基于智能語音交互技術(shù)的智慧語音助理系統(tǒng)實現(xiàn).pdf

1、隨著移動互聯(lián)網(wǎng)的到來，各種移動終端設(shè)備正在越來越多被應(yīng)用到人們的日常生活中，尤其是智能手機的應(yīng)用，它讓人們可以隨時隨地娛樂、上網(wǎng)等，但隨著手機功能增強，人們和智能手機的交互復(fù)雜度也越來越大。近年來對語音交互技術(shù)已逐步被應(yīng)用到智能手機中，人們可以使用語音實現(xiàn)語音撥打電話、發(fā)送短信等功能；也可以收聽手機新來電話、信息等，使用者不用轉(zhuǎn)移雙眼就可以完成電話接聽、信息查看。
　　目前的手機語音應(yīng)用一般采用多次語音交互完成特定任務(wù)，這從根本上

2、來講并沒有提升人機交互的效率，反而由于多次語音交互降低了語音識別率，增加交互的次數(shù)。多次語音交互無法體現(xiàn)語音技術(shù)的便捷性，并且增加了人機交互的復(fù)雜度。課題針對安卓智能手機應(yīng)用場景提出一種語音交互方案，用戶通過說出多命令詞控制智能手機完成基本通訊、日常使用信息查詢等復(fù)雜的任務(wù)，如“打電話/發(fā)短信給XX X”、“我想聽XXX的歌”等，智能手機終端也自動將任務(wù)執(zhí)行結(jié)果播報給用戶，整個語音交互過程摒棄了繁瑣的多步對話確認，解放了用戶的眼睛和手，

3、相比于傳統(tǒng)點擊、觸控交互方式，該語音交互方案很大程度提升了人機交互的便捷性。同時，本課題將基于安徽科大訊飛信息科技股份提供的語音技術(shù)開放平臺研制的語音交互系統(tǒng)應(yīng)用到Android智能手機上，開發(fā)了智慧語音手機助理軟件，軟件結(jié)構(gòu)主要由語音識別、語音合成、音頻任務(wù)調(diào)度、語音交互服務(wù)管理等子模塊構(gòu)成，語音交互管理模塊負責(zé)整體的任務(wù)調(diào)度，首先調(diào)用語音識別服務(wù)識別用于語音，并將識別結(jié)果發(fā)送給相應(yīng)的業(yè)務(wù)流程，然后根據(jù)業(yè)務(wù)需要調(diào)用語音合成模塊對業(yè)務(wù)結(jié)

4、果進行播報；而音頻任務(wù)調(diào)度模塊隨時監(jiān)聽音頻任務(wù)的變化，當(dāng)有新的用戶音頻數(shù)據(jù)進入時，調(diào)度模塊根據(jù)業(yè)務(wù)設(shè)計邏輯決定是否結(jié)束當(dāng)前任務(wù)流程，開始新的任務(wù)流程。通過模塊之間有序的任務(wù)協(xié)調(diào)及管理，避免了多次語音交互時相互之間的干擾。
　　經(jīng)過大規(guī)模數(shù)據(jù)驗證，語音交互系統(tǒng)在智能Android手機上運行穩(wěn)定。系統(tǒng)在辦公室等相對安靜環(huán)境下的識別率達到90％，在駕車關(guān)窗低車載噪音環(huán)境中識別率達85%，單次語音交互時間小于3S，很好的驗證了語音交互系統(tǒng)