软件如Siri,接受语音命令并适当地回答这些问题(98%)。我想知道当我们编写一个软件来接受语音信号的输入流并回答这些问题时,我们是否需要将输入转换成可读的人类语言,例如英语?
就像在自然界中我们有很多不同的语言,但当我们说话时,我们基本上会发出不同的噪音。这就是它的全部。然而,我们已经创建了所谓的字母表来表示那些噪音变化。
因此,我的问题是,当我们编写语音识别算法时,我们是将那些噪音变化信号与我们的数据库匹配,还是先将那些噪音变化转换成英语,然后再从数据库中检索要回答的信息?
就像在自然界中我们有很多不同的语言,但当我们说话时,我们基本上会发出不同的噪音。这就是它的全部。然而,我们已经创建了所谓的字母表来表示那些噪音变化。
因此,我的问题是,当我们编写语音识别算法时,我们是将那些噪音变化信号与我们的数据库匹配,还是先将那些噪音变化转换成英语,然后再从数据库中检索要回答的信息?