基于智能語音助手的桌面懸浮App的設計及研究

鐘璐榕，許哲昊，胡芳雨，喬子怡，黃光莉

摘要：智能語音的發展被不斷推進，語音助手作為其主流成果備受關注，人機交互讓人們真切地體會到了科技的飛速發展。由于社會的快節奏生活，陪伴成了一個不可忽視的問題，不論是青年人還是老人都渴望獲得陪伴，那么運用人工智能來協調這個問題，在一定程度上能夠滿足人們的需要。對智能語音助手的發展現狀和問題進行分析，基于智能語音助手 、RAP+AI等技術概念，提出此桌面懸浮App產品的設計和研究。

關鍵詞：智能語音助手；AI；桌面懸浮App設計

中圖分類號：TP18? ? ? 文獻標識碼：A

文章編號：1009-3044（2022）35-0050-03

1 引言

隨著時代和科技的高速發展，人們對手機的依靠性越來越強，同時人們越來越缺乏面對面的溝通和交流，而智能語音助手更好的服務和陪伴受到人們的期待。考慮到青年人和老年人是社會的重要群體，因而設計出一款實用性強、操作便捷且能夠滿足于學生、白領和老年人群體的軟件產品將能夠擁有廣闊的市場發展前景。該文通過查閱相關文獻資料和期刊及關注時事新聞等方法來了解AI技術和智能語音助手的發展、軟件設計及其開發的流程，從而更加充分地探討桌面懸浮App的設計與研究。

2 智能語音助手的發展和分析

2.1 國外發展研究

1966年，科學家約瑟夫·魏森鮑姆開發了最早的聊天機器人系統——ELISA，該系統首次應用于醫學領域。之后相繼有許多科學家和學者紛紛投入聊天機器人系統的研究。目前各大廠商紛紛布局人工智能的市場，如微軟的Cortanna、亞馬遜（Alexa）、谷歌助手（Google）和蘋果語音助手（Siri）。

2.2 國內發展研究

因缺乏理論知識和技術以及創新能力的不足，我國在人工智能領域的發展較晚，面臨挑戰是不可避免的。近年來，隨著快速的科技發展，在聊天機器人的研究方面我國取得了很大的進展。繼微軟發布的聊天機器人小冰受到人們的關注，之后其他各具特色的機器人相繼而出，如阿里巴巴等大型企業。這些企業的發展為機器人領域積累了一定的技術和產品[[1]]。

2.3 分析

目前智能語音助手的研究仍有不足，正是這些不足為語音助手的發展指明了方向。

1）技術方面的限制

技術人才的缺乏已嚴重制約了我國智能語音助手的開展。一是人工智能技術還處在相對早期的階段，二是缺乏有效的交際模型。這兩方面的技術缺陷在用戶的實際使用過程中體現在語音識別錯誤較多，意圖識別準確率較低，多輪對話準確率較差。結果上，用戶對于智能語音助手類的產品抱有很高的期待，但最終的使用效果往往令他們感到失望。

2）可靠性有待提高

在外界嘈雜環境中，計算機很難準確捕捉到有效信息，這極大程度上限制了語音識別技術的應用范圍。另外人們在日常生活中，說話時的語言習慣也是顯而易見的，如明顯的地域口音、頻繁重復或者是倒裝、有時使用錯誤的語法，這些語言習慣對于標準式的語音助手會很難準確識別。因此，語音智能識別技術的可靠性有待逐步提高。

3）詞匯量有待豐富

若使用者想利用語句數據庫之外的詞匯或者突然從一種語言轉換為另一種語言時，用戶可能會得到輸入錯誤的提示。因此，需要逐步創新的系統建模、逐步提高的各種技術方法以及逐步開發的相關資源，語音智能識別系統才能夠對多種語言進行準確地識別。

3 理論和概念框架

3.1 理論

1）基于深度學習的語音識別技術

語音識別技術被應用到各大行業領域，智能語音帶動了技術和產品的創新。目前智能語音識別助手主要以卷積神經網絡（CNN）、門控循環單元（GRU）、雙向循環神經網絡（Bi-RNN）三種聲學模型為核心。

此桌面懸浮App基于深度學習的語音識別技術實現信號處理與特征提取。

2）智能語音助手的應用

智能語音助手系統框架：用戶通過聲音方式所錄入的信息均轉化為文本形式，交由自然語言處理系統加以管理。語音輸入主要依賴于語音識別技術，關系到特征提取方法、模型匹配規則以及模型訓練方法。在自然語言處理功能中包含使用意向分析、使用情感分析、具識分析以及自然語言處理等技術。會話管理模塊進行會話決策，是整個系統的核心技術所在，包括了說話行為識別、說話狀態追蹤、說話信息記錄以及決策優化等技術。目前，語音助手的對話生成技術主要有檢索式、生成式和深度學習[[2]]。該系統框架如圖1所示。

在構建智能語音助手系統時，采用多種技術融合構建，目前主流技術構建包括基于檢索、人工模板和深度學習的聊天機器人。

智能語音助手的評價標準與評測方法：對于人機對話功能的評價，主要包括了NIPS、ASTC、SMP2017-ECDT，評價標準為全球通用的平均排序倒數MRR（Mean Reciprocal Rank）、準確率P（Precision）、信賴加權評分CWS（Confidence Weighted Score）、召回率R（Recall）和F-MEASURE（F）[[3]]。

3）基于AI個性化語音生成技術制作語音包

基于AI語音生成技術制定個性化的語音包。通過錄制目標說話人的少量語句，構建一個較完整的韻律和頻譜模型。利用頻譜信息的轉換，可保留錄入者的原聲色，通過語音樣本的訓練，映射規則由條件和操作組成，獲得映射規則可以更進一步對發音者的特征進行轉變。而利用分類與回歸樹（CART）可實現韻律轉換。建立一個源語庫和一個目標語料庫之間的映射關系，最后合成系統即可獲得具有個性化的聲音。

4）語料庫的優化

將RPA+AI與Python相結合，進行深度學習，實現自然語言處理NLP，進行文本分詞、實體抽取、情感傾向分析和文本相似度分析等應用來優化語料庫[[4]]。

5）懸浮球的設計

通過Electron接入API實現懸浮球功能，將App設計為可懸浮在手機桌面上。

3.2 概念框架

利用檢索與生成深度融合的對話技術來搭建語音助手，利用RPA+AI技術進行富集數據資源，提取指定業務場景數據，將抽象的相關數據整合到對話日志中，合理使用官方數據庫，通過第三方工具實現搭建系統的訓練、評估和調優。將搭建好的語言模型通過工程化操作完成系統接入到App中，語音助手通過對技能統一調度，實現多種對話服務，同時接入的還有通用模塊，后臺管理采取人機協作的模式，來為用戶提供更好的服務。

在統計中查看人機互動的溝通情況，根據統計結果對客服工作策略進行調整，甚至對市場宣傳的側重點進行進一步調整。全面了解本語音助手與用戶的溝通反應，并通過對用戶數據進行沉淀，甚至建立對話漏斗，層層追蹤數據的質量，由此來改善語音助手與用戶之間的溝通模式。并充分利用通話過程中的對話日志，將對話模型的對話結果和用戶在整個通話流程中的糾正和回應加以完善，從而完成通話過程的循環生命周期。

4 產品的設計

4.1 界面設計

考慮到產品定位人群為青年人和老年人以及本產品提供的功能服務，在主界面設計中遵行簡潔、實用又美觀的原則進行設計。在字體上應用大字體，讓用戶在視覺上眼球一新，同時更適合老年用戶使用，讓老年人用戶感受到關懷。在主界面中間顯示語音助手“寵物”，并在四周各懸浮一個組件，分為“陪伴”“生活”“我的”“辦公”四個模塊。

用戶進入App后，點擊“陪伴”，軟件即在設備后臺運行，進入“寵物”懸浮模式懸浮在手機桌面，在不占用手機桌面的情況下，能與用戶進行語音聊天互動。在“生活”模塊，具有綁定智能設備的功能，能夠對智能設備的運行狀態進行操控。在“我的”模塊設有“寵物切換”，用戶可自定義“寵物”形象、“積分區”“登錄或退出”“語音包”。在“寵物切換”即有多種外形的“智能助手”可供用戶選擇，此外形設計將不斷更新。在“積分區”即可進行積分兌換相應商品，積分來源將在后文描述。在“辦公”模塊具有備忘錄，日程安排，任務計劃三個組件，此模塊的使用可根據用戶的語音設置進行信息錄入。

4.2 外觀設計

“寵物”外觀上采取中國文化元素的提取并在此基礎上進行創新設計，如“身著漢服的觀音”“下象棋的大熊貓”“學漢字的石獅”“穿繡花鞋的大熊貓”“丹鳳眼的鯉魚”“插在彩陶里的牡丹”等各種各樣的“懸浮寵物”。設計遵循中國傳統藝術的審美，融合具有中國特色的多個元素，展示令人眼前一新的視覺沖擊，給予用戶更好的使用體驗。

4.3 功能設計

1）“智能陪聊”功能

此產品可與用戶進行語音聊天，在語音開發上，錄取多種大自然的聲音作為背景聲，聲線上可多種變化，具有不同語言溝通能力。在聊天過程中，“懸浮寵物”可呈動態模式，增加用戶的體驗感。與市場上的語音聊天相比，用戶能夠在后臺運行“陪聊”，即不局限于在App內才可“聊天”。

2）語音包功能

利用AI合成技術，可錄入語音轉換為語音包，隨時可聽到遠在他方的親人的聲音。軟件配有語音包制作的語音操作提醒，讓不擅長使用智能設備的老年人也能夠迅速上手。

3）綁定智能設備

與智能設備相關聯即可對設備的工作狀態進行設置。

4）提醒功能

產品有備忘錄和日程的語音提醒功能，更加體貼地為用戶提供優質的服務。

5）推薦功能

每日有專業的醫護人員進行“健康醫學知識宣傳”推送，還可以根據用戶的個性需要，推送“每日名人勵志一句”“穿衣推薦”“生活小技巧推薦”“趣味小知識推薦”等內容。

6）其他功能

在完成當天自己制定的任務時可累積一定積分。且在一天中對語音助手說出“今天是美好的一天”可累計1積分。相應經驗值可在積分區兌換對應獎品。另具有自定義語音喚醒功能。

4.4 產品運行設計

1）服務器端

編寫接口協議文檔和API接口，使用阿里云服務器架設服務器環境，設計數據庫。

2）App端

頁面開發根據UI設計圖完成，設計完成后對接服務器界面，通過服務入口獲取數據，最后寫出服務邏輯編碼，通過軟件界面測試，完成系統聯動。

3）Web管理端

后端的功能必須和最前端的業務邏輯相符，寫出邏輯代碼并完成測試調試，在軟件功能開發完成后，還應調動小組內的各技術人員完成系統性測試。

4）嵌入式系統設計

程序開發基于Android平臺，采用Java語言開發軟件，利用互聯網和服務實現頁面跳轉，使用SQLite和Shareference實現數據存儲，然后集成產品界面、界面控制和測試，接下來進行測試[[5]]。后端管理模塊的操作采取人機協作的模式進行運行。

5）應用RPA+AI創建自動化機器人進行自動化運行管理

應用RPA+AI創建自動化機器人進行發送信息、搜集客戶資料等工作，來實行自動化運行管理，在一定程度上節省了人力時間、降低了出錯風險、擴大了人員工作邊界。

5 討論

5.1 對語音助手發展的建議

1）由于缺乏大規模的訓練數據，嘗試應用機器人與機器人交互來創建訓練。不僅節省人力和時間，也能夠達到訓練機器人的目的。順應了將來機器人大規模進入人類生活的景象。

2）目前沒有統一的機器人評價標準，需要相關專業人員提出規范。不僅能夠確保機器人的安全發展，也能夠為機器人相關專業研究者提供更多規范的操作，在一定程度上減輕了人們對人工智能發展的擔憂。

3）進一步完善語音助手，提高技術水平，優化語音助手識別準確率，必要時可以開發用戶調教的平臺，完善基礎功能，增強對于復雜指令的識別和執行能力。此過程將會是智能語音助手的一個跨越式進步。這個基于人工智能技術的先進發展，將更加促進國家對人工智能的相關專業人員的大力發展。

4）借助人機協同創新的理念實現智能語音的跨越式發展。

5.2 局限和不足

由于缺乏資金支持，目前項目設計與研究還處于基礎理論階段。因對計算機的研究不夠深入，缺乏有深度的見解，本文仍存在許多不足之處，還需要不斷深入學習和認真研究該項目領域。

由于經費緊張，目前研究仍處于初步階段，經過一定的學習和探討對此項目進行研究，但在許多地方的研究仍有許多不足，且軟件開發設計多個領域的同步進行和發展，想要開發出一款能夠真正滿足人們生活需要的軟件需要巨大的投資和精力，僅僅依靠團隊微弱的人力無法實施開發。

6 結束語

近年來，人工智能獲得前所未有的發展，其相應的技術也獲得了不同程度的創新，以語音作為切入口的新時代將推進商業模式的新發展。基于智能語音助手的桌面懸浮App也將在一定程度上豐富不同人群的生活。而在語音識別自然語言、語料庫、AI合成技術和深度學習等方面仍需專業的科研工作者進行不斷探索。將來定能夠擁有新的人機交互模式，實現人機協同創新。

參考文獻：

[1] 甘玉玨，蘇軍根，林健，等.智能語音產品現狀及展望[J].廣東通信技術，2017，37（12）：66-68.

[2] 張琬，劉春蕾，郭欣然，等.會話代理在精神障礙病人中的應用進展[J].護理研究，2021，35（24）：4437-4441.

[3] 王浩暢，李斌.聊天機器人系統研究進展[J].計算機應用與軟件，2018，35（12）：1-6，89.

[4] 劉旭東，蘇馬婧，朱廣宇.基于自然語言處理的多源情報分析系統的研究與設計[J].信息技術與網絡安全，2019，38（5）：17-21.

[5] 劉星晨，陳樂生，胡果，等.基于深度學習的挑選禮物App設計與實現[J].物聯網技術，2020，10（7）：48-50.

【通聯編輯：謝媛媛】