CTI論壇(ctiforum.com)（編譯/老秦）:語音體驗無處不在，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)境互動的方式，正在推動下一波消費者和員工體驗。事實上，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語音識別的采用。

　　由于開發(fā)人員利用了這種新的通信模式，因此在創(chuàng)建健壯的用戶體驗時，瀏覽所有不同的組件可能會很棘手。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獲得成功。以下是創(chuàng)建強健的語音體驗時要避免的四個關(guān)鍵事項：

　　忽略音頻源的質(zhì)量。基于語音的體驗在很大程度上取決于音頻輸入的質(zhì)量和融入體驗的轉(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，因為低質(zhì)量的語音音頻不僅很難聽到，而且會使開發(fā)您的語音體驗變得更加困難。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，與您的團隊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)航的實時功能的提供商是現(xiàn)實的目標(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、實時能力、可擴展性和定制培訓(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，但選擇一種對每種功能都很好的ASR技術(shù)將使您的語音體驗更好，因為它們會隨著最終用戶的需求而變化和增長。

　　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在電腦上運行，你就不需要擔(dān)心連接和帶寬。另一方面，如果您的團隊成員主要使用可能出現(xiàn)連接問題的移動設(shè)備，那么您應(yīng)該選擇針對低帶寬進行優(yōu)化的最適合的音頻編解碼器，這樣您就不會占用用戶的網(wǎng)絡(luò)連接。對封閉源代碼音頻編解碼器保持警惕也很好，因為它不需要標(biāo)準(zhǔn)化。只要有可能，就嘗試使用開源音頻編解碼器。