硬件型號:天貓精靈 X5
系統(tǒng)版本:智能音箱系統(tǒng)
AI語音,即智能語音技術(shù),以語音識別技術(shù)為開端,是實現(xiàn)人機語言的通信,包括語音識別技術(shù)(ASR)和語音合成技術(shù)(TTS)。
(圖片來源于互聯(lián)網(wǎng))
語音識別技術(shù)是指機器自動將人的語音轉(zhuǎn)成文字的技術(shù),又稱Automatic Speech Recognition,即ASR技術(shù)。
語音識別是近幾年來發(fā)展最快的技術(shù)之一,隨著數(shù)據(jù)處理技術(shù)的進步以及深度學習技術(shù)的不斷發(fā)展,語音識別技術(shù)得到了質(zhì)的飛躍,已廣泛運用于智能手機、語音智能交互等各個領域。
目前常用的語音識別技術(shù)方法主要有四種:(1)基于語言學和聲學的方法(2)隨機模型法(3)利用人工神經(jīng)網(wǎng)絡的方法(4)概率語法分析,其中最主流的方法是隨機模型法,如動態(tài)時間規(guī)整(DTW),隱馬爾科夫模型(HMM)理論和矢量量化(VQ )技術(shù)等。
(圖片來源于互聯(lián)網(wǎng))
語音合成(Text-To-Speech)是計算機將機器內(nèi)部的文字信息轉(zhuǎn)變?yōu)榭陕牰伊骼恼Z言輸出的技術(shù)。簡單來說,語音識別技術(shù)是人對機器的輸入,而語音合成則是機器的輸出過程。
在人工智能領域,AI語音是最重要的入口之一。智能音箱并不是唯一的語音入口,語音交互能力正逐步向物聯(lián)網(wǎng)終端全面擴散。
語音交互作為人與機器進行交互方式的第三代,相比于前兩代(第一代通過按鍵來實現(xiàn)交互,第二代通過觸摸屏來交互)將會更加的智能與便利。未來在智能家居領域,AI語音被視為最適用的人機交互入口。
遠場語音識別應用方興未艾,行業(yè)龍頭搶占先機前景廣闊。語音技術(shù)的應用主要分為近場識別以及遠場識別。
目前主流所運用的語音技術(shù)主要是近場識別技術(shù)如手機智能語音等,技術(shù)相對成熟。遠場識別由于受到距離、噪音等因素的影響,是現(xiàn)階段語音技術(shù)的挑戰(zhàn)方向,包括智能家居、智能車載語音、智能音箱等。
(圖片來源于互聯(lián)網(wǎng))