基于云與語音識別的手機智能通話系統——SkyTalk

　　簡介
　　本項目提出一種手機智能通話系統（SkyTalk），能夠方便人們在雙方通話中簡單、快捷、實時地通過語音獲取信息、完成用戶指定任務，從而避免大量復雜、耗時的操作。在撥出SkyTalk智能電話時，手機中的基站編號、GPS坐標、移動速度、通訊錄等數據會上傳至服務器，并由服務器建立智能通話。在通話的過程中，服務器作為第三方通過語音識別和語音合成響應用戶的語音請求，可以發送通訊錄中的號碼、說出用戶的具體位置、計算到達對方的時間、播送天氣預報、進行實時語音翻譯等。SkyTalk通過云計算提供反向地址解析、獲取互聯網信息，不僅簡化了服務器構架，還能為用戶提供更多精彩應用。
　　移動電話拉近了人與人之間的距離。電話的發展，從貝爾到摩托羅拉，再到今天的4G，技術不斷革新，但人們的通話方式卻始終沒有改變。SkyTalk手機智能通話系統通過云資源、語音識別與合成，可以使用戶在通話過程中，不必掛斷手機、親自編輯短信、查閱信息或打開GPS定位，而只需說出問題，SkyTalk便能夠用語音加以回答。總之，SkyTalk是信息化、智能化社會下人們通話方式的革新。
　　項目原理
　　基本構架
　　SkyTalk通話系統在電話語音通道之外建立一條互聯網“智能”通道。手機上的GPS位置、通訊錄、個人偏好等信息通過這條通道傳輸到中間服務器，在“云”的輔助下對之進行處理與交換。而中間服務器通過語音識別（SR）和文本到語音轉換（TTS）在電話通道上與用戶雙方進行交互。這樣，一方面可以利用互聯網通道交換基本數據，另一方面又利用現有電話通道進行語音傳輸，從而避免產生大量的語音數據包。更為詳細的SkyTalk的構架（如圖1）分為3個部分： 手機客戶端（SkyTalk Client）、服務器（SkyTalk Server）和云（Cloud）。
　　客戶端（SkyTalk Client）一方面取代原有電話的撥號界面，另一方面通過手機平CI56+Bt26vwEcVwRDrNWmVFPbCpM7iT1rlWVEsQLWuI=臺的API獲取手機的各類信息（GPS、電子羅盤、通訊錄等），并通過UI交互獲取用戶的定制偏好及信息。當用戶撥打一個電話時，客戶端（SkyTalk Client）向服務器（SkyTalk Server）發送一個請求，并附上原先獲取的信息。
　　服務器（SkyTalk Server）收到請求后，建立對等手機和服務器之間的三方通話（Phone-Server-Phone）。服務器作為第三方根據語音識別引擎分析用戶的語音命令，并結合用戶的手機信息進行相應處理。
　　云端（Cloud）集成了用戶可能需要的信息。這片“云”是現有的互聯網服務集合。
　　基本流程
　　SkyTalk基本工作流程見圖2。
　　本項目的客戶端基于Qt（cute）開發。由于涉及訪問手機系統，用Java平臺實現是不合適的。Java雖然提供了此方面的JSR開發包，但由于不同廠商支持的JSR不同，實現也不同，因此兼容性很差。于是，本項目采用效率更高、操作系統支持更強的Qt（C++）實現。
　　功能實現
　　基于Skype的通話系統
　　一方面為了保障正常通話質量，另一方面為了使服務器的語音介入成為可能。本項目（SkyTalk）采用Skype構建通話系統。Skype在Windows平臺上為開發者提供了COM接口。本項目利用COM接口與Skype進行通信。
　　音頻數據定向傳輸——語音管道
　　本項目通過虛擬硬件的驅動實現語音定向傳輸。
　　語音識別與合成
　　為了更好地實現語音功能，本項目基于微軟SAPI 5.4語音引擎構建。這一引擎在Windows 7和Windows Server 2008中內置。
　　已實現的幾項具體功能
　　①在通話中查詢當地天氣。②在通話中查詢當地時間。
　　③在通話中提供地理位置服務（包括通話者的位置，與另一方的距離和到達對方的時間）。
　　④在通話中說出通訊錄中某人的號碼。
　　⑤在通話中發送通訊錄中某人的號碼。
　　⑥在通話中播放音樂。
　　⑦在通話中分享Google Reader。
　　⑧通話中的實時翻譯。
　　創新點
　　本項目（SkyTalk）使用Skype進行語音傳輸功能的實現，從而能夠利用現有移動通訊網傳輸語音數據。這不僅大大減少了語音傳輸的網絡消耗，也使得客戶端可以對任何移動手機、固定終端撥打智能電話。
　　SkyTalk能夠根據用戶的需求在電話語音通話中提供實時的語音信息服務。這使得用戶在通話的過程中能夠獲取互聯網資訊、交換手機信息、解析地理位置、分享各類數據，而不需要事先準備或掛斷電話后進行操作。因此用戶的交談、討論得到大大的簡化。
　　通話的過程中進行其他操作（如翻閱通訊錄、用計算機上網查找信息）并不實際。SkyTalk利用語音技術解決這一問題。語音識別技術識別用戶的命令請求，而語音合成返回服務器的響應。
　　通過互聯網上的云資源，SkyTalk Server能夠獲取各類計算功能和各類信息，如反向地址解析與天氣資訊。云資源大大拓展了SkyTalk Server的能力，使其能夠提供各類通話中的語音服務。
　　SkyTalk能夠通過利用用戶的個人標志進行個性化智能服務。這樣做有3個優點：①可以加載相應的語音識別配置文件，達到更高的識別準確率。②可以訪問用戶的互聯網或私有云的數據，從而能在通話中利用這些信息。③解析用戶的個人偏好語言。
　　SkyTalk對用戶通訊錄、用戶地理位置信息的存儲和傳輸進行了加密，以保障用戶隱私及安全。
　　展望
　　SkyTalk在功能上和性能上都有很多可以改進的地方。通過改進與擴展，本項目將可以實現更多的應用，達到更好的性能和用戶體驗。這些改進與擴展包括：
　　更強的兼容性。目前手機客戶端（SkyTalk Client）基于諾基亞平臺實現。將來，可以為不同的手機平臺實現其客戶端，增加SkyTalk系統的應用范圍。
　　更高的質量與性能。在實驗中，本項目有多處可以改進之處。通過整合服務器資源，SkyTalk可以減少撥出電話時間、減少延遲。通過優化服務器框架、選擇更好的云資源，SkyTalk可以提高響應速度。通過采用更好的語音識別算法，SkyTalk可以增強識別率。通過這些改進，SkyTalk可以達到更高的性能。
　　更安全的個人標志。盡管SkyTalk已經通過較難偽造的手機號來作為用戶的個人標志，但不法分子仍然可以通過某些技術手段達到偽造的目的。為了保護個人隱私安全，SkyTalk可以采用聲紋識別進行更強的個人信息認證。聲紋和指紋一樣，是每個人的生物特征。聲紋從個人語音聲波中提取，不易偽造。如果結合原先的手機號驗證，那么將大大增強SkyTalk的安全性。
　　開放式語音平臺。這一改進將允許第三方開發平臺的插件，將大大增強SkyTalk的應用性。因此，本項目完全可以發展成一個開放的語音應用平臺，使各種web網站或服務都可以通過語音應用的方式出現在這個平臺上，為交談中的人們帶來更多的便利。
　　面向個人的應用——更智能的IVR。IVR（Interactive Voice Response）在電話系統中的應用相當廣泛。利用SkyTalk，則可以進一步改進IVR服務系統。傳統的IVR基于企業數據庫，旨在代替電話接線員，向企業的用戶提供顧客咨詢服務，或是提供電話點餐、點歌。改進后的SkyTalk IVR則基于云技術和用戶個人標志，可以將電話和用戶的互聯網生活緊密相連。例如，用戶可以像聽收音機一樣，收聽自己Google Reader的最新資訊；可以收聽個人電子郵箱中的最新郵件還可以利用語音遠程操縱自己的計算機——只需說出文檔的名字，就可以將文檔提取、傳輸到手機。對于普通用戶而言，SkyTalk IVR提供了一種全新的方式去訪問互聯網。而對于殘疾人士而言，則可以通過它來享受互聯網的樂趣。
　　該項目獲得第26屆全國青少年科技創新大賽創新成果競賽項目中學組計算機科學一等獎。
　　專家評語
　　項目提出和實現了一種手機智能通話系統SkyTalk，內容涉及云資源信息服務、語音識別與合成等技術，方便了人們獲取實時語音服務信