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

Alexa如何運作？

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的服務器以進行更有效的分析。

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有意義并執(zhí)行相應的功能。例如，如果Alexa注意到諸如“體育”或“籃球”之類的字詞，則會打開體育應用程序。

Amazon的服務器將信息發(fā)送回您的設(shè)備，Alexa可能會講話。如果Alexa需要說點什么，它將按照上述相同的過程進行，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會通過清除信號來理解音頻。信號處理是遠場音頻中最重要的挑戰(zhàn)之一。

想法是改善目標信號，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致意外購買和引起客戶憤怒。這確實很復雜，因為它需要識別發(fā)音差異，并且需要在CPU能力有限的設(shè)備上進行識別。

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擴展的技術(shù)。使用Echo播放音樂的人的數(shù)量使情況進一步復雜化-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，另一個是聲學模型，通過查看音頻對進行深度學習訓練和成績單。將這些組合在一起，并應用動態(tài)編碼，該編碼必須實時進行。”

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
當用戶說“ Alexa”時，它將喚醒設(shè)備。喚醒詞使Alexa進入聆聽模式，并準備接受用戶的指示。

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，并做出相應的響應。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的融合，它處理機器與人類自然語言之間的相互作用，其中計算機必須分析，理解，更改或生成自然語言。

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

“與計算機進行二十分鐘的閑聊不只是一個月球，而是去火星的旅程?！?/p>

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雜性而被認為是一項艱巨的任務。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。”

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在人類中自然進化而無需有意識地計劃或預想的語言。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，如果您只是在談論機器理解我們所說內(nèi)容的能力，請使用術(shù)語NLU。NLU實際上是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)生的事情進行比較，并與波形字典進行比較以弄清楚正在說什么。

波形：聲帶的周期性振動導致發(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）的小樣本來嘗試理解您的發(fā)言。將這些數(shù)據(jù)集與預語音進行比較，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，從而嘗試理解它是名詞還是動詞，使用的時態(tài)等。此過程定義為POS：語音標記的一部分。

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。現(xiàn)代的NLP算法使用統(tǒng)計機器學習將這些規(guī)則應用于自然語言，并確定您所說內(nèi)容背后最可能的含義?！?/p>

“要構(gòu)建能夠理解自然語言的機器，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，標識和解析實體，并且必須在上下文中派生語義，并將其用于標識意圖。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日去巴黎乘坐飛機和預定旅館”，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。機器學習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），計算機可以推斷出說話者的實際含義，而不僅僅是他們說的話?；旧希@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