語音技術(shù)開發(fā)應(yīng)用探究

廣州廣電運(yùn)通金融電子股份有限公司 黃峻遠(yuǎn)

隨著經(jīng)濟(jì)的發(fā)展和科技的進(jìn)步，人工智能作為科技前沿產(chǎn)品逐漸發(fā)展起來，近年來，由于市場(chǎng)經(jīng)濟(jì)的發(fā)展，人工智能逐漸被應(yīng)用于各個(gè)領(lǐng)域，主要體現(xiàn)在金融設(shè)備、交通設(shè)備領(lǐng)域、便民領(lǐng)域、文化旅游領(lǐng)域等。語音識(shí)別等智能設(shè)備更是受人們所接受，人們開始普遍使用帶語音識(shí)別的設(shè)備，本文就語音技術(shù)的開發(fā)與研究進(jìn)行了詳細(xì)的分析并提出相關(guān)案例。

一、引言

傳統(tǒng)的人機(jī)交互方式一般通過鼠標(biāo)、鍵盤、觸摸屏、金屬密碼鍵盤或手寫筆等進(jìn)行輸入，并通過顯示器輸出，這些方式都具有或多或少的不方便、不智能。隨著科學(xué)技術(shù)的發(fā)展，語音識(shí)別技術(shù)、語音交互技術(shù)越來越成熟，也更多的應(yīng)用到各個(gè)領(lǐng)域，如：金融領(lǐng)域、家居領(lǐng)域、工業(yè)智造、便民領(lǐng)域等。語音是人們交流情感，思想溝通等較為方便直接的方法，由于其便捷及更貼近人們生活方式，未來語音技術(shù)將成為人們與設(shè)備之間溝通的最主要的手段。目前語音技術(shù)應(yīng)用較為廣泛的如：微軟小冰、米聊、蘋果siri等。本文著重針對(duì)語音技術(shù)進(jìn)行詳細(xì)的分析及研究。語音技術(shù)主要包括語音合成和語音識(shí)別兩項(xiàng)關(guān)鍵技術(shù)。

二、語音識(shí)別/合成技術(shù)特點(diǎn)及流程介紹

語音識(shí)別的目的主要是將人們的語音轉(zhuǎn)化成計(jì)算機(jī)能夠處理的數(shù)據(jù)，可以認(rèn)為是將聲波通過語音電路板轉(zhuǎn)化成頻波，再轉(zhuǎn)化成計(jì)算機(jī)能夠識(shí)別的二進(jìn)制，從而實(shí)現(xiàn)語音識(shí)別。

語音合成主要是將文字、數(shù)字信息通過計(jì)算機(jī)設(shè)備轉(zhuǎn)化成實(shí)際的語音。

其中TTS稱文字語言轉(zhuǎn)化技術(shù)。語音合成技術(shù)較為成熟，已經(jīng)發(fā)展多年，從語音玩具，手機(jī)語音軟件等發(fā)展起來。

三、語音交互系統(tǒng)介紹

有了語音識(shí)別和語音合成技術(shù)，就可以實(shí)現(xiàn)人與機(jī)器的溝通與交流，在此背景下，具備語音技術(shù)的人工智能技術(shù)便應(yīng)運(yùn)而生。因此便有了天貓精靈，小米AI音箱，蘋果siri，OPPO小歐語音助手等交互設(shè)備及軟件。

那么怎么實(shí)現(xiàn)人與機(jī)器之間的語音交互呢，首先需要機(jī)器建立一個(gè)算法庫，在獲取的人的語音時(shí)，通過麥克風(fēng)拾音，并轉(zhuǎn)化成文字，然后在庫中查找與該輸入文字相匹配的內(nèi)容。如果匹配成功，則機(jī)器返回需要的回答信息或執(zhí)行相關(guān)操作。如果在本地機(jī)器沒有搜索到對(duì)應(yīng)的內(nèi)容，還可以通過網(wǎng)絡(luò)，從網(wǎng)絡(luò)上爬蟲與輸入相關(guān)的信息或者使用開源的API接口得到回答信息。

語音技術(shù)的交互及應(yīng)答，我們分為即時(shí)性問題，一般性問題，控制命令等。

1、語音識(shí)別即時(shí)性問題

對(duì)于一些問題的回復(fù)不是很固定或者具有實(shí)時(shí)性或者具有時(shí)效性的，常常需要形成即時(shí)性問題算法庫，往往需要機(jī)器自行組織語言。并提供合理的滿足現(xiàn)有情況的回復(fù)。如果該類問題無法再庫上查詢到，可通過算法實(shí)現(xiàn)從網(wǎng)絡(luò)上爬蟲與輸入相關(guān)的信息，并反饋。例如：

問題：今天是幾號(hào)？

回答：今天是“日期查詢”

問題：今天的天氣怎樣？

回答：今天天氣“天氣查詢”。

問題：現(xiàn)在的室內(nèi)溫度是多少？

回答：現(xiàn)在溫度是“溫度查詢”

2、語音識(shí)別一般性問題

一般性問題問答庫將我們常見的問題歸類成庫，以問題，回答的形式存在，并建立問題和回答一一對(duì)應(yīng)的關(guān)系，形成標(biāo)簽，便于問題和回答的更改，同時(shí)具備刪減和增加的操作。例如：

問題：你好

回答：你好

問題：你叫什么名字？

回答：我叫小冰

問題：你是女孩還是男孩?

回答：我是女孩的

具體到金融行業(yè)導(dǎo)引機(jī)器人示例如下：

問題：怎么開通手機(jī)銀行？

回答：通過超級(jí)柜臺(tái)插入銀行卡，點(diǎn)擊“手機(jī)銀行業(yè)務(wù)”，進(jìn)去后點(diǎn)擊“開通”即可。

問題：如何申請(qǐng)銀行卡？

回答：通過超級(jí)柜臺(tái)插入身份證，根據(jù)流程申請(qǐng)銀行卡辦理業(yè)務(wù)，實(shí)現(xiàn)申辦卡片業(yè)務(wù)。

3、語言識(shí)別控制命令

機(jī)器通過語音接收到控制命令的指令后，是需要執(zhí)行一定的動(dòng)作來完成任務(wù)的，而不是與人進(jìn)行語音交流與溝通。要支持該類庫，需要機(jī)器具備一定的硬件支持。一般可通過步進(jìn)電機(jī)，直流電機(jī)，閥門，顯示等外設(shè)設(shè)備來支撐。例如：

問題：抬手

回答：“執(zhí)行機(jī)械手往上抬的動(dòng)作”。

問題：先前移動(dòng)

回答：“機(jī)器往前移動(dòng)”

問題：打開閥門

回答：“機(jī)器自動(dòng)打開閥門”

四、語音識(shí)別案例

目前行業(yè)內(nèi)有多種語音識(shí)別的電路板及支持語音識(shí)別的云后臺(tái)，采用這些成熟產(chǎn)品，開發(fā)者可以根據(jù)實(shí)際應(yīng)用需求開發(fā)出符合用戶需求的產(chǎn)品，簡(jiǎn)單又便捷。這里簡(jiǎn)單介紹兩種類型的語音識(shí)別應(yīng)用，可用于不同領(lǐng)域不同場(chǎng)景：

1、基于科大訊飛陣列麥WINDOWS系統(tǒng)語音識(shí)別方案

科大訊飛是專業(yè)從事智能語音及語言技術(shù)研究、軟件及芯片產(chǎn)品開發(fā)的集成化企業(yè)。其產(chǎn)品具備語音定位、拾音、降噪、采集于一體，并具備將語音轉(zhuǎn)化為文字的云計(jì)算語音識(shí)別平臺(tái)，同時(shí)具備深度學(xué)習(xí)的能力。

工控機(jī)是基于windows系統(tǒng)平臺(tái)，用戶通過科大訊飛陣列麥?zhǔn)耙簦瑐魉偷焦た貦C(jī)，工控機(jī)將語音信號(hào)以文件的形式發(fā)送到服務(wù)器，服務(wù)器再使用訊飛云端的語音識(shí)別算法API接口將該語音信號(hào)傳送到訊飛云服務(wù)器，當(dāng)訊飛云服務(wù)器完成語音識(shí)別后，將對(duì)應(yīng)的字符串或文字等信息傳回本地服務(wù)器。服務(wù)器再將信息傳回工控機(jī)，工控機(jī)再根據(jù)實(shí)際的應(yīng)用反饋到機(jī)器，并按預(yù)定的算法查找對(duì)應(yīng)的庫，完成一般問題回答或者即時(shí)性問題回答或者執(zhí)行不同的命令完成整個(gè)控制流程。

2、基于TI音頻解碼器的瘋殼CC3200AI嵌入式語音識(shí)別方案

TI官方的AIC3254低功耗，低電壓立體聲音音頻解碼器，具有可編程輸入，輸出，該音頻解碼器搭配TPA2012音頻放大器，可實(shí)現(xiàn)語音采集功能。具有成本低、集成度高等特點(diǎn)。

用戶通過語音采集卡采集到語音，并通過I2C接口傳送到CC3200，CC3200通過wifi將語音信號(hào)傳送到服務(wù)器，服務(wù)器使用百度AI服務(wù)器提供的語音識(shí)別接口將語音信號(hào)打包送到百度AI服務(wù)器；當(dāng)語音識(shí)別成功后，百度服務(wù)器將識(shí)別的字符串返回到本地服務(wù)器，本地服務(wù)器再通過wi fi將信息發(fā)送到CC3200主控，CC3200主控再根據(jù)實(shí)際的業(yè)務(wù)需要，執(zhí)行相關(guān)的動(dòng)作或者顯示或者調(diào)用其他算法執(zhí)行語音交互內(nèi)容。

五、結(jié)語

2018年是我國人工智能元年，在這幾年的發(fā)展中，涌現(xiàn)了許多以語音識(shí)別技術(shù)、人臉識(shí)別技術(shù)為代表的新型企業(yè)，涌現(xiàn)了大批實(shí)用、便利的產(chǎn)品，極大的方便了廣大的人民。本文重點(diǎn)講述了語音識(shí)別技術(shù)、語音合成技術(shù)，介紹了其基本的概念和應(yīng)用。后期人工智能的發(fā)展需要社會(huì)各界、企事業(yè)單位、科研單位的開發(fā)人員以創(chuàng)新的思維開發(fā)出更多，更具跨時(shí)代意義的產(chǎn)品。