上面提到的小姐姐们都是人工智能的衍生产物，语音助理。

她们的完成任务的主要过程是：

把人的发音转化成文字→理解意思（拆分，抓取关键信息）→处理信息→做出反馈（完成你布置的任务或者是调戏回来）

这其中用到了一项科技：自然语言处理 ，以下简称 NLP （Natural Language Processing ) 。这项技术是人工智能和语言学的分支。

注：NLP是一门很深奥的学问，涉及了大量数学模型和计算机理论知识。本文为了可读性，牺牲了一定（大部分）严谨（准确）性，如有 NLP 大神觉得有误，请轻轻拍打差评君的脸（喂，不要抚摸！）

差评君来稍微说一下语音转文字的过程~

声音是一种波，当你的智能设备收到你的话的时候，其实是收到了声波。

首先，这段声波会被剔除掉噪音，然后被截成很小的单位，小到不能再小（比如说人民币现在最小只能到 “ 分 ”）

机器会把每 3 个（可能不止 3 个）最小单位会组成一个音素。（音素是发音的最小单位）

最后，根据这些音素可以组成文字。

最小单位组成音素

图片引用自知乎用户@张俊博的回答

相信大家多半看蒙了，举个简单的例子（为了科普，此例子不太严谨）小黑胖说了一句 “ 我想吃鸡腿 ”。

语音识别系统会把这句话拆分成最基本的单位状态，再把最基本状态*成 w，o, x，i，ang, ch，i, j，i, t，ui 这么多个音素，再根据自身样本数据，分析这些音素组成哪些字的概率最大，根据统计学的原理来还原成文字。

（其实中文还涉及到了同声字多，存在音调等问题，实际处理时远比差评君这里说的复杂）

至此，已经把语音变成文字，为了防止人工智能变成人工智障，接下来 AI 小姐姐们就要从文字中试图理解语义并且做出反应了~

对于计算机来说，理解语义的第一步是拆分语句。把 “ 我想吃鸡腿 ” 拆分成 “ 我/想/吃/鸡腿 "。然后，抓取有可能是命令的关键信息，例如我/想/吃。再分析额外信息，鸡腿！

接着，AI 小姐姐会处理这句话，找出相应的应对措施：吃 -> 找个饭店，鸡腿 -> 鸡肉料理

小姐姐就会觉得你是想找鸡腿吃了！然后直接调查数据库，找配对。最终输出结果：