机器要与人实现语音交互，那就需要完成三个步骤：ASR/NLP/TTS,对应的是“耳”、“脑”、“口”工作的内容：机器要听到人类说话，就离不开语音识别技术（ASR）；要让机器理解人类说话，需要将用户的指令转换为结构化的、机器可以理解的语言，就离不开自然语言处理（NLP）；让机器说话，即将从文本转换成语音，就离不开语音合成（TTS）。

ASR——语音识别技术

语音识别技术，也被称为自动语音识别 Automatic Speech Recognition，(ASR)，其目标是将人类的语音中的词汇内容转换为计算机可读的输入，例如按键、二进制编码或者字符序列。与说话人识别及说话人确认不同，后者尝试识别或确认发出语音的说话人而非其中所包含的词汇内容。

语音识别已经成为人们日常生活中常用的一种技术：例如小爱同学等语音助手运用的就是语音识别，微信里有一个功能是”文字语音转文字”，还有智能音箱这类以语音识别为核心的产品都是语音识别的应用。

NLP——自然语言处理

NLP（Natural Language Processing）的工作逻辑是：将用户的指令进行Domain(领域)→Intent(意图)→Slot(词槽)三级拆分。

“帮我定一个明早8：00的闹钟”为例：该指令命中的领域是“闹钟”，意图是“新建闹钟”，词槽是“明天8点”。这样，就将用户的意图拆分成机器可以处理的语言。

TTS——语音合成

TTS是Text To Speech的缩写，即“从文本到语音”，是人机对话的一部分，让机器能够说话。业内普遍使用两种做法：一种是拼接法，一种是参数法。欢迎一起交流技术问题。