语音交互机器人
语音交互机器人常用于呼入和呼出场景，这两种场景，数据流一般都是：
当然也会有IOT场景，会涉及语音唤醒VAD等，这些场景都会涉及到对话管理模块。
指标体系
ASR
ASR（Automatic Speech Recognition），即自动语音识别，是把声音转换成文字的技术。
一般它主要有两个指标，句识别率和字正确率。但是我们在工作中经常性说的98%这个值，一般都是说字正确率，它忽略了插入错误。
其实，一般会说三个值。字错误率，字正确率，字精确率。
我们知道，ASR的转写结果一般有以下四类：
正确，即正确的字数，H；
错误（替换），即错误的字数，S；
插入，插入的字数，I；
删除（缺失），删除的字数，D；
N为 （替换 + 删除 + 正确）的字数；
字错误率（CER：Character Error Rate）
CER=（S + D + I ） / N = （S + D + I ） / （S + D + C ）
实际测试时，如果样本量较小，很可能出现错误率大于100%的情况，当然，大样本几乎不可能出现，不然你的模型也太差了。
字正确率（Word Correct）
W.Corr = C / N
国内厂商宣传一般，都用这个值，只管正确的，忽略了插入的。
字准确率 （Word Accuracy）
W.Acc = （C - I）/ N
但是，实际上，ACC才是能准确反映ASR能力的指标。
当I=0时，ACC=W.Corr,
可以看出来，Acc一般比Corr要小。