車聯網名詞注解系列（上）語音控制篇

北京BJ40新能源 參考價：22.48萬起

查看參配 獲取底價

購置稅優惠 經銷商報價 車主點評

在過去一年的智能汽車測試項目中，總有朋友提問:文章中我們提到的很多名詞，從字面上很難理解，有時候讓人摸不著頭腦。正好趁這個機會在家里“安頓”一下自己，我們就展開一個系列，把那些晦澀難懂的專有名詞給大家一一注釋，說說它們的含義、背景和意義，也為以后相關文章中的參考做好準備。第一期，我們來說說語音控制中的一些常見名詞。

STT和TTS

常見的互聯網知識告訴我們，當兩個字母/數字之間有一個“t”或“2”時，指的是“to”字的概率很高，例如P2P、B2C、V2X、STT和TTS都是類似的。

在一些技術文獻中，這一環節又被稱為ASR，是一項集語言學、計算機科學和電氣工程等領域的知識和研究于一體的復雜工程。

我們在標語中經常聽到的“語音引擎”通常是指這五個環節的集合。在研發過程中，雖然有些供應商有完整的解決方案，但一輛車的語音控制系統往往會在不同的環節選擇不同的供應商，相互配合，達到最終的效果。

除了我們上面解釋的單詞之外，自然語言處理是將用戶的指令轉換成結構化和機器可理解的語言。

語音控制是一項復雜的功能，涉及語言學、計算機科學、電氣工程等。，它是云和本地的結合。往往需要車企電氣部門和多個供應商同時配合才能達到最佳效果。對于服務提供商來說，提供最好的產品需要多年的語言分析和指令集積累。做好真的不容易。

一個熱的連續理論，沒有喚醒

在過去一年的車內語音控制測試中，有兩個“高頻詞”——一拍連續和不喚醒。除了“識別率”，它們也是我們最喜歡的語音控制功能。

你有沒有想過為什么要喚醒文字？因為人們在日常交流中很容易觸發語音控制中的某些功能，喚醒詞就是指定一個時間段，在此期間語音引擎會對你說的話進行處理反饋。在目前的語音控制技術下，如果沒有喚醒詞，就會被車內語音控制騷擾到自閉。

為什么不能像日常交流一樣直呼自己的名字？比如:李湘，幫我打開空鍵。也是因為兩三個字的名字容易被誤認，導致語音控制誤觸發。因此，喚醒詞通常設置為“重疊”、“你好+名字”和“同學”，以降低誤觸發的概率。

但這也導致了一個問題——人與人之間的溝通方式完全不同！下圖是基本的車內語音控制通訊方式。你覺得特別眼熟嗎？

OneShot是什么意思？很簡單，就是喚醒詞可以和指令一起說，而不是先說喚醒詞，等待系統響應后再給出指令。有了OneShot連續通話功能，情況就是這樣。

喚醒詞是什么意思？顧名思義，連喚醒詞都不需要。您可以不調用語音控制功能直接給出指令，如下所示:

不，這是一個越來越接近人們交流方式的過程，也是一個越來越不禮貌的過程。是的，人們交流的方式是不禮貌的。

以上就是OneShot和不叫醒的意義和意義。至于“免醒”這個詞，我想在這里多說幾句。在這個階段，免喚醒可以分為兩種模式。

或者在音樂播放界面，不用先喚醒語音控制功能，直接說“暫停”、“下一首歌”、“提高音量”。這是目前使用最廣泛的免喚醒方案。

部分車型采用了這種邏輯。)搭配科大訊飛語音引擎。

在這里，我們也可以看到，在大部分功能都可以直接給出指令的情況下，系統還是需要限定一個時間的。如果時間沒有限制，誤喚醒的概率還是不能接受的。想象一下，你和副駕駛正愉快地聊著今天的好天氣。突然，系統開始自言自語:“今天北京陽光明媚，空空氣質量……”如果這種情況發生兩次，您可能會永久關閉語音控制功能。

總結

在《車聯網名詞注釋系列》第一期中，我們解釋了語音控制系統的幾個名詞，并講述了它們的定義、背景和價值。事實上，人與人之間的交流大多是通過“說”和“聽”來實現的。當然，我們也有表情、手勢等等。相比之下，機器更難理解表情和手勢的含義。各大車企、研究機構、語音交互解決方案提供商口中的類人交互，就是讓機器學會理解語言、手勢，甚至是感受。作為其中之一，語音控制才剛剛起步。在我們進入下一個更智能的階段之前，“處理”什么時候才能真正變成“理解”。