口语理解SLU和自然语言理解NLU旨在帮助机器理解人类语言。主要的区别在于输入数据的类型。SLU处理的是理解语音，而NLU处理的是理解文本。NLU是SLU的一部分，无论它是否被独立训练。
对NLU的研究开始于20世纪60年代：Bobrow的博士论文Weizenbaum的ELIZA，一个模拟心理治疗师的聊天机器人，以及Winograd的SHRDLU是这个领域的先驱作品。SLU的流行始于最近由深度学习驱动的语音识别的进展。在亚马逊和微软的研究出版物网站上，查询 "口语 "可以得到超过1000项研究。
传统的SLU方法
传统的SLU分两步处理语料--首先是语音到文本（STT），然后是NLU。一旦STT将语音转录为文本，NLU就通过处理转录的文本来提取意义。其性能依赖于独立训练的STT和NLU模块。如果STT返回错误的输出，那么它就会导致NLU的预测不正确。因此，机器无法捕捉到人类所说的内容。许多语音应用程序，包括语音助手--Alexa、Siri和Google都使用这种方法。
端到端SLU方法
现代的SLU使用一个端到端的模型，而不是两个不同的组件。开发人员联合训练STT和NLU，从而获得更高的准确性。
Picovoice称之为Speech-to-Intent，因为它直接从语音中推断用户的意图。亚马逊称其为FANS--融合ASR和NLU的SLU。
传统的SLU方法与端到端SLU方法的对比
答案是 "这取决于"。这取决于语料库和信息的可用性。如果有，那么答案就是现代端到端SLU。如果没有，那就是传统的SLU。基于文本的理解（NLU）比基于语音的理解（SLU）存在的时间更长。因此，它有更丰富的数据集。
对于特定领域的应用，如IVR系统、网站上的菜单导航或在QSR订餐，现代的端到端SLU是比较好的。没有人会在点汉堡包时与语音助手讨论生命的意义。对于开放领域的用例，如Alexa这样的语音助手，考虑到它们所涵盖的各种主题，传统的级联SLU效果更好。人们可以与Alexa讨论生命的意义--尽管有更好的选择。
市场上顶级的SLU和NLU引擎
免费和开源的SLU和NLU引擎：
****Rasa：Rasa是一个开源的NLU引擎，可以处理文本输入。核心软件是免费的，Rasa提供付费支持和咨询服务。任何人都可以选择一个语音到文本服务，并在转录的文本上运行Rasa。
Snips：Snips是一个开源的SLU引擎，使用传统方法。在被Sonos收购后，Snips不再维护它。然而，GitHub上仍有回购，并被开发者使用。
Wit.ai：Wit.ai是一个免费平台，被Facebook收购后，现在需要一个Facebook账户。如果一个人不（想）有一个Facebook账户或删除它，那么他们就不能使用Wit。
顶级付费SLU和NLU引擎：
Dialogflow：谷歌在收购API.ai后，将其命名为Dialogflow，并以同一名称提供聊天机器人和语音机器人工具。它采用的是传统的方法。Dialogflow记录并将语音数据发送到谷歌的服务器进行转录，然后处理转录的文本。它根据使用情况收费。
Lex：亚马逊的Lex是一个AWS产品。与Dialogflow一样，Lex提供文本和语音功能，使用传统方法，并在其云中分别转录语音和理解。它按使用量收费。
Rhino：Picovoice的Rhino是一个SLU引擎，使用端到端方法，直接从语音中推断出意图和意图细节。Rhino是基于语音的，不支持基于文本的服务。它根据用户的数量收费，并为每个用户提供无限的互动。
