AI智能语音技术与产业创新实践

目录



第 1章　从人际交流到人机对话　001

1.1　语言“塑造”了人类　002

1.1.1　语言在人类进化过程中的作用　003

1.1.2　语言的功能　004

1.2　语言与语言科学　005

1.2.1　人类语言概况　005

1.2.2　和语言有关的科学与技术　007

1.3　语音的产生与感知　008

1.3.1　语音交互与言语链　008

1.3.2　语音的声学基础　009

1.3.3　语音产生的生理基础　015

1.4　人与机器的对话　021

1.4.1　人类语言交际的转向　021

1.4.2　语音的数字化表达　022



第 2章　智能语音基本技术　027

2.1　主流的语音交互技术　028

2.1.1　语音识别　029

2.1.2　声纹识别　048

2.1.3　语音合成　060

2.1.4　自然语言处理　070

2.1.5　对话管理　082

2.1.6　角色分离　086

2.1.7　语音增强　091

2.2　深度学习成为加速器：新技术到“黑科技”　106

2.2.1　端到端技术　106

2.2.2　预训练机制　110

2.2.3　模型压缩和轻量化部署　117



第3章　智能语音产业发展　125



3.1　产业环境　126

3.1.1　产业发展历程　126

3.1.2　重点政策解析　127

3.1.3　发展规划布局　132

3.1.4　创新合作模式　133

3.2　市场及生态　134

3.2.1　行业市场价值逐渐释放　134

3.2.2　生态格局呈现多元化　137

3.2.3　企业成长方面的一些思考　146

3.3　标准及规范　148

3.3.1　技术评估指标介绍　148

3.3.2　国内外标准制定现状　153

3.3.3　标准需求及发展趋势　160

3.4　产业应用创新实践　161

3.4.1　“AI语音 终端”：消费级市场潜力显现，

　疫情催发新业态　162

3.4.2　“AI语音 服务”：智能语音深度赋能平台

　服务　171

3.4.3　“AI语音 场景”：突破价值释放“后

　一公里”　180







第4章　AI语音与热点话题和技术：千丝万缕的联系　207



4.1　语音 大数据 云　208

4.1.1　我们身边的大数据　208

4.1.2　语音的特殊身份　209

4.1.3　数据类型与存储　210

4.1.4　语音结构化　213

4.2　语音 安全　220

4.2.1　语音欺诈，又一个潘多拉盒子　220

4.2.2　知己知彼：了解和研究语音欺诈、攻击

　手段　221

4.2.3　降维打击 ：抗攻击防欺诈的一张盾牌　225

4.2.4　国内政策法规的保护臂膀　227

4.2.5　个人语音数据全生命周期的安全建议　228

4.3　语音 普惠服务　229

4.3.1　新技术的应用要做到普惠　229

4.3.2　智能语音技术可以提供什么样的普惠服务　230

4.3.3　科技和人类的和谐共生　235

4.4　语音 多模态交互　235

4.4.1　语音交互新挑战和探索　235

4.4.2　多模态交互成为趋势　236

4.4.3　语音助手向智慧助手发展　237



结束语　239



参考文献　245