离线语音指令识别简介¶
1. 离线语音（指令）识别¶
ASR(Automatic Speech Recognition) 自动语音识别,指通过算法将人类语音实时转换为文本的技术,离线语音指令识别是语音识别的一种，离线语音指令识别是一种在 本地设备 （不依赖云端服务器，不联网）实时处理语音信号，并将其转换为预定义文本指令的技术。它通过设备内置的算法模型直接解析用户说出的关键词或短语，触发相应的本地操作。
2. 相关术语说明¶
VAD（Voice Activity Detection）: 语音活动检测，识别音频流中人声的开始与结束点;
唤醒词（Wake Word）：激活语音系统的起始词（如“启英泰伦”），使设备进入指令监听状态；
命令词（Command Word）：在唤醒后识别，触发具体操作的语音指令（如“打开空调”）；
OneShot ：唤醒词+命令词一次性说完（如“启英泰伦打开空调”），无需分两步操作;
置信度阈值 ：识别结果可信度分数（0~255），高于阈值才触发操作例：阈值=40时，“打开空调”识别分数超过40则执行，可用于平衡误触发率与漏识别率；
语义槽位 ：从指令中提取的关键参数 例：“调高温度到25度” → 槽位 {动作:调高, 对象:温度, 值:25}，实现复杂指令解析。