基于語音控制的智能人機交互助手的關鍵技術

尹雪婷

摘要 語音模塊的功能是實現將用戶通過語音控制電腦的語音輸入轉換成可以控制電腦的文本信息，將電腦反饋的信息文本轉換成語音，播放給用戶，它承擔著軟件人機交互的主要功能。由于語音識別和語音合成的復雜性和專業性，本文采用了百度提供的語音識別和合成功能。首先利用python平臺開發一款智能人機交互助手軟件，它的使用群體可以是那些雙手操作電腦不便的特殊用戶，也可以是那些電腦知識匱乏不會使用鍵盤打字的老人或兒童，還可以是那些想要提高個人電腦的使用效率或者單純追求個人電腦使用新鮮感的人群。

【關鍵詞】語音控制 人工智能 人機交互助手技術研發

1 引言

語言是人類溝通的重要方式，我們從很小的時候就開始學習語言，語言交流陪伴我們一生，是我們最基本、最重要的一種社會能力。語言交流以其高效的表現方式提高了人與人之間的溝通效率，進而提高社會生產效率。推而廣之，這種高效的溝通方式我們可以用在人機交互上，讓那些死板的電子產品變得鮮活起來。對于那些沒有接受過計算機技能培訓，電腦知識匱乏，不能熟練使用鍵盤打字的老人或兒童，智能人機助手可以方便他們用電腦進行文字、指令的輸入和控制。而對于那些忙于文案工作的人員來說，他們不用抬頭放下手中的紙筆，輕輕對著電腦發出語音指令就能完成很多常用的諸如調用搜索引擎、打開地圖等工作，提高了他們的工作效率。

本文的研究內容是要開發一款智能人機交互助手軟件，它的作用就是通過語音控制個人電腦，使所有這些群體便捷地通過網絡獲取信息和控制電腦應用，提高他們的工作效率，增加他們使用個人電腦的樂趣。

2 本文設計的智能人機交互系統功能分析

一個良好的智能語音交互系統，應該具有操作方便，簡單等特性。本文設計的這個系統按照功能的不同分為了語音模塊，控制模塊，記憶模塊幾大模塊。從數據角度來看語音和視覺模塊負責數據的輸入，其中語音模塊還負責部分數據的輸出，記憶模塊負責數據的存儲，控制模塊負責數據的處理。

語音模塊：收集輸入語音轉換成文本信息記憶模塊;記憶模塊負責處理和存儲文本信息;控制模塊：負責對輸入信息做判斷，進行執行電腦功能模塊或利用語音進行語數據流圖（DFD）是對系統中數據流動變化進行抽象，用來表示系統主要的邏輯流轉模型。

2 本文設計的智能人機交互系統設計與關鍵技術實現

本系統從總體上分為語音，控制，記憶三大模塊。不同的模塊負責不同的功能，模塊之間相互協調和配合。

2.1 語音模塊的設計實現

利用Python中的Pyaudio模塊錄制固定格式音頻，通過Http協議調用百度的語音識別模塊將音頻轉換成字符串，然后將字符進行分詞處理。其中分詞處理利用了國內優秀的中文分詞模塊一一結巴（Jieba）分詞，這樣用戶輸入的語音數據就變成了容易處理的關鍵字字符串。待程序處理了用戶的輸入之后，會有一部分指令需要有語音輸出作為反饋，這里調用了百度語音合成功能，將用戶反饋的文本信息轉換成語音播放給用戶。

2.2 控制模塊的設計實現

這個模塊的主要作用是控制程序的正確運行及功能的調用。當系統啟動之后，系統會處于一個休眠模式，在后臺一直運行語音監聽程序，由于用戶在使用電腦的時候，不管是用戶本身還是用戶所處的環境都會有些雜音，所以程序設定了語音指令“小明”來喚醒智能人機交互助手，當用戶給出語音指令“小明”的時候。智能人機交互助手就會被喚醒。播放語音“您好，需要什么幫助呢”。之后就會再次進入語音監聽程序，控制臺顯示recording等待用戶的指令。按照智能人機交互助手的不同功能，我們會對用戶的語音指令做出判斷，然后執行用戶所要求的功能。

2.3 功能模塊的設計實現

智能人機交互助手提供給用戶調用搜索引擎，智能語音聊天，啟動電腦應用三大功能。

2.3.1 調用搜索引擎

當系統收到“百度”語音指令的時候，經過語音模塊處理好的文本會被當成百度搜索的關鍵字，通過調用函數，自動啟動電腦瀏覽器并且搜索關鍵字展示給用戶，搜索的結果經過篩選之后會存入數據庫

2.3.2 智能語音聊天

用戶利用語音調用成功語音聊天功能之后，經過語音模塊處理好的文本，首先會被切成提取關鍵字，通過這些關鍵字去匹配數據庫中的關鍵字矩陣尋找回答內容，如果沒有找到，會調用圖靈機器人的語音聊天API，將結果反饋給用戶，最后會把對話內容加入關鍵字矩陣。

2.3.3 啟動電腦應用

當系統收到“打開”語音指令的時候，經過語音模塊處理好的文本會被當成啟動應用的關鍵字傳入調用電腦應用的函數。

2.4 記憶模塊的設計實現

利用網絡圖的方式來存儲數據，通過從圖中節點（我叫它們關鍵字）做添加，修改，搜索來實現對數據的存儲和利用，其中每個節點也叫關鍵字關聯詞語和與之有關的圖片，所以這個記憶模塊就由一系列圖和關鍵字組成。給予這些關鍵字有序的編號存儲在數據庫中。

3 結論

本智能語音交互系統在設計編寫之初是以語音交互為基礎的，但是設計完成之后發現必要的用戶交互界面還是需要，時間倉促，希以后為本程序開發良好的交互界面。對于程序的個性化這部分的實現，是對數據庫中矩陣數據的匹配識別，以后還需結合大數據這方面的知識進一步完善。

參考文獻

[1]楊威，吳建，李珊珊，孫佳鈺，張旭彤，劉英博，耿立明.智能家居下的語音控制系統[J].電子制作，2016 （06）：37.

[2]馬漢，訊飛發布多款語音新品發力智能家庭領域[J]，計算機與網絡，2014，40 （16）：32-33.

[3]林峰，蔡宇博，周浪，馬學品，試制智能服務機器人（上）[J].電子制作，2005 （10）：30-33.