這兩年AI最火的非智能音箱莫屬，為搶占入口，市場上語音產品層出不窮，現(xiàn)已是一片紅海，智能音箱已經成大廠們的標配產品或是戰(zhàn)略中的一部分。那問題來了，沒有大廠技術基因，沒有NLP?(Natural Language Processing)?技術背景的小公司，應該怎么做“AI”智能語音產品呢？

一、選擇第三方NLP開放平臺

NLP技術沉淀周期過長，投入會很大，選擇第三方開放平臺想必是小公司最好的選擇，推薦三個AI語音開放平臺：

• 科大訊飛開放平臺；
• 百度AI開放平；
• 搜狗云知音。

二、明確技術分工

上圖是引入單個NLP的對接方案，通過任務分解，可以很清楚知道，哪些是第三方平臺做的，哪些是我們要做的。

NLP底層識別交給第三方開放平臺：

• ASR (Automatic Speech Recognition,自動語音識別)：作用是將語音輸入轉化為文本文字
• NLU后臺 (Natural Language Understanding,自然語言理解)：開放給使用者的一套自定義語義系統(tǒng)
• TTS (Text To Speech,文本轉語音)：用于文本轉語音
• 喚醒模型：預置喚醒詞，當用戶發(fā)出該語音指令時，設備便從休眠狀態(tài)中被喚醒，并作出指定響應，喚醒詞需要反復訓練提升喚醒率，降低誤喚醒。
• OS（Operating System）： OS在執(zhí)行層面發(fā)揮的巨大作用，比如：正在執(zhí)行播放音樂，你想關閉、切換歌曲，這時候OS就顯示出他的作用了
• 系統(tǒng)垂類：開放平臺所帶的系統(tǒng)技能

NLU補充、執(zhí)行干預、運營系統(tǒng)是我們需要做的。

三、談談我們要做的內容

底層工作交給開放平臺之后，我們需要搭建自己的運營管理系統(tǒng)，開發(fā)自己想要的技能。

技能

相當于垂類，簡單的說就是某個應用程序，語音作為入口打開應用，像音樂、新聞、天氣、笑話等都屬于技能，比如：講個笑話，語音產品執(zhí)行打開了“笑話”應用，給你返回一條笑話內容。

技能決定了產品內容的廣度，技能可以是自制，比如：鬧鐘，也可以從第三方合作引進，像“抖音”、“微信”這樣自帶流量的第三方估計想必都想接入吧，對于一個智能產品來說，技能自然多多益善。至于需要多少，看公司的產品定位、業(yè)務、成本等因素綜合考慮。

自定義NLU

給你的技能配置語義，基于開放平臺下建立自己產品的自定義NLU語義內容，NLU主要由三個方面構成，語義文本、意圖、參數(shù)。

語義文本（Text）

語義文本設計目的是為了能聽得懂用戶聲音，同一個請求，每個用戶說法都不一樣。舉個簡單的例子，比如：幫我放首周杰倫的歌，來點周杰倫音樂，周杰倫的音樂有沒有。設計語義文本時，既要使用正規(guī)的主謂賓結構，又要考慮到特殊的說法，語義要盡量覆蓋全。

意圖（Intent）

意圖指用戶的具體請求或目的，一個意圖可以包含多個語義文本。舉例：明天早上8點叫我起床，定明天早上8點鐘的鬧鐘，都屬于新增鬧鐘意圖。通常意圖依賴于技能，舉例的意圖就屬于鬧鐘技能。

詳細參數(shù)（Detail）

讀懂用戶說什么后，需要根據(jù)用戶的意圖作出相應的反饋，參數(shù)設計就顯得特別重要了。NLP平臺做法是當語義文本輸入命中意圖后，通過接口將自定義NLU的參數(shù)傳達給后臺。參數(shù)存在的目的是要告訴后臺，接下來你要做什么。

還是用歌曲的例子來說明：

語義告訴后臺，命中MUSIC意圖，執(zhí)行音樂技能，播放作者為“周杰倫”的歌曲。

產品交互規(guī)則

拿到了NLP傳達的參數(shù)指令，接下來系統(tǒng)要做的是給用戶反饋結果。

命中到NLP系統(tǒng)自帶的技能，如果你不做干預的話，系統(tǒng)可以直接給出結果。

命中不是系統(tǒng)技能意圖或干預系統(tǒng)自帶技能，需要根據(jù)參數(shù)開發(fā)相應的功能。

最后

沒有語音識別技術同樣可以打造一款智能語音產品，它可以成為你的產品體系里的一部分。因為出身決定了它的造價成本會很高，如果脫離產品體系，將該語音產品單獨為投入市場，至少在價格上缺乏競爭力。

本文由 @?ivan 原創(chuàng)發(fā)布于人人都是產品經理。未經許可，禁止轉載

題圖來自Unsplash，基于CC0協(xié)議