我們現(xiàn)在可以與幾乎所有智能設(shè)備進(jìn)行對話，但是它如何工作？當(dāng)您問“這是什么歌？”時，正在使用什么技術(shù)？

Alexa如何運(yùn)作？

根據(jù)Microsoft程序經(jīng)理Adi Agashe的說法，Alexa是基于自然語言處理（NLP）構(gòu)建的，該過程是將語音轉(zhuǎn)換為單詞，聲音和想法的過程。
亞馬遜會記錄您的話語。實(shí)際上，解釋聲音會占用大量計算能力，您的語音記錄會發(fā)送到Amazon的服務(wù)器以進(jìn)行更有效的分析。

計算能力：指執(zhí)行指令的速度，通常以kiloflops，megaflops等表示。

亞馬遜將您的命令分解為單獨(dú)部分的聲音。然后，它查閱包含各個單詞的發(fā)音的數(shù)據(jù)庫，以找出最接近對應(yīng)于各個聲音組合的單詞。

然后，它識別出重要的單詞以使任務(wù)有意義并執(zhí)行相應(yīng)的功能。例如，如果Alexa注意到諸如“體育”或“籃球”之類的字詞，則會打開體育應(yīng)用程序。

Amazon的服務(wù)器將信息發(fā)送回您的設(shè)備，Alexa可能會講話。如果Alexa需要說點(diǎn)什么，它將按照上述相同的過程進(jìn)行，但是順序相反

深入的解釋

根據(jù)Trupti Behera的說法，“它始于信號處理，這為Alexa提供了盡可能多的機(jī)會通過清除信號來理解音頻。信號處理是遠(yuǎn)場音頻中最重要的挑戰(zhàn)之一。

想法是改善目標(biāo)信號，這意味著能夠識別電視等環(huán)境噪聲并將其最小化。為了解決這些問題，使用了七個麥克風(fēng)來大致識別信號的來源，以便設(shè)備可以專注于此?；芈曄梢詼p去該信號，因此僅保留剩余的重要信號。

下一個任務(wù)是“喚醒字檢測”。它確定用戶是否說出設(shè)備被編程需要打開的單詞之一，例如“ Alexa”。需要這樣做以最大程度地減少誤報和誤報，這些誤報和誤報可能導(dǎo)致意外購買和引起客戶憤怒。這確實(shí)很復(fù)雜，因?yàn)樗枰R別發(fā)音差異，并且需要在CPU能力有限的設(shè)備上進(jìn)行識別。

如果檢測到喚醒字，則將信號發(fā)送到云中的語音識別軟件，該軟件將音頻和 將其轉(zhuǎn)換為文本格式。由于它查看英語中的所有單詞，因此輸出空間很大，并且云是唯一能夠充分?jǐn)U展的技術(shù)。使用Echo播放音樂的人的數(shù)量使情況進(jìn)一步復(fù)雜化-許多藝術(shù)家使用的名字拼寫方式不同于一般常見的單詞。

要將音頻轉(zhuǎn)換為文本，Alexa將分析用戶語音的特征（例如頻率和音高）以提供特征值。

給定輸入特征和模型，解碼器將確定最可能的單詞序列是什么，該模型分為兩部分。其中的第一個是先驗(yàn)的，它根據(jù)大量現(xiàn)有文本為您提供最可能的序列，而無需查看功能，另一個是聲學(xué)模型，通過查看音頻對進(jìn)行深度學(xué)習(xí)訓(xùn)練和成績單。將這些組合在一起，并應(yīng)用動態(tài)編碼，該編碼必須實(shí)時進(jìn)行?！?/p>

分析命令

上面的命令包含3個主要部分：喚醒字，調(diào)用名稱，提示。

喚醒詞
當(dāng)用戶說“ Alexa”時，它將喚醒設(shè)備。喚醒詞使Alexa進(jìn)入聆聽模式，并準(zhǔn)備接受用戶的指示。

調(diào)用名稱
調(diào)用名稱是用于觸發(fā)特定“技能”的關(guān)鍵字。用戶可以將調(diào)用名稱與操作，命令或問題結(jié)合使用。所有自定義技能都必須具有一個調(diào)用名稱才能啟動它。

Alexa的“技能”：語音驅(qū)動的Alexa功能。

表述
“Taurus”是一種話語。表述是用戶向Alexa請求時將使用的短語。Alexa從給定的語音識別用戶的意圖，并做出相應(yīng)的響應(yīng)。因此，基本上，這些表述決定了用戶希望Alexa執(zhí)行的操作。

什么是NLP？

它是人工智能和計算語言學(xué)的融合，它處理機(jī)器與人類自然語言之間的相互作用，其中計算機(jī)必須分析，理解，更改或生成自然語言。

NLP幫助計算機(jī)使用多種形式的自然人類語言進(jìn)行通信，包括但不限于語音和書寫。

“與計算機(jī)進(jìn)行二十分鐘的閑聊不只是一個月球，而是去火星的旅程。”

在本文中，我發(fā)現(xiàn)了一個有趣的部分，其中說：“理解人類語言由于其復(fù)雜性而被認(rèn)為是一項(xiàng)艱巨的任務(wù)。例如，有無數(shù)種不同的方式來排列句子中的單詞。而且，單詞可能具有多種含義，上下文信息對于正確地解釋句子是必要的?！?/p>

開始時，系統(tǒng)會輸入自然語言。

自然語言：任何通過使用和重復(fù)在人類中自然進(jìn)化而無需有意識地計劃或預(yù)想的語言。自然語言可以采用不同的形式，例如語音或簽名

之后，它將 它們轉(zhuǎn)換為人工語言，例如語音識別。在這里，我們將數(shù)據(jù)轉(zhuǎn)換為文本形式，通過NLU（自然語言理解）過程來理解其含義。

一個很好的規(guī)則是，如果您只是在談?wù)摍C(jī)器理解我們所說內(nèi)容的能力，請使用術(shù)語NLU。NLU實(shí)際上是NLP廣闊世界的一個子集

隱馬爾可夫模型（NLU示例）：

在語音識別中，此模型將波形的每個部分與之前發(fā)生的事情和之后發(fā)生的事情進(jìn)行比較，并與波形字典進(jìn)行比較以弄清楚正在說什么。

波形：聲帶的周期性振動導(dǎo)致發(fā)聲

隱藏的馬爾可夫模型（HMM）是您觀察排放序列的模型，但不知道模型產(chǎn)生排放所經(jīng)歷的狀態(tài)序列。隱馬爾可夫模型的分析試圖從觀察到的數(shù)據(jù)中恢復(fù)狀態(tài)序列。

對于NeoSpeech的市場營銷專家Trevor Jackins來說，“它通過獲取語音數(shù)據(jù)并將其分解為特定時間段（通常為10到20毫秒）的小樣本來嘗試?yán)斫饽陌l(fā)言。將這些數(shù)據(jù)集與預(yù)語音進(jìn)行比較，以解碼您在語音的每個單元中所說的內(nèi)容。這里的目的是找到音素（最小的語音單位）。然后，機(jī)器查看一系列這樣的音素，并從統(tǒng)計角度確定最有可能說出的單詞和句子?！?/p>

然后，NLU會深入理解每個單詞，從而嘗試?yán)斫馑敲~還是動詞，使用的時態(tài)等。此過程定義為POS：語音標(biāo)記的一部分。

據(jù)EasyGov的CPO Pramod Chandrayan所說，，“NLP系統(tǒng)也有一個詞匯（詞匯）和一組編碼到系統(tǒng)的語法規(guī)則?，F(xiàn)代的NLP算法使用統(tǒng)計機(jī)器學(xué)習(xí)將這些規(guī)則應(yīng)用于自然語言，并確定您所說內(nèi)容背后最可能的含義。”

“要構(gòu)建能夠理解自然語言的機(jī)器，必須結(jié)合使用規(guī)則和統(tǒng)計模型來提取語音。必須提取，標(biāo)識和解析實(shí)體，并且必須在上下文中派生語義，并將其用于標(biāo)識意圖。例如，必須解析一個簡單的短語，例如：“我需要從12月5日至10日去巴黎乘坐飛機(jī)和預(yù)定旅館”，并給出以下結(jié)構(gòu)：

need:flight {intent} / need:hotel {intent} / Paris {city} / DEC 5 {date} / DEC 10 {date} / sentiment: 0.5723 (neutral)”

對于作者，主題演講者和顧問 Bernard Marr來說， “當(dāng)Alexa在解釋您的請求時出錯時，該數(shù)據(jù)將在下一次使系統(tǒng)變得更好時使用。機(jī)器學(xué)習(xí)是語音激活用戶界面功能快速提高的原因?！?/p>

在亞馬遜網(wǎng)站上，我們可以讀到“通過自然語言理解（NLU），計算機(jī)可以推斷出說話者的實(shí)際含義，而不僅僅是他們說的話?；旧?，這就是讓Alexa之類的語音技術(shù)推斷出您可能在詢問“ Alexa，外面的感覺是什么？”時要求本地天氣預(yù)報的原因。

如今的語音優(yōu)先技術(shù)是使用NLU構(gòu)建的，NLU是一種人工智能，其重點(diǎn)在于識別人類語言中的模式和含義。以語音助手為代理的自然語言處理已經(jīng)重新定義了我們在家庭和其他方面與技術(shù)交互的方式?！?br />
審核編輯 黃昊宇