随着时代的发展和人工智能技术的愈加完善，智能服务机器人已越来越广泛地应用于各行业、各领域当中，如我们随处可见的迎宾机器人、智能讲解机器人、会场机器人等，为缓解劳动力短缺和工作人员的压力起到了重要作用。

当我们与服务机器人进行语音对话时，是否想过，它是依靠什么技术接收到我们的声音，并给予及时、准确地回复的呢？比如说：“今天天气怎么样”？服务机器人马上会说：“今天天气晴朗，气温为10℃-22℃”，伴随有4-5级的东南风……

其实，服务机器人的语音交互原理与我们人类是相似的，实现正常的互动必须满足三个条件：用耳朵听、用大脑理解、用嘴巴回答。服务机器人实现智能交互的“三大技术”分别为语音识别技术（ASR），相当于它的“耳朵”；自然语言处理技术（NLP），相当于它的“大脑”；语音合成技术（TTS），相当于它的“嘴巴”。

当我们提出问题后，智能服务机器人将通过麦克风接收声音，声音将通过语音识别技术（ASR），把声学语音转换为服务机器人能够识别的文字、字母信息。如上图所示，在宁夏博物馆嘈杂的环境中，小笨智能服务机器人可通过语音识别技术（ASR）准确“倾听”游客声音，并转换为其能够识别的语言，为下一步对语义的分析、理解做准备。

小笨智能服务机器人语音识别技术（ASR）采用国际先进算法，通过编码，把语音转换为小笨智能服务机器人可以识别的样式（即数字向量表示），因为声音信号是服务机器人没有办法直接识别的，需要将声音切割成一小段一小段音频，然后每一小段都按一定规则的数字向量来表示。

然后就是解码的过程，即将数字向量拼接为文字、字母的过程。将编码好的向量放置于声学模型和语言模型中，就可得到每一小段对应的文字、字母，然后把翻译出来的文字、字母再经过语言模型，就可组成小笨可识别的单词。

当然，声学模型和语言模型也是个神经网络，是小笨智能服务机器人通过大量的语音和语言数据训练出来的，这也是小笨智能服务机器人可以准确识别各种复杂语音的原因之一……

解码完成后，可识别的单词信息将通过服务机器人的自然语言处理技术（NLP）来准确理解客户意图、情感倾向等信息，此为语音交互中的核心之一，也是最难的模块之一。

自然语言处理技术（NLP）通过语法分析、句法分析、语义理解文本相似度处理、情感倾向分析等技术，具备衡量人们观点和倾向的能力，可精准区分出哪些话属于这个意图，哪些表达不是这一类意图。小笨智能自主研发的自然语言处理技术（NLP）可将接收到的信息进行分析、理解，上图为小笨智能服务机器人在济南能源集团办事大厅，前来办理业务的群众只需要说出需求，即可准确理解群众意图，并从“5G云端大脑”中提取出相对应答案，发出准确的回复指令。

小笨智能服务机器人“5G云端大脑”储存着海量知识库，可支持生活常识、天气、机票等信息查询，并同步企业各类形式的信息，使企业信息通过语音、视频、动图等形式展现出来，满足访客98%以上的日常闲聊或企业业务问答。

当服务机器人发出回复指令后，还需要用“嘴巴”说出来，这就需要使用语音合成技术（TTS），即把回复指令转换为人类能够听懂的声音。如下图，在济南长途汽车总站小笨智能服务机器人“理解”完游客的问题后，于“5G云端大脑”中提取出准确的回复指令，并转换为游客能够理解的语音、视频、图片等形式，让游客轻松掌握出行信息。

语音合成技术（TTS）的工作流程可分为两步，第一步为文本处理，这一步做的事情是把文字或字母指令转化成音素序列，并标出每个音素的起止时间、频率变化等信息，这一步的作用不可小觑，比如拼写相同但读音不同的词的区分、缩写的处理、停顿位置的确定等。

第二步为语音合成，这一步是指根据已经标注好的音素起止时间、频率变化等生成语音，最终通过扬声器准确表达出来。

小笨智能语音合成技术（TTS）技术可对文本实现实时转换，转换时间可以按秒计算，文本输出的语音音律流畅，让听者在听取信息时感觉自然，几乎没有机器语音输出的冷漠与生涩感。

小笨智能强大的自然语言处理能力，可满足在不同应用场景中高效、准确服务，针对不同的应用场景，同步不同的样本数据，所以，小笨智能已服务过的6000+客户中，覆盖政务大厅、法院、商场、机场等全行业场景，满足了不同企业的差异化需求。

从语音识别到智能问答，从意图识别到情感分析，无不显示小笨智能服务机器人在当代对场景深层次服务的执着追求。未来，小笨智能将继续坚持为企业、为社会提供有价值的见解，使传统行业焕发新生力，让我们的生活更方便、更高效。