一个会后空翻、会开门、会爬楼梯的AI。
最近，我们实验室就来了一批mini版的机器狗，虽然不会各种高难度杂技动作，但在我们各种捣鼓下，现在特别“能说会道”。
当前，采用API访问云端实现诸如语音识别、语音合成模块功能，逐渐可以简化或者取代一些复杂的本地资源部署，快速实现相应的功能。
但对于一些语音交互科研机器人，语音服务经常面临本地部署设备数目少、部署成本高、维护麻烦等问题。寻求低成本、部署方便、语音合成迅速的语音交互服务模块，成为设计语音交互机器人的关键瓶颈。
这次，我们对机器狗科研Demo样机搭载语音识别ASR、自然语言处理NLP、语音合成TTS服务，从而实现准确快速的语音识别、多音色富有情感的语音合成、语音运动控制、智能提醒等功能。
针对上述要求，我们选用了华为云的语音识别ASR、语音合成TTS以及自然语言处理NLP产品。具体实验改造过程其实很简单，分为三步：
图：业务架构图/方案截图：
控制指令识别：通过语音识别服务，在本地通过正则匹配，数据库对比等操作，得到语音信息中的控制指令信息，用于机器人的语音控制。
对话语音的语音转写：运用语音识别服务，获取语音信息中相应的文字信息，用于自然语言处理模块的文本输入，或者对话机器人API的输入。
自然语言处理：通过华为云的自然语言处理服务，得到相应的回复语言，用于智能对话、智能提醒等功能。
语音合成功能：运用华为云的语音合成服务实现对答文本的语音合成服务。
虽然身形没有波士顿动力的机器狗灵巧，但是在语音对话方面，这只机器狗或许要略胜一筹。
体验下来，华为云的语音识别类产品还是相当不错的。
首先它简化了语音交互模块的配置，学生可以轻松通过API调用的方式实现语音识别、语音合成等服务，简单便捷。
其次，提升了语音交互的质量。得益于华为云低延时高速的特性，在线服务可以与本地服务媲美，语音识别准确率很高，同时语音合成提供了多种语音交互音色供开发者使用。遗憾的是，当前对长语音的识别速度需要进一步优化，而且语音合成可以考虑中英语音的合成，提升中英语音合成的情感度，衔接的自然度。