论文部分内容阅读
随着移动互联网的到来,各种移动终端设备正在越来越多被应用到人们的日常生活中,尤其是智能手机的应用,它让人们可以随时随地娱乐、上网等,但随着手机功能增强,人们和智能手机的交互复杂度也越来越大。近年来对语音交互技术已逐步被应用到智能手机中,人们可以使用语音实现语音拨打电话、发送短信等功能;也可以收听手机新来电话、信息等,使用者不用转移双眼就可以完成电话接听、信息查看。目前的手机语音应用一般采用多次语音交互完成特定任务,这从根本上来讲并没有提升人机交互的效率,反而由于多次语音交互降低了语音识别率,增加交互的次数。多次语音交互无法体现语音技术的便捷性,并且增加了人机交互的复杂度。课题针对安卓智能手机应用场景提出一种语音交互方案,用户通过说出多命令词控制智能手机完成基本通讯、日常使用信息查询等复杂的任务,如“打电话/发短信给XXX”、“我想听XXX的歌”等,智能手机终端也自动将任务执行结果播报给用户,整个语音交互过程摒弃了繁琐的多步对话确认,解放了用户的眼睛和手,相比于传统点击、触控交互方式,该语音交互方案很大程度提升了人机交互的便捷性。同时,本课题将基于安徽科大讯飞信息科技股份提供的语音技术开放平台研制的语音交互系统应用到Android智能手机上,开发了智慧语音手机助理软件,软件结构主要由语音识别、语音合成、音频任务调度、语音交互服务管理等子模块构成,语音交互管理模块负责整体的任务调度,首先调用语音识别服务识别用于语音,并将识别结果发送给相应的业务流程,然后根据业务需要调用语音合成模块对业务结果进行播报;而音频任务调度模块随时监听音频任务的变化,当有新的用户音频数据进入时,调度模块根据业务设计逻辑决定是否结束当前任务流程,开始新的任务流程。通过模块之间有序的任务协调及管理,避免了多次语音交互时相互之间的干扰。经过大规模数据验证,语音交互系统在智能Android手机上运行稳定。系统在办公室等相对安静环境下的识别率达到90%,在驾车关窗低车载噪音环境中识别率达85%,单次语音交互时间小于3S,很好的验证了语音交互系统的可用性。