張紅斌,李廣麗

(華東交通大學(xué) 1.軟件學(xué)院;2.信息工程學(xué)院,江西 南昌 330013)

計(jì)算機(jī)輔助學(xué)習(xí)已經(jīng)成為時(shí)下流行的學(xué)習(xí)模式,英語(yǔ)的學(xué)習(xí)也不例外。例如,人們?cè)趯W(xué)習(xí)英語(yǔ)或閱讀英語(yǔ)文章時(shí)常會(huì)遇到生詞,很多人會(huì)立即求助于詞庫(kù)軟件進(jìn)行單詞查詢。目前流行的詞庫(kù)軟件多為單機(jī)版本,如谷歌金山詞霸、靈格斯翻譯等,它們的使用具有一定的局限性,即無(wú)法面向Web進(jìn)行單詞查詢、語(yǔ)音表達(dá)、口語(yǔ)糾正以及學(xué)習(xí)資源共享等。故本文敘述了在Web環(huán)境下如何構(gòu)造1個(gè)英語(yǔ)自助學(xué)習(xí)軟件系統(tǒng)。

英語(yǔ)學(xué)習(xí)強(qiáng)調(diào)“聽”“說(shuō)”“寫”3個(gè)方面的技能訓(xùn)練[1],中國(guó)學(xué)生的英語(yǔ)閱讀能力普遍較好,但由于缺乏語(yǔ)言環(huán)境,他們的聽力和口語(yǔ)能力卻有待提高。因此,如何利用Web網(wǎng)站技術(shù)、多媒體技術(shù)、語(yǔ)音識(shí)別技術(shù)完成1個(gè)可以面向Web用戶的開放式英語(yǔ)學(xué)習(xí)系統(tǒng),并側(cè)重于聽力及口語(yǔ)訓(xùn)練,對(duì)于提高中國(guó)學(xué)生的英語(yǔ)綜合素質(zhì)是1件十分有意義的事情。

1 基于Web的英語(yǔ)自助學(xué)習(xí)系統(tǒng)的工作原理

英語(yǔ)自助學(xué)習(xí)系統(tǒng)的核心功能是聽力訓(xùn)練和口語(yǔ)訓(xùn)練,實(shí)現(xiàn)的關(guān)鍵技術(shù)是文本語(yǔ)音轉(zhuǎn)換技術(shù)(Text To Speech,TTS)和語(yǔ)音識(shí)別技術(shù)(Speech Recognition,SR)。文語(yǔ)轉(zhuǎn)移TTS的主要功能是將計(jì)算機(jī)中任意出現(xiàn)的文字轉(zhuǎn)換成自然流暢的語(yǔ)音輸出[2]。運(yùn)用TTS技術(shù)可實(shí)現(xiàn)英文單詞、詞組、句子及文章的在線朗讀,指引學(xué)生完成基于Web的英語(yǔ)聽力訓(xùn)練。運(yùn)用SR技術(shù)則可實(shí)現(xiàn)學(xué)生所朗讀單詞、句子的實(shí)時(shí)語(yǔ)音識(shí)別,指引學(xué)生完成基于Web的英語(yǔ)口語(yǔ)訓(xùn)練。目前,國(guó)內(nèi)著名網(wǎng)站nciku已經(jīng)實(shí)現(xiàn)了基于Web的英文文本語(yǔ)音轉(zhuǎn)換,但卻無(wú)法完成英語(yǔ)口語(yǔ)的實(shí)時(shí)識(shí)別及診斷。

微軟開發(fā)了1套基于Windows環(huán)境的語(yǔ)音編程專用組件Microsoft Speech SDK5.1,該組件包含了語(yǔ)音識(shí)別(Speech Recognition)和語(yǔ)音合成(Speech Synthesis,SS)兩大技術(shù)[1]。它可以為我們提供清晰和標(biāo)準(zhǔn)的美式英語(yǔ)發(fā)音和標(biāo)準(zhǔn)普通話的簡(jiǎn)體中文男生發(fā)音[3]。該組件包是實(shí)現(xiàn)基于Web的英語(yǔ)自助學(xué)習(xí)系統(tǒng)的重要基礎(chǔ)。

1.1 文本語(yǔ)音轉(zhuǎn)換的工作原理

在Speech SDK中TTS功能的工作原理如圖1所示。語(yǔ)音應(yīng)用程序編程接口SAPI是介于語(yǔ)音應(yīng)用程序和語(yǔ)音引擎之間的中間層[4]。其中SpVoice對(duì)象需要實(shí)現(xiàn)ISpVoice和ISpTTSEngineSite兩個(gè)接口[2]。IS-pVoice是應(yīng)用程序能正常操作TTS功能的接口,它是控制文本語(yǔ)音轉(zhuǎn)換的關(guān)鍵。ISpTTSEngineSite用來(lái)寫音頻數(shù)據(jù)和消息隊(duì)列事件。TTS Engine實(shí)現(xiàn)ISpTTSEngine和ISpObjectWithToken兩個(gè)接口。ISpTTSEngine是SAPI調(diào)用TTS Engine的接口[5],而ISpObjectWithToken使得SAPI可以創(chuàng)建和初始化TTS Engine。如果用戶軟件存在界面(User Interface)則必須實(shí)現(xiàn)ISpTokenUI接口[1]。SAPI在應(yīng)用程序和語(yǔ)音引擎之間提供了1個(gè)高級(jí)別的接口。SAPI實(shí)現(xiàn)了所有必需的對(duì)各種語(yǔ)音引擎的實(shí)時(shí)控制和管理等低級(jí)別細(xì)節(jié)。SAPI還支持對(duì)SpVoiceObject以ActiveX控件的形式進(jìn)行調(diào)用,故在基于Web的英語(yǔ)自助學(xué)習(xí)系統(tǒng)中,當(dāng)網(wǎng)頁(yè)加載時(shí),同時(shí)加載SpVoiceObject,就可完成基于Web的文本語(yǔ)音轉(zhuǎn)換功能。

圖1 在Speech SDK中的TTS原理

1.2 語(yǔ)音識(shí)別的工作原理

ISpRecoContext是語(yǔ)音識(shí)別的主接口,它是語(yǔ)音程序接收被請(qǐng)求的語(yǔ)音識(shí)別事件通知的媒介[5]。創(chuàng)建1個(gè)共享的ISpRecoContext接口后,即可完成語(yǔ)音識(shí)別的環(huán)境設(shè)置,而要?jiǎng)?chuàng)建該接口則必須先創(chuàng)建1個(gè)SAPI默認(rèn)的音頻輸入流,然后設(shè)置語(yǔ)音識(shí)別事件通知,其中最重要的事件通知是SPEI-RECOGNITION。最后,創(chuàng)建應(yīng)用程序,加載并激活1個(gè)ISpRecoGrammar,即指定被識(shí)別的語(yǔ)音規(guī)則。

要實(shí)現(xiàn)基于Web的語(yǔ)音識(shí)別,其轉(zhuǎn)換引擎必須以ActiveX的方式嵌入到網(wǎng)頁(yè)中[6]。加拿大的Geoff Bailey基于Speech SDK 5.1和ATL技術(shù)封裝了1個(gè)可完成語(yǔ)音識(shí)別的ActiveX控件WebVoiceCtl,該控件可以嵌入到網(wǎng)頁(yè)中,接受用戶的語(yǔ)音輸入,然后根據(jù)Grammar完成對(duì)指定單詞、句子的識(shí)別,即識(shí)別滿足正確發(fā)音標(biāo)準(zhǔn)的英語(yǔ)語(yǔ)音[7]。

WebVoicceCtl的語(yǔ)音識(shí)別工作流程如圖2所示。待識(shí)別的內(nèi)容存儲(chǔ)在1個(gè)XML文件WebVoice.xml中,程序人員可以對(duì)其進(jìn)行編程把需要識(shí)別的單詞、句子等裝載進(jìn)去,為語(yǔ)音識(shí)別做好準(zhǔn)備。識(shí)別的語(yǔ)音規(guī)則被存儲(chǔ)在Grammar.xml中,當(dāng)WebVoiceCtl控件被成功編譯后,該規(guī)則即被裝載到控件中,不能再修改,故必須在編譯生成控件前就設(shè)定好語(yǔ)音規(guī)則。在語(yǔ)音識(shí)別過(guò)程中,語(yǔ)音識(shí)別引擎會(huì)把輸入的用戶語(yǔ)音與正在運(yùn)行的語(yǔ)音規(guī)則進(jìn)行比較,如果識(shí)別規(guī)則匹配,則提示正確識(shí)別,否則提示用戶重新輸入語(yǔ)音信息。

圖2 WebVoiceCtl控件語(yǔ)音識(shí)別功能的流程圖

2 基于Web的英語(yǔ)自助學(xué)習(xí)系統(tǒng)的設(shè)計(jì)

基于Web的英語(yǔ)自助學(xué)習(xí)系統(tǒng)綜合運(yùn)用了TTS,SR,XML和數(shù)據(jù)庫(kù)等技術(shù),其中關(guān)鍵技術(shù)的集成如圖3所示。軟件在使用前客戶端必須首先正常安裝Microsoft Speech SDK 5.1。當(dāng)TTSPage.AspX網(wǎng)頁(yè)加載到客戶端瀏覽器后,即通過(guò)JavaScript腳本實(shí)現(xiàn)1個(gè)Spvoice對(duì)象,該對(duì)象內(nèi)嵌在網(wǎng)頁(yè)中,當(dāng)用戶檢索英語(yǔ)詞庫(kù)獲取單詞、詞組、句子等英文文本信息時(shí),Spvoice對(duì)象就會(huì)調(diào)用客戶端電腦的TTS引擎,執(zhí)行Speak方法將文本信息轉(zhuǎn)換為語(yǔ)音信息,并通過(guò)客戶端電腦的揚(yáng)聲器發(fā)出。

在SRPage.AspX網(wǎng)頁(yè)中內(nèi)嵌了WebVoiceCtl控件,它必須首先在客戶端的注冊(cè)表中完成注冊(cè)。當(dāng)客戶端與服務(wù)器連接后,服務(wù)器立即為該客戶端復(fù)制1份WebVoice.xml文件,用戶可以輸入英文單詞、詞組、句子等,并將其注入到WebVoice.xml文件中,在語(yǔ)音識(shí)別引擎初始化后,WebVoiceCtl接受客戶端語(yǔ)音輸入,然后讀取WebVoice.xml文件,遵循圖2的流程完成語(yǔ)音識(shí)別功能。

圖3 基于Web的英語(yǔ)自助學(xué)習(xí)系統(tǒng)的關(guān)鍵技術(shù)集成示意圖

3 基于Web的英語(yǔ)自助學(xué)習(xí)系統(tǒng)的實(shí)現(xiàn)

軟件開發(fā)環(huán)境:Microsoft Visual Studio 2005+SQL Server 2000+Microsoft Speech SDK 5.1+WebVoiceCtl+IIS+XML,在Win2000 SP4/Win XP SP2下均可正常運(yùn)行。

3.1 文本語(yǔ)音轉(zhuǎn)換功能的實(shí)現(xiàn)

文本語(yǔ)音轉(zhuǎn)換功能的軟件實(shí)現(xiàn)思想如下(僅以單詞的TTS為例,詞組、句子等的TTS處理方法類似)。

第1步 通過(guò)腳本創(chuàng)建SpVoice對(duì)象,并將其加載到用戶瀏覽器中,腳本代碼:var VoiceObj=new ActiveXObject(”SAPI.SpVoice”)。

第2步 創(chuàng)建觸發(fā)TTS功能的圖片按鈕:＜img src=”picture/tts-play.gif”style=”cursor:hand”alt=”單擊朗讀”onclick=”SpeakText()”/＞。

第3步 實(shí)現(xiàn)SpeakText方法,將文本內(nèi)容轉(zhuǎn)換為語(yǔ)音:VoiceObj.Speak(＄('TxtWord').value,1)。

在英文文本朗讀的同時(shí),用戶還可設(shè)置朗讀者的朗讀口型。微軟設(shè)計(jì)了1組較合理的口型圖片順序[1],該口型圖片序列能較準(zhǔn)確地模擬人的英語(yǔ)發(fā)音口型,腳本代碼如下。其中VisemeId為口型編號(hào),它從1變化到21,循環(huán)反復(fù)。

function VoiceObj::Viseme(StreamNum,StreamPos,Duration,VisemeType,Feature,VisemeId){

此外,用戶可基于Web進(jìn)行轉(zhuǎn)換語(yǔ)音的語(yǔ)速、音量、朗讀者等屬性設(shè)置,以優(yōu)化其人機(jī)交互界面,腳本代碼不再敘述,可見Microsoft Speech SDK的幫助文檔。

3.2 語(yǔ)音識(shí)別功能的實(shí)現(xiàn)

以單個(gè)英語(yǔ)單詞的語(yǔ)音識(shí)別為例,詞組、句子及文章的識(shí)別依賴于逐個(gè)英文單詞的正確識(shí)別,故英文單詞的語(yǔ)音識(shí)別是整個(gè)語(yǔ)音識(shí)別功能的關(guān)鍵。

第1步 創(chuàng)建SRPage.AspX并將WebVoiceCtl控件嵌入到網(wǎng)頁(yè)中。當(dāng)客戶端發(fā)出語(yǔ)音識(shí)別請(qǐng)求后,它可以響應(yīng)并正確處理,其代碼如下

＜o(jì)bject id=”voice” classid=”CLSID:143D27F4-F40B-4F28-918B-FC156A72C07D” codebase=”http://www3.telus.net/CanGeordie/bin/WebVoiceCtl.dll”type=”application/x-oleobject”＞＜/object＞

第2步 初始化語(yǔ)音識(shí)別轉(zhuǎn)換引擎。其代碼被封裝在WebVoiceCtl控件中,是C++實(shí)現(xiàn),Geoff Bailey已經(jīng)將其封裝好,以下均為引用。語(yǔ)音識(shí)別引擎通過(guò)按鈕點(diǎn)擊觸發(fā)初始化函數(shù),代碼如下

第3步 注入識(shí)別單詞。用戶選擇將待識(shí)別的單詞注入到WebVoice.xml中,為語(yǔ)音識(shí)別做好準(zhǔn)備,這是提供給二次開發(fā)者的編程接口,實(shí)現(xiàn)代碼如下

第4步 完成語(yǔ)音識(shí)別。WebVoiceCtl雖然內(nèi)嵌在網(wǎng)頁(yè)中,但它卻是1個(gè)ActiveX控件,可以響應(yīng)Windows消息,故在其封裝代碼中,首先為語(yǔ)音識(shí)別指定消息響應(yīng)列表MESSAGE-HANDLER(WM-RECOEVENT,OnRecoEvent),即當(dāng)該控件接受到WM-RECOEVENT消息后,立即執(zhí)行OnRecoEvent函數(shù),而在On-RecoEvent函數(shù)中通過(guò)ProcessRecoEvent函數(shù)處理語(yǔ)音識(shí)別,ProcessRecoEvent函數(shù)代碼如下,以下均為引用。

4 結(jié)論

基于Web的英語(yǔ)自助學(xué)習(xí)系統(tǒng)使學(xué)習(xí)者足不出戶就可輕松完成英語(yǔ)學(xué)習(xí),其學(xué)習(xí)內(nèi)容涵蓋了英語(yǔ)學(xué)習(xí)的聽、說(shuō)、寫等訓(xùn)練,并強(qiáng)調(diào)了聽力訓(xùn)練和口語(yǔ)訓(xùn)練的重要性,該系統(tǒng)具有較好的通用性和推廣價(jià)值。日后,筆者仍會(huì)在語(yǔ)音識(shí)別的效率以及多語(yǔ)種自助學(xué)習(xí)的Web應(yīng)用等方面做進(jìn)一步的研究,期望有更多的智能化的語(yǔ)言學(xué)習(xí)系統(tǒng)能夠得到應(yīng)用,以滿足更加豐富、多樣的語(yǔ)言學(xué)習(xí)需求。

[1]李廣麗,張紅斌.基于TTS和SR技術(shù)的英語(yǔ)自學(xué)系統(tǒng)的設(shè)計(jì)[J].華東交通大學(xué)學(xué)報(bào),2009,26(2):86-90.

[2]廖日坤,紀(jì)越峰,黃小迅.基于TTS文語(yǔ)轉(zhuǎn)換的Web語(yǔ)音瀏覽器[J].蘭州工業(yè)高等?？茖W(xué)校學(xué)報(bào),2006,13(2):10-13.

[3]趙強(qiáng),左婭佳,房維強(qiáng),等.診斷學(xué)仿真實(shí)驗(yàn)系統(tǒng)中應(yīng)用TTS技術(shù)創(chuàng)建虛擬問(wèn)診功能的研發(fā)設(shè)計(jì)[J].電化教育研究,2009,(10):62-63.

[4]林茜,歐建林,蔡駿.基于Microsoft Speeeh SDK的語(yǔ)音關(guān)鍵詞檢出系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J].心智與計(jì)算,2007,1(4):433-441.

[5]袁軍,張思民.嵌入式中文TTS系統(tǒng)的研究與實(shí)現(xiàn)[J].電腦知識(shí)與技術(shù),2008,(6):1 345-1 347.

[3]尹惠玲,楊帆,于虹,等.基于COM的智能TTS系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J].微計(jì)算機(jī)信息,2009,25(5-3):172-173.

[4]GEOFF B.Voice-activated Web Browsing[EB/OL].2004[2009-08-16].http://www.codeproject.com/KB/audio-video/Web-VoicePkg.aspx.