2022-04-28《当产品经理遇到人工智能》读书笔记06 语音

第四章 产品模式

       人工智能产品的3个层次: 计算智能、感知智能和认知智能。其中感知智能指自然语言处理、语音识别、语音合成、计算机视觉四大应用类型。后续学习以此分类为主要视角。

语音识别产品应用

1、产品形态：根据识别内容的范围可分：封闭域识别和开放域识别

       1）封闭域识别

              只能够识别预先指定的字词集合，无法识别预定范围之外的语音

       2）开放域识别

              对输入的语音都能识别，无须预先指定识别词集合

              这一类产品基本都以云端的形式呈现，声学模型核语音模型的计算量一般较大，引擎运算量也较大。

              实时性要求不同

                                   同步识别：实时要求高

                                   异步识别：准确率要求高

2、常见功能

                     语音控制

                     语音转录

                     语言翻译

                     衍生应用

                            声纹识别（属于生物识别）

                            情感识别

                            哼唱识别

3、产品设计及评价

       1）设计难点

                            口音问题

                            噪声问题

                            说话模式影响

                            单通道核多人会话

                            上下文理解

                            延迟

                            其他因素

       2）细节设计

                            语音激活检测

                            语音唤醒

                            语音自适应回声消除AEC

                            低信噪比SNR和混响

       3）产品评价指标

                            评价语音识别系统的性能指标

                                   词汇表范围

                                   说话人限制

                                   训练要求

                                   正确识别率：词错误率WER、语义错误率