Amazon Alexa 语音识别1 ： 简介

Alexa是Amazon自家的语音识别技术，需要配合自家的Echo音箱使用。开发者可以在Amazon上建立自己的程序（Skill）来连接到自己的应用或是硬件。例如，用户家里有一套xx牌的智能灯，现在希望通过语音来控制。首先，用户对Echo音箱说出唤醒词（默认是Alexa，也可以设置为Echo），随后说出命令，如Ask xx to turn on the lights，xx是应用的关键词。随后，amazon在识别出用户的意图之后，会发起一个post请求到开发者的服务器上，开发者服务器对此请求作出回应并控制对应的灯泡。以上就是一个典型的请求和响应的流程。

识别的过程也是比较清楚的，首先Echo讲语音数据发送给Alexa识别，Alexa识别后会转化成开发者自定义的intent（不是文字，原始文字是拿不到的）和slots（如果有的话），将其post到开发者服务器上。开发者服务器对intent和slots进行分析，对不同的请求作出相应的动作和相应。这个过程中存在几个映射，1是语音到文字的映射，这是由Alexa完成的，开发者无法控制。2是文字到intent的映射，这个定义在Sample utterance files内，用户可以自行修改；这个映射通常是多对一，即多个文字可能对应相同的intent。第三个是intent到实际动作的映射，应用的intent数量和名字都定义在后台的intent schema内。至于每个intent要如何处理，是开发者自行在服务器上设定的。