跟机器语音交互的时候到底发生了什么？

图片地址：https://img.ithome.com/newsuploadfiles/2022/12/f2db04e7-73e3-468d-99b3-130f9f6766a9.png?x-bce-process=image/format,f_auto

智能语音交互是基于语音输入的新一代交互模式，通过说话就可以得到反馈结果。可以理解为人类与机器间通过自然语言完成信息传递的技术。语音交互的完整流程，如下图所示。通常，根据距离远近语音交互场景可分为两种：近场语音场景：通常通过按键激活，例如智能手机等便携设备。远场语音场景：通常通过唤醒词激活，例如智能音箱等固定设备。远场语音场景下，在产品策略上通常会采取两种方案，以提高唤醒的准确率：将唤醒词的音节长度增加到 4 音节。这是因为音节越长，唤醒的准确率就会越高。比如：“小兴小兴”的唤醒准确率远高于“小兴”。白天只对唤醒词做本地校验，夜间则再增加云端二次校验。这是唤醒速度和准确率间的平衡策略。白天用户更看重响应速度，发生偶尔的误唤醒用户能理解或接受，这时候仅由本地的唤醒检测模块进行快速检测，保证 700 ms 内快速响应用户。晚上睡觉时用户对误唤醒是零容忍的，这时候就要偏重唤醒的准确度，将本地检测过的语音上传到云端进行二次确认，再决定本地