1631
硬件型号：天猫精灵 X5
系统版本：智能音箱系统
AI语音，即智能语音技术，以语音识别技术为开端，是实现人机语言的通信，包括语音识别技术（ASR）和语音合成技术（TTS）。
（图片来源于互联网）
语音识别技术是指机器自动将人的语音转成文字的技术，又称Automatic Speech Recognition，即ASR技术。
语音识别是近几年来发展最快的技术之一，随着数据处理技术的进步以及深度学习技术的不断发展，语音识别技术得到了质的飞跃，已广泛运用于智能手机、语音智能交互等各个领域。
目前常用的语音识别技术方法主要有四种：（1）基于语言学和声学的方法（2）随机模型法（3）利用人工神经网络的方法（4）概率语法分析，其中最主流的方法是随机模型法，如动态时间规整（DTW），隐马尔科夫模型（HMM）理论和矢量量化（VQ ）技术等。
（图片来源于互联网）
语音合成（Text-To-Speech）是计算机将机器内部的文字信息转变为可听懂且流利的语言输出的技术。简单来说，语音识别技术是人对机器的输入，而语音合成则是机器的输出过程。
在人工智能领域，AI语音是最重要的入口之一。智能音箱并不是唯一的语音入口，语音交互能力正逐步向物联网终端全面扩散。
语音交互作为人与机器进行交互方式的第三代，相比于前两代（第一代通过按键来实现交互，第二代通过触摸屏来交互）将会更加的智能与便利。未来在智能家居领域，AI语音被视为最适用的人机交互入口。
远场语音识别应用方兴未艾，行业龙头抢占先机前景广阔。语音技术的应用主要分为近场识别以及远场识别。
目前主流所运用的语音技术主要是近场识别技术如手机智能语音等，技术相对成熟。远场识别由于受到距离、噪音等因素的影响，是现阶段语音技术的挑战方向，包括智能家居、智能车载语音、智能音箱等。
（图片来源于互联网）
