1615
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(xué)習(xí)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(lǐng)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(xué)和聲學(xué)的方法（2）隨機模型法（3）利用人工神經(jīng)網(wǎng)絡(luò)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(lǐng)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(lǐng)域，AI語音被視為最適用的人機交互入口。
遠場語音識別應(yīng)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(yīng)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)）
