点击图片查看原图
语音识别：ASR（Automatic Speech Recognition）一般包括四大块：信号处理、声学模型、解码器、后处理，首先采集声音，进行信号处理，将语音信号转化到频域，从N毫秒的语音提出特征向量，提供给声学模型，声学模型负责把音频分类成不同的音素，接着解码器得出概率*高一串词串，*后的后处理就是把单词组合成容易读取的文本。简单的说，就是接受音频输入，返回一个转录的词串；当然，对话系统中，ASR系统一般都做了定制的优化，同时，一般对话系统还要求ASR系统返回句子的置信度，用来决定是否询问用户来确认该回答这样的任务；
自然语言理解：NLU（Natural Language Understanding）产生适合对话任务的语义表示（语义表示常见有一阶逻辑、语义网络、概念依存、基于框架的表示），主要通过分词、词性标注、命名实体识别、句法分析、指代消解等进行语义解析产生句子意义（即理解文本是什么意思），进行意图识别（一般通过动宾短语，事件提及，比如查询天气），从中抽取槽的填充值，进而完成语义表示；
自然语言生成与语音合成：NLG（Natural Language Generation）组件选择需要向用户表达的概念，计划如何用词句表达这些概念，并赋予这些词必要的韵律，TTS（Text To Speech）组件接受这些词句及其韵律注解，并合成波形图，生成语音；
对话管理器：DM（Dialog Management）为对话系统的主体，控制着对话的架构和结构，从ASR/NLU组件接受输入，维护一些状态，与任务管理器（知识库）交互，并将输出传递给NLG/TTS模块。
如想了解更多关于人工智能或广东幽澜智能语音机器人的相关信息，可访问http://www.youlanai.com或关注“幽澜智能AI”微信公众号，可直接进行智能机器人的服务体验。
谨慎网上交易，请勿随意给陌生人汇款！建议选择第三方担保交易如支付宝担保交易，货到验收付款。
