AI音箱的原理，小爱同学、天猫精灵、siry。

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。

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。

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。