语音识别

什么是语音识别？

语音识别技术也被称为自动语音识别 Automatic Speech Recognition，(ASR)，其目标是将人类的语音中的词汇内容转换为计算机可读的输入，例如按键、二进制编码或者字符序列。
语音识别技术常用的方法有如下四种：

1. 基于语言学和 声学的方法
2. 随机模型法
3. 利用人工神经网络的方法
4. 概率语法分析

什么是唤醒词？

指特定词语或短语，用于唤醒设备并启动语音交互。语音识别唤醒词的设计和选择对于用户体验至关重要。一般来说，唤醒词应该是易于发音、清晰且不易与其他词汇混淆的短语。

唤醒词自定义规则?

【中文】

• 一般为4-6个字，4个字最佳，过短容误唤醒高，过长不便用户呼叫和记忆;
• 避免使用敏感词：包含政治，伟人名字、脏话，黄赌毒等；
• 避免使用口语化的词汇，口语词汇日常使用频率很高，容易导致误唤醒，如“你好啊”；
• 唤醒词发音应选择易开口，响度大，发音清晰易分辨的词；
• 避免使用多音字，唤醒词的音节覆盖应尽量多，差异大；
• 避免使用叠字，避免连续使用零声母的词，如“安”；
• 如因使用市面上已存在的唤醒词而产生纠纷，由开发者自行承担，请慎重选择。
• 唤醒词加上免唤醒的命令词，总数不能超过10条。
• 设计词条时，如果词条之间只有一个字的不同，这个字尽量不要放在最后一个，可以降低误识别率。

【英文】

• 建议由2-4个单词（4-6个音节）组成，过短容误识高，过长不便用户记忆；
• 命令词间音节区分度越大越好；
• 符合用户的语言习惯，是常用的说法，内容具体直接；
• 应避免使用日常用语，如：“HI、HELLO”；
• 避免使用相似音节，词的发音清晰响度要大，如避免同时使用TURN-ON和TURN-OFF；
• 应避免使用叠词，如：“HELLO-HELLO”；
• 所有单词全部大写，如果一个命令词由多个单词组成，那么单词与单词之间用中横线连接，如：HELLO-AIR-CONDITIONING。

什么是命令词？

命令词是想要定义的语音话术，用户必须按照定义的话术说出才有效（自然说除外）。如用户可以使用“设置十五度”“十五度”来实现同一个设置温度15度的控制。

命令词和回复语自定义规则?

• 一个行为的命令词允许填多条，多条命令词之间用“|”隔开。当设置多条命令词时，说每个命令词都能触发该行为。
• 如果打开自然说功能，则一个行为仅允许设置一个命令词，但是可以设置多个泛化词。
• 回复语是针对该条控制指令的设备回复播报。
• 单条回复语不得超过500个字符，支持中英文、逗号、句号、问号，不要使用阿拉伯数字，可以用中文数字来代替。
• 回复语中支持标签[=py]，来指定某些多音字播报时的读音。
• 例：已调[=tiao2]至中[=zhong1]风档，
• 注：拼音声调范围为 1 - 5，1 - 4 对应一声到四声，5对应轻声。
• 播报为：已调(tiao2)至中(zhong1)风档。
• 一个行为的回复语允许填多条，多条回复语之间用“|”隔开。当设置多条回复语时，行为被触发后，系统会随机选择一条回复语进行播报。

什么是免唤醒的命令词？

免唤醒的命令词可以在设备未唤醒的情况下直接触发语音交互。

什么是防止误识别的命令词？

生活中高频次发生并且容易诱发唤醒词或命令词误识别的词，用于针对性防误识别和误唤醒。
不能和唤醒词、命令词重复，多条词条之间用“|”隔开

什么是识别灵敏度?

识别灵敏度有三档：低、中、高。默认为中。灵敏度越高越容易识别，同时误识别率会增高，反之，灵敏度越低越难识别，误识别率会降低。