AI音箱的原理，小爱同学、天猫精灵、siri。

小灰灰 2023-07-07 12:58 17阅读 0赞

## AI音箱的原理 ##

简单的说，音箱工作的时，麦列始终处于拾音状态（对声音进行采样，量化）。进过基本的信号处理（静音检测、降噪等），唤醒模块会判断是否出现唤醒词，是的话就进行更复杂的语音信号处理，开始真正的语音交互流程。  
![在这里插入图片描述][20200301144552700.png]

#### 1.前端信号的处理 ####

1.1语音检测（VAD voice activity detection）  
准确的检测音频信号的语音段起始位置，从而分离出语音段和非语音段  
1.2降噪  
现实环境中存在噪声，通过降低噪声的干扰，降低语音识别难度。  
常用的有LMS和维纳滤波。  
1.3声学回声消除（AEC）  
麦克风收集声音的时候，去除自身播放的声音。否则在播放音乐的时候，人的声音可能被掩盖。  
1.4去混响处理  
避免声音的反射对音箱的干扰。  
1.5声源定位  
确定人的位置。  
1.6波束形成  
降噪去混响的作用

#### 2唤醒 ####

经过语音检测后的信息，只能音箱会在检测到唤醒词之后才开始复杂的信号处理（声源定位等）和后续的交互。

#### 3语音交互 ####

语音输入-语音识别-自然语言的理解-对话管理*控制借口*\-对话管理-自然语言生出-语音合成-语音输出。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2ExNDI0MjYxMzAz_size_16_color_FFFFFF_t_70]  
3.1语音识别（ASR）  
将语音信号转化成文本。  
3.2自然语言理解（NLU）  
要结合特定的使用场景和现有技术。  
领域分类：根据识别命令所属领域，领域是封闭的集合。  
意图分类：在相应的领域，识别用户的意图。  
实体抽取：确定意图的参数。比如歌手名字和歌曲名称。  
3.3对话管理：  
对一些追加性的问题的优化。比如明天上海天气怎么样？北京呢？  
3.4自然语音的生成（NLG）  
采用预先设计的文本模块生成文本输出。  
即将为您播放的歌曲是谁的什么歌。  
3.5语音合成  
TTS使机器能够像人一样朗读给定的文本。

[20200301144552700.png]: https://img-blog.csdnimg.cn/20200301144552700.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2ExNDI0MjYxMzAz_size_16_color_FFFFFF_t_70]: https://img-blog.csdnimg.cn/20200301145521204.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2ExNDI0MjYxMzAz,size_16,color_FFFFFF,t_70