Speech AI（语音AI）

Speech AI涵盖语音识别（ASR）、语音合成（TTS）、声纹识别等。早期基于HMM-GMM，后转向深度神经网络，如CTC、Transformer架构。Whisper实现多语言鲁棒识别，WaveNet生成自然语音。当前趋势是端到端模型与自监督学习，如wav2vec 2.0，推动语音交互在智能助手、客服、无障碍等场景落地。