语音交互
语音交互是实现人机对话的关键技术，涵盖从唤醒词到多轮对话的完整链路。
共 12 篇文章·阅读时间：约50分钟
01语音助手
构建智能语音助手需要整合多项技术。
对话系统
核心组件
- ASR：语音转文本
- NLU：理解用户意图
- DM：对话状态管理
- NLG：生成回复文本
- TTS：文本转语音
多轮对话
关键技术
- 状态跟踪：维护对话状态
- 槽位填充：收集必要信息
- 策略学习：选择最优动作
- 上下文管理：理解历史对话
上下文理解
理解能力
代词消解、省略补全、话题追踪
让对话更自然流畅
02语音唤醒
唤醒词检测是语音助手的入口技术。
技术要点
- 唤醒词设计：独特、易发音、抗混淆
- 检测算法：关键词 spotting (KWS)
- 功耗优化：始终监听但低功耗
- 误唤醒率：平衡召回率和精确率
03情感识别
从语音中识别说话人的情感状态。
情感分类
- 基础情感：喜、怒、哀、惧、惊、厌
- 维度模型：效价、唤醒度、优势度
- 情感特征：韵律、频谱、音质特征
- 应用：智能客服、心理健康
04说话人识别
通过声音识别说话人身份。
应用场景
- 声纹识别：身份验证
- 说话人分离：会议转写区分说话人
- 身份验证：银行、安防等领域