當用戶對iPhone說話后，語音將被立即編碼，成為一個壓縮的數字文件，其中包含著所有有用的信息。這一信息將通過互聯(lián)網服務提供商(ISP)的網絡被發(fā)送至云計算服務器，而服務器中的模塊將識別用戶所說的內容。
　　與此同時，用戶的語音將在手機端被識別。安裝在手機中的語音識別器將與云計算服務器通信，了解指令是否適合在本地被處理。用戶的指令可能要求手機播放一首歌曲，而另一些指令則有可能需要手機連接至網絡，尋求進一步的幫助。如果語音識別器認為，手機內部模塊足以處理用戶的指令，那么將會告知云計算服務器，不再需要服務器的支持。
　　根據用戶的聲調和語序，服務器將對語音進行靜態(tài)對比，了解語音中包含哪些字母。與此同時，本地的語音識別器也將對用戶語音進行靜態(tài)對比。在服務器端和手機端，可能性最高的識別內容將優(yōu)先獲得處理。
　　此時，識別出的內容已經包含一系列的元音和輔音字母。隨后這些內容將被發(fā)送至一個語言模塊，以評估用戶的語音中包含哪些單詞。根據不同的可信度，計算機將創(chuàng)建一個用戶所說內容的列表。
　　如果判斷結果具有足夠的可信度，那么計算機將能理解用戶所說的內容，例如發(fā)送短信或查找聯(lián)系人列表中的聯(lián)系人。隨后用戶將會看到手機屏幕上出現(xiàn)所需的內容，而不必手動操作。在這一過程中，如果用戶的語音含義過于模糊，那么計算機將會詢問用戶，例如用戶希望查找的聯(lián)系人是埃里卡·奧爾森(Erica Olssen)還是埃里卡·施密特(Erica Schmidt)。

新浪科技