、对话系统概述

对话系统：能够与人进行连贯对话的计算机系统，可以采用文本、语音、图形、触觉、手势及其他方式与人进行交互，常以语音交互为主。

而如今的智能设备能够“理解你所说的话并且采取行动”，是两个重要技术结合的结果：一个是自动语音识别(ASR)，另一个是自然语言理解(NLU)。

自动语音识别(ASR)—通过声学模型和语言模型，将人的语音识别为文本的技术

自然语言理解(NLU)—对用户输入的文本进行语义理解，包括用户意图识别和语义槽填充

对话状态跟踪(DST)—根据所有对话历史信息推断当前对话状态St和用户目标

对话策略学习(DPL)—基于当前状态生成下一步操作

自然语言生成(NLG)—获取结果文本，主要依据模板或深度生成的模型生成用户可以理解的自然语言文本

从文本到语音(TTS)—结果播放给用户听，将自然语言文本转化成语言输出

4、语音交互设计需要遵循什么原则?

遵循合作原则：「听者」和「说话者」为了能够顺利交谈，必须互相合作。PaulGrice提出了这个观点，并将其分为以下4个准则。

质的准则：说真实信息，做不到的话不要说。

举例：对用户说：“有什么可以帮您的吗?”，而实际上整个VUI系统仅仅能提供查询话费余额。

量的准则：保持对话交流简洁，减少认知负荷。

解释：删除多余的措辞。比如“请您注意听，因为我们的选项可能已经变了”。

相关准则：所说的话需与当前对话有关，不干扰当前任务进行。

解释：比如用户想知道天气，你给他推荐旅游的地方。

方式准则：说话需清晰、明了，不要拐弯抹角。

解释：不要使用让用户难以理解的「专业术语」。

【免责声明】：本内容转载于网络，转载目的在于传递信息。文章内容为作者个人意见，本平台对文中陈述、观点保持中立，不对所包含内容的准确性、可靠性与完整性提供形式地保证。请读者仅作参考。更多内容请加danei0707学习了解。欢迎关注“达内在线”参与分销，赚更多好礼。