CTI論壇(ctiforum.com)（編譯/老秦）:語音體驗(yàn)無處不在，從家中的智能技術(shù)到汽車中的命令。語音是一種新興的、更人性化的與周圍環(huán)境互動(dòng)的方式，正在推動(dòng)下一波消費(fèi)者和員工體驗(yàn)。事實(shí)上，Opus的研究發(fā)現(xiàn)，80%的受訪者認(rèn)為流感大流行加速了自動(dòng)語音識(shí)別的采用。

　　由于開發(fā)人員利用了這種新的通信模式，因此在創(chuàng)建健壯的用戶體驗(yàn)時(shí)，瀏覽所有不同的組件可能會(huì)很棘手。作為一名專注于人工智能通信領(lǐng)域的首席技術(shù)官，我與許多客戶交談，了解他們需要什么才能使他們的語音體驗(yàn)獲得成功。以下是創(chuàng)建強(qiáng)健的語音體驗(yàn)時(shí)要避免的四個(gè)關(guān)鍵事項(xiàng)：

　　忽略音頻源的質(zhì)量。基于語音的體驗(yàn)在很大程度上取決于音頻輸入的質(zhì)量和融入體驗(yàn)的轉(zhuǎn)錄能力。作為一名開發(fā)人員，提倡高質(zhì)量的語音數(shù)據(jù)非常重要，因?yàn)榈唾|(zhì)量的語音音頻不僅很難聽到，而且會(huì)使開發(fā)您的語音體驗(yàn)變得更加困難。確保您使用的是良好的語音格式，并采用FLAC和Opus等標(biāo)準(zhǔn)，這些標(biāo)準(zhǔn)提供了良好的壓縮和優(yōu)化。好的ASR提供商將能夠處理您擁有的任何數(shù)據(jù)，但如果您避免使用低采樣率（如8kHz），而使用更高質(zhì)量的采樣率（如16kHz），您的數(shù)據(jù)將更干凈。在一天結(jié)束時(shí)，與您的團(tuán)隊(duì)合作以確保您的錄音要求被聽到是很重要的。

　　依靠具有剛性架構(gòu)的ASR。我經(jīng)常看到開發(fā)人員被鎖定在提供最小靈活性的現(xiàn)成解決方案中。尋找一家提供低成本解決方案和易于導(dǎo)航的實(shí)時(shí)功能的提供商是現(xiàn)實(shí)的目標(biāo)，但沒有一種適合所有人的解決方案。開發(fā)者需要確切地知道他們希望從音頻數(shù)據(jù)中得到什么，這樣他們就可以選擇一種技術(shù)來分析最相關(guān)的見解。尋找能夠提供部署靈活性和速度、高精度、實(shí)時(shí)能力、可擴(kuò)展性和定制培訓(xùn)的提供商非常重要。這些功能的重要性排名將根據(jù)您的使用情況而有所不同，但選擇一種對(duì)每種功能都很好的ASR技術(shù)將使您的語音體驗(yàn)更好，因?yàn)樗鼈儠?huì)隨著最終用戶的需求而變化和增長(zhǎng)。

　　忽略應(yīng)用程序?qū)⒃谄渲惺褂玫纳舷挛摹?/strong>如果你想讓你的語音體驗(yàn)在電腦上運(yùn)行，你就不需要擔(dān)心連接和帶寬。另一方面，如果您的團(tuán)隊(duì)成員主要使用可能出現(xiàn)連接問題的移動(dòng)設(shè)備，那么您應(yīng)該選擇針對(duì)低帶寬進(jìn)行優(yōu)化的最適合的音頻編解碼器，這樣您就不會(huì)占用用戶的網(wǎng)絡(luò)連接。對(duì)封閉源代碼音頻編解碼器保持警惕也很好，因?yàn)樗�不需要�?biāo)準(zhǔn)化。只要有可能，就嘗試使用開源音頻編解碼器。