機器學習以及自然語言處理技術的進步，開啟了人與人工智能進行語音交互的可能，人們透過對話的方式獲取信息、與機器進行交互，將不再只是存在科幻情結當中。語音交互是未來的方向，而智能音箱則是語音交互落地的第一代產品。

1語音交互流程簡介

AI 語音所需要的技術模塊有 4 個部分，分別為：

·自動語音識別（Automatic Speech Recognition, ASR）

·自然語言理解（Natural Language Understanding, NLU）

·自然語言生成（Natural Language Generation, NLG）

·文字轉語音（Text to Speech, TTS）

以叮咚開發(fā)文檔中的語音交互流程圖來看Ai 對話技術的主要路徑：

從上圖中可以看到，用戶與設備之間的交互，主要是采用語音方式處理和完成的。

2語音交互流程設計

一次完整的語音交互流程，成功的語音對話，通常是有以下幾個階段。

1.交互流程的核心—意圖

所謂意圖，表示用戶在使用應用時所做的動作(譬如：問一個問題或發(fā)送一條指令)，這些意圖代表了應用的核心功能。

如果應用成功地識別了用戶意圖，則需要在完成業(yè)務動作后，將結果反饋給用戶；如果應用無法識別用戶意圖，則需要給用戶友好的提示，指導用戶使用。

用戶：七星彩的開獎時間是什么時候？Ai：體育彩票七星彩每周二、周四和周日開獎。

2. 如何識別意圖—語義解析

對語音識別結果進行分析理解，簡單來說就是將用戶語音輸入映射到機器指令。它可能定義了一組包含指定的單詞或短語的語法結構，用戶通過說出滿足這種結構的語句，來調用意圖。

用戶：我要{聽} {周杰倫}的{稻香}Ai：稻香.mp3

3.如何處理意圖—云端交互

調用意圖的結構化請求，向服務器請求處理后做出反饋響應。通俗來講該流程主要處理用戶的請求，解決用戶問題的答案。

4、語言合成模塊 – 組織語言

根據解析模塊得到的內部表示，在對話管理機制的作用下生成自然語言句子。同時將生成模塊生成的句子轉換成語音輸出。（把回答的機器語言再轉換成 口語語言）

3中文自然語言處理的關鍵技術

1、詞法分析

詞法分析包括詞形和詞匯兩個方面。一般來講，詞形主要表現在對單詞的前綴、后綴等的分析，而詞匯則表現在對整個詞匯系統(tǒng)的控制。在中文全文檢索系統(tǒng)中，詞法分析主要表現在對漢語信息進行詞語切分，即漢語自動分詞技術。通過這種技術能夠比較準確的分析用戶輸入信息的特征，從而完成準確的搜索過程。它是中文全文檢索技術的重要發(fā)展方向。

2、句法分析

句法分析是對用戶輸入的自然語言進行詞匯短語的分析，目的是識別句子的句法結構，實現自動句法分析過程。其基本方法有線圖分析法、短語結構分析、完全句法分析、局部句法分析、依存句法分析等。

3、語義分析

語義分析是基于自然語言語義信息的一種分析方法，其不僅僅是詞法分析和句法分析這樣語法水平上的分析，而是涉及到了單詞、詞組、句子、段落所包含的意義。其目的是從句子的語義結構表示言語的結構。中文語義分析方法是基于語義網絡的一種分析方法。語義網絡則是一種結構化的，靈活、明確、簡潔的表達方式。

4、語境分析

語境分析主要是指對原查詢語篇以外的大量“空隙”進行分析從而更為正確地解釋所要查詢語言的技術。這些“空隙”包括一般的知識，特定領域的知識以及查詢用戶的需要等。它將自然語言與客觀的物理世界和主觀的心理世界聯(lián)系起來，補充完善了詞法、語義、語用分析的不足。

4Ai對話目前存在的問題

人機對話過程中，用戶難免會出現表達失誤的情況，導致機器對用戶語言理解出現偏差，在這時， 糾錯機制對機器而言則非常重要，如缺少這個機制，用戶需要花費相當長的時間將其意圖解釋清楚，相應的用戶體驗也會十分糟糕。另一方面，雖然可以很好的識別語音，但是卻不能理解你的對話目的，語義理解上有偏差。

當前，包括Alexa在內的國內外智能音箱之所以沒有表現的那么智能，出現了“人工智障”的嘲笑也是因為在以上兩方面沒有處理太好。

因此語音交互最終需要解決的關鍵問題是 歧義消解問題，和未知語言現象的處理問題。