1、语音交互-示意图1（最简版）
科普：语音交互的过程
A）语音识别（Automatic Speech Recognition），一般简称ASR；是将声音转化为文字的过程，相当于人类的耳朵。
B）自然语言处理（Natural Language Processing），一般简称NLP；是理解和处理文字的过程，相当于人类的大脑。
上图中，写的是“语义理解”（Semantic understanding，行业提到时，也会简称为“语义”），广义来说，也行，因为行业内有时也这么用。
有时“语音”和“语义”会成对出现。比如说“讯飞的核心技术积累在语音，图灵机器人的核心技术积累在语义”。当然，这时也可以用“语音识别”和“自然语言处理”来成对出现，不能说错，只不过比“语音”+“语义”要繁琐和绕口一点。
C）语音合成（Text-To-Speech），一般简称TTS；是将文字转化为语音（朗读出来）的过程，相当于人类的嘴巴（和ASR是相反的）。
D）语音交互，一般英文说Speech interaction（优先于Voice interaction），但如果说产品形态的语音助手，英文是Voice Assistant。
E）非专业表达/理解：
a）认为“NLP和NLU是一样的意思”——其实，NLU是NLP的子集。
b）语音识别、语义理解，都是OK的；但说“语义识别”，虽然不能说完全错误，但有点怪（至少不常用），会让人觉得你不是特别专业。
2、语音交互-示意图2（复杂版）
这里，多了自然语言生成（Natural Language Generation，NLG）、语义表示、对话管理（Dialogue Management）等概念。后两个大家可以先不用管，只需要知道“自然语言生成”是目前NLP最前沿的研究领域就可以了。
3、语音交互-示意图3（APP交互版）
4、CUI，Conversational User Interaction，对话式交互
1）跟语音交互相比，CUI的范畴更宽泛——没有语音过程、只有文字的对话交互流程，可以称为CUI，但是不能称为“语音”交互。
2）提到CUI，很多时候会和互联网/移动互联网时代的“GUI”一起出现：GUI，Graphical User Interface，图形化交互。
二、当前技术边界
ASR、NLP、TTS等单个技术点的边界，后面几天咱们再具体分析；这里只说一个认知：
要想在APP或硬件产品中，添加语音交互体验——实现demo很容易，各方面都有API可以用【比如ASR、TTS用讯飞，NLP（聊天/知识库等）用图灵机器人。】但是，要想实现非常好的整体产品体验，距离还非常远。（这个我曾经写了一个测试的iOS的demo App，实用第三方API实现只能客服，要提前预置关键词进去）
既可能有产品feature方面的定制化需求，还有整合工程化方面的问题。可以说，如果是将这些AI技术体验仅仅当成产品的加分项，也许还可行，而一旦要将其作为产品的核心价值，特别是要实现真正好的产品体验，很多时候不得不自己去研发
三、瓶颈和机会
1、不论为了是单个技术点，还是整体体验，要想直接创造一个完美的技术架构，是不现实的。反而需要我们AI产品经理们，从实际场景的用户/客户反馈出发，倒逼技术方面的模型/算法/数据的优化。
2、场景很重要。特别要选细分场景，并且需要有对应的产品技术优化方案。
1）手机场景，几乎被行业放弃了（之前火了一阵的语音助手，被证明难以形成用户粘性），具体原因，以后专题再说。
2）车载场景，目前车内降噪的问题很大，导致整个语音交互体验不好。
3）室内-智能音箱，也是做了很多的专门优化，比如远场识别、降噪等（在后续ASR小节再说）。
3、交互标准很重要。
行业内，有的人认为，Speech interaction**语音交互**会是未来的交互标准形式；
也有人认为，CUI （Conversational User Interface） 对话交互是未来的交互标准形式；
但我个人认为，两者都有漏洞，具体原因及“什么可能是对的”，以后再专题讨论。
注：数据、算法、算力等方面，可以说是必要条件，但不是充分条件——特别是，如果希望做出2C爆款产品的话。
作者：黄钊
