- 综合排序
- 最热优先
- 最新优先
- 来自专栏BestSDK
交互新趋势，如何设计语音交互？
值得注意的是，最近几年针对语音交互的体验设计研究开始兴起：Android 和iOS 手机开始构建自己的语音交互生态，智能汽车为了解放双手，也开始研究语音交互的玩法。 这些都证明了企业和市场对于语音交互潜在优势的的认同。语音交互开始逐渐进入到人们的日常生活当中。 当你在专注于某一件事时，最快捷的在同一时间获取其他事物相关信息的方式就是语音交互，它不会被图像交互所打扰。 ? 怎样设计语音交互体验，才能使其发挥场景化的优势？Nielsen的启发式可用性原则依然适用于语音式的交互方案。 系统状态的视觉反馈 亚马逊的语音产品Echo，是一款场景化的语音交互智能硬件。 相比之下，语音交互的流程显得更加直接。在语音交互中，用户只能依靠有限的语音提示以及短期记忆来完成操作，这就需要设计师将流程简洁化。
2.7K90发布于 2018-02-27 - 来自专栏喔家ArchiSelf
再看语音交互设计
赋能是人工智能对人类最重要的事情，而智能语音（例如DuerOS）正在为人机交互的方式赋能。声音一直是人与人沟通的核心，而今也成为了人机交互的核心——智能语音交互。 从IVR 系统看起 交互式语音问答（interactive vocie response，IVR）系统的出现，代表了语音交互设计的第一个重要时期。它可以通过电话线路来理解人们的话，并执行相应的任务。 这些方法对于如今的智能语音交互同样有着借鉴的意义。 ? 关于可视化反馈 交互方式正在从单纯的视觉、硬件交互转化为多感官综合的交互，这种交互模式的本质是“关系”。VUI无疑是最重要也是最自然的交互通道之一，但不要为了使用语音交互而使用语音交互。 允许用户同时使用语音和屏幕进行交互，是一种多模态界面（multimodal interface）。可视化组件可以让用户更从容地进行交互，视觉和语音的协同设计非常重要。 ?
2.1K20发布于 2019-08-23 - 来自专栏python3
Python语音交互的实现
已经注册并添加了百度的'’语音识别'和'语音合成'应用。 已经注册并创建了图灵机器人的'机器人'。 整体的实现流程 语音输入。 语音翻译成文字。 聊天回应文字。 将文字合成语音。 输出语音。 实现方式 pyaudio模块识别麦克风 在线百度语音识别，把录音文件转换成文字 在线图灵机器人，对文字进行回答 使用百度的语音合成技术，把文字转为音频文件 通过pygame识别音频（只能是MP3格式）， 输出语音 外部包 pip install pyaudio==0.2.11 pip install baidu-aip==2.2.5.2 pip install pygame==1.9.4 项目在github ---- 可以结合语音唤醒，自己制作一个智能音箱了。 语音唤醒内容：[https://blog.51cto.com/feature09/2300352]
2.8K10发布于 2020-01-07 语音交互·认知对话：智能语音互动查询系统重塑人机交互新范式
语音查询迈入认知交互时代在移动优先与万物互联的产业背景下，传统语音查询系统面临语义理解浅层、场景适配僵化、多轮交互断裂等核心挑战。 智能语音互动查询系统通过融合语音识别、自然语言理解与对话管理技术，构建了从语音感知到认知决策的完整交互链条，实现了从"指令响应"到"智能对话"的体验升级。 场景迁移困难：单一场景训练的模型难以适应跨领域业务查询多轮对话断裂：缺乏对话状态跟踪，上下文信息流失严重个性化体验缺失：无法识别用户偏好，提供千人一面的标准回复实时响应延迟：复杂查询处理延迟超过 3 秒，影响交互体验智能语音交互架构系统构建 功能模块对比与效能提升功能模块传统语音查询智能语音交互系统效能提升幅度语音识别近场标准语音识别远场降噪 + 自适应识别识别准确率提升至 96.5%意图理解关键词模板匹配深度学习多意图识别意图识别准确率提升至 持续进化路径未来技术演进聚焦情感交互与跨模态融合：通过语音情感识别实现更具温度的交互体验；融合视觉、文本等多模态信息提升理解准确率；发展个性化自适应能力，使系统越用越智能；最终构建具备情感认知和深度推理能力的新一代语音交互系统
32010编辑于 2025-10-30- 来自专栏智能相对论
汽车AI语音交互 正在让机器交互更接近真人交互
01 从科幻到现实，语音交互一直在进化 提到智能语音交互，普罗大众对于技术刷屏的记忆停留在2018年的Google开发者大会“Google I/O”开幕式上。 03 语音交互技术上的高山二：个性化，即声音克隆 如果说自然连续对话为更自由的交互和差异化服务提供可能，那语音定制化则将个性化、情感化的语音交互率先落地。 04 攀登技术高山，如何让机器交互能够更接近真人交互依然在等待更好答案 语音是人类最舒适，最直观的交流方式之一。如今的智能语音交互产品，变得越来越像人一样聪明且富有感情。 在各类应用场景中，除了智能家居，汽车产品对于语音交互的需求显而易见。不论是点击、滑动等触摸交互方式，在车载环境下都存在安全隐患且并不高效，语音交互是天然适应车载环境的交互方式。 同时在各种交互能力融合后对上层应用进行开放，使得最终呈现给用户的交互更自然。 语音交互带来的产业机遇方兴未艾。
1.7K10发布于 2020-05-11 - 来自专栏VRPinea
除了语音交互，虚拟世界中还有这些交互方式！
之前，小编已经谈论了虚拟世界中的语音交互。今天，我们就来聊一聊其他被运用于VR中的交互方式。 交互方式趣味化，烦闷无比的VR打字从此萌起来 ? 在手势识别、语音识别等技术尚不完善的当下，作为传统交互的键盘输入仍然是VR交互的可行方案之一。但是，键盘输入目前在VR交互的处境十分尴尬。 眼动交互不停，上演与虚拟世界的“眉目传情” ? 在现实生活中，人们以眼球转动来锁定注视对象。而在VR中，开发者也在探索使用眼动追踪的形式，与虚拟世界中的目标对象进行各种形式的交互。 相较手势追踪，使用眼动追踪进行交互的VR体验不会产生身体的疲劳感，从而能够支持用户相对长久地沉浸于虚拟世界中。此外，基于眼动进行的交互将很好地模拟现实世界中的状况。 对于VR/AR技术而言，脑机接口技术无疑将会成为未来最好的交互方式之一。但在脑机接口和语音识别等技术尚未完全成熟的当下，我们仍需借助其他方式，实现虚拟世界中最自然也最真实的交互体验。
1.3K90发布于 2018-05-16 - 来自专栏AI语音
【玩转腾讯云】【腾讯云语音合成】智能语音交互之语音合成篇
开篇前言 语音合成（Text To Speech，TTS）满足将文本转化成拟人化语音的需求，打通人机交互闭环。 语音合成广泛应用于语音导航、有声读物、机器人、语音助手、自动新闻播报等场景，提升人机交互体验，提高语音类应用构建效率。 3.打通人机交互的闭环，实现以假乱真的人机沟通效果 已经在使用合成效果不佳的客户，他们的用户通常因为TTS发声人声音僵硬，朗读不流畅等原因不愿意与机器人继续交流。 使用腾讯云TTS之后，他们的用户通常较难分辨发声人是真人还是机器人，使得人机交互的体验更好，用户更愿意与机器人交流 。 对于语音合成接口，可以采用简单的V1鉴权，当然V3鉴权也可以，客户可以自行选择。
24.4K3730发布于 2020-05-04 - 来自专栏决策智能与机器学习
AI预测技术在语音交互的落地 | 微软新一代全双工语音交互技术 | 智能语音 | 解读技术
AI预测 近日，微软（亚洲）互联网工程院宣布率先推出新一代的语音交互技术：全双工语音交互感官（Full-duplex Voice Sense），与既有的单轮或多轮连续语音识别不同，这项新技术可实时预测人类即将说出的内容 ，实时生成回应并控制对话节奏，从而使长程语音交互成为可能。 在应用方面，米家生态链Yeelight语音助手是全球首个搭载全双工语音交互感官的智能设备，也是内置微软小冰的首个“双AI”智能设备。 （3）声音场景的理解：全双工语音交互场景包括分类器，比如语音身份的识别（男、女、儿童），触发不同内容的对话，语音情绪识别、音乐/歌声识别等；环境处理，针对背景的噪声识别与回声消除，小冰作为内容提供者和小冰语音助手混合状态 语音交互是对话式人工智能及智能硬件设备的基础之一。全双工语音交互技术的应用，有望实现用户体验的下一次飞跃，并成为人工智能语音交互的新“标准配置”。
4.1K20发布于 2020-08-04 - 来自专栏深蓝学院的专栏
语音交互有哪些优势与劣势？
转载自公众号【谈人工智能】，转载请联系授权 语音交互是指人与人、人与设备之间，通过自然语音进行信息传递的过程。人与人之间通过语音来传递信息、交流感情等等，其实就是一种最基本的人与人之间的语音交互。 因为人们发现除了人与人之间可以通过语音来交互之外，已经可以慢慢地对一些智能设备（如手机、智能音箱、车载系统等），通过语音进行交互下达指令或者获得反馈等，所以现在的语音交互的概念已经不仅仅局限于人与人之间了 尤其是对语音行业的研究来讲，我们的注意力更主要的是集中在人机交互上，所以很多时候VUI这个概念就是特指人机语音交互。 1. 语音交互的4点优势 ---- 那么，为什么我们要探讨人机语音交互呢？ 2、语音交互可以跨空间，对于跨空间的交互方式更加便捷 跨空间的含义，我们可以简单地理解为远距离的语音交互，这里的一般称之为远场语音交互或者是远讲，远场的意思是说我的说话人距离我的设备的麦克风的距离要比较远 这些信息都可以通过一段语音信号借助各种技术把它解析出来。那么相比于传统文字的这种干巴巴的交互方式来讲，语音它能够传递的信息会更多。 2. 语音交互的3点劣势 ---- 这些就是语音交互的几点优势。
2.6K30发布于 2020-09-08 - 来自专栏互联网杂技
语音交互中的“等待体验”研究
语音交互是最自然的人机交互方式，它极大地降低了人们与机器交互时的学习成本，将人机交互综合效率带上新的台阶，已成为非常重要的人机交互方式。 对应到人机语音交互中的三个部分——“输入体验”、“等待体验”、“回复体验”，“等待体验”同样处于整个体验循环链的中间环节，在语音交互体验中起到了承上启下的重要作用。 不同于基于视觉的交互，语音交互天然附带情感属性。然而，情感的体验是复杂的，它不只受效率这个单一变量的控制。 综上，可以说在语音交互领域，等待体验虽然重要，但目前仍是“一团迷雾”。鉴于此，我们以目前语音交互的主要载体——智能音箱产品为例，对AI产品中的等待体验问题进行专题研究。 二 智能音箱的等待体验研究 目前的智能音箱，主要采用先语音唤醒后输入指令的语音交互流程。
2.5K90发布于 2018-04-04 - 来自专栏用户6167002的专栏
智能语音，交互入口的新未来
百度近期加入了亚马逊发起的全球语音互操作性计划，为智能语音技术的进一步发展蓄力。 阿里与百度对智能语音的追逐绝非个例，整个互联网行业对智能语音技术重视的背后是智能语音技术极为广阔的市场。 智能语音技术自身交互的便利性，也促使它自身可以被运用到更为广泛的场景和行业中。相较于传统模式，智能语音技术在很大程度上解放了人们的双手和眼睛，为人们日常生活提供便利，也可以为特殊人群服务。 同时语音交互可以使机器实现自我学习，解决长期存在的人服务于机器的现状。这一自身的特点使得智能语音技术有了无可替代的优势。 同时，智能家居、可穿戴设施、智能车载等领域，智能语音将作为交互入口而发挥巨大作用。这一点，作为智能家居核心入口的智能音箱迅速扩大的市场，就足以说明智能语音的潜力。 智能语音作为下一代人机交互入口，随着人工智能的不断发展，必将迎来更为广阔的天地。未来已来，我们且看各大企业如何在这个舞台上各显神通。 文，金融外参记者陈星星，公众号ID：jrwaican
2.4K30发布于 2019-10-08 语音AI技术新突破：大模型驱动的语音交互革新
语音识别系统升级新型自动语音识别（ASR）系统采用数十亿参数模型，同时处理短指令和长对话数据。为适配更大模型，系统从CPU处理转向GPU加速处理：通过积累语音数据帧进行批量处理，显著提升并行计算效率。 端到端文本转语音技术新型大文本转语音（LTTS）模型采用端到端架构，包含文本处理大语言模型和语音合成模块的联合优化。 语音到语音直接转换基于大语言模型的语音到语音系统采用统一编码架构，同时捕捉语义和声学特征。 该模型经过多阶段训练：模态特定模型预训练多模态训练和跨模态对齐语音到语音大模型初始化自监督损失与监督语音任务联合微调用户体验对齐优化该系统支持直接根据输入语音生成响应语音，具备笑声等人类对话特征，并能根据说话者的韵律特点调整回应方式 部署时间表ASR系统升级将于今年年底上线，LTTS和语音到语音模型计划于明年部署实施。这些技术将逐步应用于智能设备交互场景。
59900编辑于 2025-08-22Alexa语音新技术：LLM驱动交互革命
Alexa 发布全新语音识别与文本转语音技术利用大语言模型将使与 Alexa 的交互更加自然和引人入胜。 在演示中，Prasad 讨论了 Alexa 对话式 AI 模型的其他几项升级，旨在使与 Alexa 的交互更加自然。 最后，Prasad 展示了 Alexa 的新型语音到语音模型，这是一个基于 LLM 的模型，可直接从输入语音生成输出语音。 训练需要仔细交替数据类型和训练目标，以确保在这两种类型的交互上都具有一流的性能。为了适应更大的 ASR 模型，Alexa 正在从基于 CPU 的语音处理转向硬件加速处理。 语音到语音模型Alexa 语音到语音模型将利用专有的预训练 LLM 实现端到端语音处理：输入是用户语音信号的编码，输出是 Alexa 响应语音信号的编码。该编码是该方法的關鍵之一。
25810编辑于 2026-03-08- 来自专栏我文章
Azero RTOS的“亲民”语音交互能力
标题.jpeg Azero RTOS的“亲民”语音交互能力 实时操作系统（Real-time Operating System, RTOS）是针对有实时性要求的应用而设计的操作系统。 Azero RTOS优势 多年的产品积累使得Azero RTOS天然自带语音优势， 经过了千亿次人机交互真实场景的规模验证，可为家居、办公、车载、会议、可穿戴等20+场景和设备提供高效的人机交互和智能决策能力 默认集成了信息查询、内容服务、IoT控制等200+项常用技能与服务，同时提供简单好用的语音技能开发工具和Turnkey智能产品软硬件方案，可以极大降低各行业应用集成AI时的开发难度和使用门槛，可快速应用于家电
1.3K10发布于 2021-08-25 - 来自专栏思谱云汇人工智能
智能语音机器人小知识（7）--什么是交互式语音应答?
IVR（Interactive Voice Response）即交互式语音应答，可以提高呼叫服务的质量并节省费用。IVR是一种功能强大的电话自动服务系统。 为此，许多企业开始借助于信息化技术的应用，利用基于计算中心电话交互技术的呼叫中心来改善服务。 IVR2.png IVR交互式语音应答技术的特点 IVR提供每周7天，每天24小时全天候服务。 顾客通过按键或语音选择，向企业主机输入信息，在允许范围内访问各类企业数据库，自助得到多种服务，令业务代表有更多的时间服务于有特别要求的顾客。 在容错方面，遇忙自动处理，以减少顾客不耐挂机；如遇线路故障自动报警等 IVR的文本与语音合成（Text-to-speech Synthesis）技术以事先录制好的清晰、圆润的音声为顾客服务。 IVR的多语种支持可根据不同要求用不同语言播放语音提示或咨询信息 IVR在各行业应用 银行为储户 帐户查询 各类卡激活 信用认证 基金查询 利率查询 姓名/住址变更 转帐 保险公司为保户 索赔/资格认证
5.9K40发布于 2019-05-27 - 来自专栏人工智能
重构出版：语音交互技术的冲击与机遇
重构出版：语音交互技术的冲击与机遇 1 摘要：语音交互技术是人工智能技术的重要分支，包括语音识别、语音合成和语义理解三个部分。语音交互技术不仅从出版实务上重构了出版业，而且重构了出版业的核心概念。 二十世纪后半叶，计算机科学取得巨大进步，让语音技术有了新的发展可能。计算机科学下的语音技术更多的是语音交互技术。语音交互的关键技术包括语音识别、语音合成、语义理解。 可以看出，目前语音交互技术的进步在于交互性，所谓“交互”不仅仅是人与人之间的交互，而且还包括人与机器之间的人机交互，语音中不同语种的交互，以及声音与文字等不同传播形态之间的媒介交互。 交互让原先处于受忽视状态的受众变成了具有充分主体性的用户，正是交互这一特质让语音交互技术改变了出版生态，它从出版实务和出版概念两方面重构了出版。 4 二、重构出版实务 语音交互技术深刻重构了出版实务。 语音交互技术作为整体来看，目前的所谓交互只能在语音和文本之间进行交互，而不能在语音和图像之间进行交互，可以翻译声音和文本但难以翻译图像，图像的内容无法读出来。
1.5K110发布于 2018-01-25 - 来自专栏VoiceVista语音智能
Sensory推出智能家电语音交互解决方案
该技术帮助家电厂商，为其智能厨房电器提供脱离云端的边缘侧本地语音交互。 Sensory TrulyNatural为产品提供高度智能的自然语音交互界面(Extremely intelligent natural language user interface)，所有语音交互在设备本地执行 TrulyNatural可以为设备提供灵活的语音用户交互界面，为各种特定应用领域(domain-specific application)，如厨房或家庭电器，车载娱乐系统(vehicle information systems)，机顶盒(set-top boxes)，家庭自动化产品(home automation)，移动APP和其他工业或企业应用，提供非常理想的用户语音交互体验。 在2020年CES期间，双方均会展示支持自然语言交互的微波炉产品。
2.4K20发布于 2020-01-02 - 来自专栏喔家ArchiSelf
语音交互设计的一点认知
语音用户界面（或VUI）是一种交互模型，在该模型中，人与机器进行交互，并至少部分通过使用语音来执行一组任务。 ? 实际上，这种方式的交互式语音应答（IVR）系统在银行业和旅游业中已经得到了广泛的应用。 理解对话 用户通常会就手头的特定任务进行语音对话。交互通常很短，来回的交互也很少。用户可以通过对话来完成一项任务，即使他们不忙，不能总是全神贯注。 随机问答是指用户与助手进行交互时没有特定的意图。他们只是想和助手聊天，谈兴趣，也许是想更多的彼此了解，建立一种关系。 ? 当然，语音交互有着自己的局限。 语音交互的部分关注点 人的一种主要行为，就把人的情绪联系起来，试图理解一个复杂的物体。 基于语音的交互或语音检测依赖于一个设备，该设备有一个性能良好的麦克风来捕捉/记录用户的指令，可以参考过去一篇文字。
1K20发布于 2019-02-26 - 来自专栏AI 大数据
【AI 语音】实时语音交互优化全解析：从 RTC 技术到双讲处理
本文将探讨如何优化 RTC 技术，提高语音交互的稳定性，并提供可运行的示例代码，以帮助开发者快速实现高质量的实时语音交互。 引言在智能语音助手、远程会议、智能客服等应用场景中，AI 语音交互的质量决定了用户体验。低延迟、高准确率的语音识别（ASR）和语音合成（TTS）是关键。 实时语音交互的关键技术RTC（Real-Time Communication）技术RTC 是实现低延迟语音交互的关键技术，常见的 RTC 框架包括 WebRTC、Agora RTC 和 Twilio。 总结本文介绍了 AI 在实时语音交互中的应用，分析了 RTC 技术的优化方法，并提出了解决双讲现象的 AI 方案。通过示例代码，展示了如何集成语音识别与合成，实现高质量语音交互。 未来展望未来，随着 AI 和 RTC 技术的进步，我们可以期待：更自然的语音合成，增强用户交互体验。更强的背景噪声处理，适用于复杂环境。更智能的双讲分离，提高多人语音交互的准确性。
3.5K10编辑于 2025-02-05 - 来自专栏喔家ArchiSelf
如何评测语音技能的智能程度（3）——交互流畅
【交互流畅】（2）响应速度/流畅度 服务稳定性保障了之后，接下来就是速度。 语音交互这件事，本身就是因为语音输入的高效性。 而在智能语音助手交互对话的过程中，又包含哪几个阶段呢？ ? 先明确一点，一味追求快并非是好。 而反馈样式则需要尽快呈现，有些智能助手语音播放完毕了，结果下面的内容还没加载到位。 5、人类总计2次交互，一次唤醒，一次表达意图，这2个行为过后，等待AI反馈。 这个教学行为大概要持续一小会，言传身教才能够学出如何进行语音交互。 如果没有我，我的父母将无法上手。这种依赖人，在旁边教的东西，实在是学习成本太高。 人机交互追求更加自然流畅，这一点必不可少。 当前的语音助手，只有在进入监听状态才可以做出反馈。 而进入监听的两种情况，一种是使用[唤醒词]，完成唤醒/打断的动作。
5.3K20发布于 2020-06-04
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号