智能语音对话处理过程

• ASR（Automatic Speech Recognition）：语音识别，听见你说的是什么，转化成文字。
• NLU（Natural Language Understanding）：自然语言理解，知道你想干什么，理解你话中的意图。
• NLG（Natural Language Generation）：自然语言生成，输出内容发音标注。
• TTS（Text To Speech）：语音合成，机器合成输出语音。

• 声学模型

发声的基本音素状态和概率，尽量获得不同人、不同年纪、性别、口音、语速的发声语料，同时尽量采集多种场景安静的，嘈杂的，远距离的发声语料生成声学模型。为了达到更好的效果，针对不同的语言，不同的方言会用不同的声学模型，在提高精度的同时降低计算量。

• 语言模型

单词和语句的概率，使用大量的文本训练出来。如果模型中只有两句话“今天星期一”和“明天星期二”，那我们就只能识别出这两句，而我们想要识别更多，只需要涵盖足够的语料就行，不过随之而来的就是模型增大，计算量增大。所以我们实际应用中的模型通常是限定应用域的，同比如智能家居的，导航的，智能音箱的，个人助理的，医疗的等等，降低计算量的同时还能提高精度，

• 词汇模型

针对语言模型的补充，语言词典和不同的发音标注。比如定期更新的地名，人名，歌曲名称，热词，某些领域的特殊词汇等等。