首先，我們以車載語音系統(tǒng)為例展開討論：

　　這個過程是怎樣實現(xiàn)的？首先，車載語音系統(tǒng)把聽到的聲音轉(zhuǎn)化成文字，然后理解內(nèi)容，最后做出響應策略，并把響應策略轉(zhuǎn)化成語音。

　　上述過程體現(xiàn)了以下核心能力：

　　音轉(zhuǎn)字，也就是自動語音識別(ASR)，讓機器通過識別和理解過程把語音信號轉(zhuǎn)化為相應的文本或命令的技術(shù)。

　　字轉(zhuǎn)音，即從文本到語音（TTS），是把計算機中任意出現(xiàn)的文字轉(zhuǎn)換成自然流暢的語音輸出。

　　自然語言處理（NLP），用計算機來處理、理解以及運用人類語言，讓人與計算機之間進行有效通訊。所謂自然乃是寓意自然進化形成，是為了區(qū)分一些人造語言，如C、C++、Java等人為設(shè)計的計算機語言。

　　ASR是讓機器實現(xiàn)聽的能力，而TTS是讓機器實現(xiàn)說的能力，結(jié)合自NLP的思考運算，理解并處理文本，即組成了人機交互的基本能力。

語音交互的基本模型

　　智能語音技術(shù)除了基本的語音技術(shù)，還主要依托于信息系統(tǒng)技術(shù)和文本處理技術(shù)。如果缺乏強大的計算能力以及更高級算法模型的前提條件，語音識別及分析技術(shù)終究是實驗室以及小眾場景領(lǐng)域的理論成果。

　　在過去的幾年，硬件技術(shù)以及云計算快速發(fā)展，計算機算力一直在提升，加上人工神經(jīng)網(wǎng)絡(luò)算法的支持，讓語音的訓練變得越來越容易和高效。以往可能需要數(shù)周甚至數(shù)月時間的訓練過程被縮短到數(shù)天乃至數(shù)小時，使得各種語音應用變得隨用可取，極大加速了智能語音應用的蓬勃發(fā)展。

　　語音識別技術(shù)由來已久，但在很長一段時間都沒有很成熟的應用出現(xiàn)。在技術(shù)上要準確地識別一段語音，其實是件非常困難的事情，除了不同語種的區(qū)別，方言口音各異、新詞新語的涌現(xiàn)等也對識別準確率造成較大的影響。

　　許多國外英語環(huán)境下非常優(yōu)秀的智能語音廠商，其技術(shù)應用表現(xiàn)在英語環(huán)境下非常不錯。但對于中文環(huán)境，一開始有點水土不服，其實就是中文語音的數(shù)據(jù)訓練太少導致。很多同事在調(diào)研或了解某個實際語音應用產(chǎn)品時，發(fā)現(xiàn)其方言識別能力逐漸增強，為什么會有這樣的結(jié)果呢？其實是訓練了大量的數(shù)據(jù)。

　　隨著互聯(lián)網(wǎng)的快速發(fā)展，以及手機等移動終端的普及應用，各AI語音公司可以從多個渠道獲取大量文本或語音方面的語料，這為語音識別中的語言模型和聲學模型訓練提供了豐富的資源，使得構(gòu)建通用大規(guī)模語言模型和聲學模型成為可能。在語音識別中，訓練數(shù)據(jù)的匹配度和豐富性是推動系統(tǒng)性能提升的最重要因素之一。

　　相對十年前的情況來看，目前絕大部分語音識別技術(shù)的翻譯準確率都已達較高水平，在噪音處理、語氣語調(diào)、語義理解等方面均已大大提升，而最終能力上的差異關(guān)鍵在于：一，是否擁有核心的專利技術(shù)與能力；二，是否有足夠多的商業(yè)落地場景和實施經(jīng)驗。

　　人工智能時代，智能語音已經(jīng)脫離簡單的信息查詢功能，通過與內(nèi)容服務(wù)的深度融合，拓展出各種新產(chǎn)品、新應用和新服務(wù)，進而帶動智能語音向垂直行業(yè)更深入地拓展。

　　語音交互作為人機交互的重要演進方向，正逐步滲透到人們的日常生活與應用當中，構(gòu)建一種全新的信息生活方式。

　　普強多年來一直以語音為中心，專注金融大數(shù)據(jù)、AI芯片、智能汽車領(lǐng)域。回過頭來看普強的成功經(jīng)驗，語音在產(chǎn)品化的過程中，必須與真實使用場景緊密貼合，符合不同目標群體對于語音產(chǎn)品實時性和準確性的需求。同時，由于不同的環(huán)境具有不同的聲音特質(zhì)針對化處理，普強在降噪、方言、遠場所需要的解決方案也頗有建樹。

　　智能語音在行業(yè)及商業(yè)上的落地需要腳踏實地做實際的事情，解決真實業(yè)務(wù)上的痛點。

　　關(guān)于智能語音技術(shù)的應用和落地，我們將進一步進行討論。