虽然说的大略，但是内部系统每每都比较繁芜，每个点拆开来可能就足够我们去研究生平。为何说AI时期的重点和根本是
语音智能交互？在人工智能时期，人们创造语音比笔墨输入更能网络到有用的大量信息，这也是一种未来的主流形式。
语音交互流程
智能语音交互系统概括起来便是一段音频被机器人所接管检测，将识别到到的语音旗子暗记截取、转换针言料库里读音旗子暗记
频率最为附近的笔墨（以是也有人形容语音识别实在是一种概率事宜），而文本会通过特定接口进入语义剖析引擎，进
行剖析。个中就可能要进行分词、命名实体识别、词性标注、依存句法剖析、词向量表示与语义相似度打算等NLP根本功能
NLP根本技能
一样平常情形下都会首先进行分词剖析
例如：我想在房间里看电影
分词：【我】【想】【在】【房间】【看】【电影】
这便是分词的效果。而分词的目的是为了找出笔墨中最主要的核心语义，
命名实体识别功能（如果须要的话）
分词：【我】【想】【在】【房间】【看】【电影】个中涉及到人物、地点、作品这些词汇就可以自动被提炼出来，很多运用处景会须要用到这种信息分类识别的能力，比如人口录入系统，只要将基本信息复制进去，自动分类此人的身份证号码、地址、年事等需求信息。
词性标注：词性标注可以帮助我们找到个中的名称、动词、 形容词等。
依存句法剖析的紧张功能是能够针对句子找出句子的核心部分，比如
分词：【我】【想】【在】【房间】【看】【电影】
经由词性标注和依存句法剖析之后可以找出这句话的不雅观点是：【在】【房间】【看】【电影】，这是整句话的核心。
从而我们可以通过检索知识库中和分词内容相似度打算，并输出相似度最高答案。
而词向量与相似度紧张能办理什么问题呢？比如西瓜、呆瓜、草莓，在语义上哪两个更像呢？
这个时候我们可以将这三个词通过向量表达式工具和打算相似度来办理
可以明显的看出，语义上西瓜和草莓更相似，同属水果，这样就办理了大部分字面意思附近但是语义差别较大的情形，
避免机器人缺点理解人类的意图。
回到题目，当我们的文本进入语义剖析引擎，并经由上述的步骤后，打算相似度从而触发设定阀值以上的答案即可请
求做事器发送精确答案给到终端处，如果须要机器人播报返回的笔墨时，可以接入TTS
语音合成引擎（一样平常语音识别引擎就有这项功能）。
大略的来讲，语音交互系统流程框架大致如此，无论是软件语音交互机器人还是实体机器人，实质上流程变动不大，根
据业务需求会有些许差别，比如展示干系问，模糊问题勾引，词汇纠错等需求就须要插入特定的流程。
通过上面所写的内容，希望能让大家大致理解市情上搭载智能语音交互系统的产品后台流程，也能明白一个大略的对话
框背后所涉及的技能高度。
四款人机交互系统：小i机器人、siri、汉娜、Echo
今后真正的个人虚拟助理一定会搭载智能语音交互系统，并且会调用各种让你意想不到的功能，从而成为你强大的私人
秘书，能想象我们只须要说一声帮我订今晚到北京的机票，并通过语音密码付款即可完成购票的全体流程吗？这种场景
真正商业化用不了5年了。
如果大家喜好就多多点赞，能帮到你就打个赏，想让更多朋友看到就分享到朋友圈，想保留学习就点击收藏吧