李夢(mèng)瑤　向卓元

摘要：隨著人工智能中語音識(shí)別技術(shù)的快速發(fā)展，以及Android手機(jī)的普及，加上中央近期提出“互聯(lián)網(wǎng)+”計(jì)劃，語音與文本及時(shí)、快速、準(zhǔn)確的轉(zhuǎn)換以及信息的即時(shí)傳輸將緩解紙質(zhì)資源浪費(fèi)現(xiàn)狀，突破傳統(tǒng)會(huì)議局限性，提高工作、生活效率。將語音識(shí)別技術(shù)與Android平臺(tái)相結(jié)合，構(gòu)建移動(dòng)全能語音秘書平臺(tái)，利用基于線性預(yù)測(cè)特征的語音識(shí)別算法實(shí)現(xiàn)語音模式匹配，提高語音識(shí)別率，實(shí)現(xiàn)工作生活智能化、無紙化。

關(guān)鍵詞：語音識(shí)別技術(shù)；Android；移動(dòng)全能秘書；互聯(lián)網(wǎng)+；線性預(yù)測(cè)特征模型

DOIDOI：10.11907/rjdk.151595

中圖分類號(hào)：TP319

文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)文章編號(hào)：16727800（2015）008012702

0 引言

隨著地球資源的日益減少，加上人們環(huán)境意識(shí)的逐步增強(qiáng)，辦公無紙化、生活無紙化逐漸得以實(shí)現(xiàn)。當(dāng)前辦公環(huán)境下，會(huì)議記錄需要秘書通過人工錄入方式將會(huì)議信息錄入電腦中，大大降低了辦事效率，增加了人力成本。并且由于人工輸入速度與語速不成正比，記錄的真實(shí)性也有待提高[1]。鑒于此，本文基于語音識(shí)別技術(shù)設(shè)計(jì)移動(dòng)秘書平臺(tái)。該系統(tǒng)主要功能如下：用戶通過注冊(cè)擁有自己的賬號(hào)，在生活模式下，通過個(gè)人語音直接錄音以記錄自己的生活瑣事，系統(tǒng)將錄音轉(zhuǎn)換為文本存入本機(jī)中形成備忘錄或者個(gè)人日記；工作模式下，可以通過系統(tǒng)邀請(qǐng)?jiān)诰€好友進(jìn)行語音會(huì)議，錄音會(huì)及時(shí)轉(zhuǎn)換為文字，做到即時(shí)通信，最終形成完整會(huì)議記錄，并通過郵件發(fā)送給參會(huì)的每一個(gè)人。

1 語音識(shí)別與即時(shí)通信技術(shù)

1.1 語音識(shí)別——語音轉(zhuǎn)文本

語音識(shí)別即自動(dòng)語音識(shí)別（Automatic Speech Recognition，ASR），其目標(biāo)是將人類語音中的詞匯內(nèi)容轉(zhuǎn)換為計(jì)算機(jī)可讀的輸入內(nèi)容。語音識(shí)別包括語音合成、語音聽寫、語音翻譯[2]。

一個(gè)完整的語音識(shí)別系統(tǒng)可大致分為3部分：①語音信號(hào)預(yù)處理與特征提?。虎谀Ｊ狡ヅ?；③語言模型與語言處理。

語音轉(zhuǎn)文本通過語音識(shí)別第一階段得到機(jī)器識(shí)別的內(nèi)容之后再進(jìn)行模型匹配，查找詞典中高頻詞組并進(jìn)行前后語意分析，得出最終轉(zhuǎn)化的文本。

1.2 即時(shí)通信——移動(dòng)會(huì)議室（Android平臺(tái)）

移動(dòng)互聯(lián)網(wǎng)成為了人們生活中必不可少的部分，而傳統(tǒng)會(huì)議室對(duì)空間的要求限制了人們的行動(dòng)。會(huì)議移動(dòng)化，與會(huì)者可以通過智能手機(jī)端在會(huì)前、會(huì)中或者會(huì)后瀏覽會(huì)議相關(guān)文檔，以及會(huì)議時(shí)間、會(huì)議主題、會(huì)議記錄等會(huì)議相關(guān)信息。智能化、標(biāo)準(zhǔn)化、集成化將是辦公會(huì)議系統(tǒng)的發(fā)展趨勢(shì)。

隨著移動(dòng)互聯(lián)網(wǎng)的發(fā)展，互聯(lián)網(wǎng)即時(shí)通信也在向移動(dòng)化擴(kuò)張，與此同時(shí)，Android系統(tǒng)的開放性及其強(qiáng)大的通信功能，以及在手機(jī)和平板電腦等移動(dòng)設(shè)備的普遍應(yīng)用，使得移動(dòng)會(huì)議室能夠得以實(shí)現(xiàn)。

根據(jù)2014Q2中國(guó)智能手機(jī)市場(chǎng)操作系統(tǒng)分布狀況可知，Android市場(chǎng)占有率達(dá)78.6%，ios占比為13.7%，Windows、BlackBerryOS以及其它操作系統(tǒng)占比較小。由此可以看出，Android平臺(tái)市場(chǎng)應(yīng)用廣泛，這為系統(tǒng)的兼容性打下了堅(jiān)實(shí)基礎(chǔ)。

2 系統(tǒng)結(jié)構(gòu)設(shè)計(jì)

2.1 總體架構(gòu)設(shè)計(jì)

移動(dòng)全能秘書系統(tǒng)總體架構(gòu)設(shè)計(jì)如圖1所示，其采用成熟穩(wěn)定的數(shù)據(jù)庫設(shè)計(jì)模式：客戶機(jī)/服務(wù)器（Client/Server）模式。客戶機(jī)端為移動(dòng)手機(jī)端，手機(jī)端使用目前最流行的Android操作系統(tǒng)，服務(wù)器端使用Windows Server 2003。這種設(shè)計(jì)在當(dāng)前更具有代表性和普遍性。

本系統(tǒng)分前端和后端，系統(tǒng)前端包括客戶端和系統(tǒng)后臺(tái)?？蛻舳酥饕鞘謾C(jī)端，這里采用普及最廣的Android系統(tǒng)作為平臺(tái)，用于向用戶提供整個(gè)服務(wù)。同時(shí)本系統(tǒng)采用熱門的語音識(shí)別技術(shù)，移動(dòng)端和語音云之間采用HTTP協(xié)議交互信息，以提高整個(gè)系統(tǒng)的數(shù)據(jù)傳輸效率，完成各種業(yè)務(wù)需求。平臺(tái)管理員PC端則用于維護(hù)系統(tǒng)信息并完成前臺(tái)信息對(duì)接工作，采用.net框架進(jìn)行開發(fā)，用C#實(shí)現(xiàn)。移動(dòng)端和管理員后臺(tái)端，都采用TCP通信協(xié)議，以保障通信的穩(wěn)定與快速。

后端采用Windows+Http+Servlet+sqlsever的組合，首先Http網(wǎng)絡(luò)協(xié)議可提高整個(gè)系統(tǒng)數(shù)據(jù)傳輸效率， sqlsever的開源性和極快的響應(yīng)速度使得系統(tǒng)在成本上能夠得到控制，并且Servlet經(jīng)典的客戶端和服務(wù)器數(shù)據(jù)傳輸模式與json數(shù)據(jù)傳輸類型保證了語音轉(zhuǎn)化為文本數(shù)據(jù)傳輸過程的完整性，也能夠?qū)崿F(xiàn)更好的用戶體驗(yàn)。后端為平臺(tái)數(shù)據(jù)庫及Android本地sqlite數(shù)據(jù)庫，會(huì)議記錄保存在后臺(tái)服務(wù)器端，保證了記錄的不可篡改性與安全性。而備忘錄保存在本地則提高了用戶對(duì)系統(tǒng)的體驗(yàn)度，減輕了對(duì)服務(wù)器端數(shù)據(jù)的堆積。整個(gè)后端既能滿足系統(tǒng)所有的業(yè)務(wù)需求，同時(shí)也保證了用戶信息的私有化。前端為Android移動(dòng)端，都采用TCP通信協(xié)議，保障了通信的穩(wěn)定與快速。

圖1 系統(tǒng)總體架構(gòu)設(shè)計(jì)

2.2 Android系統(tǒng)語音識(shí)別設(shè)計(jì)

本系統(tǒng)在個(gè)人語音、在線會(huì)議環(huán)節(jié)利用語音識(shí)別技術(shù)，實(shí)現(xiàn)快速語音錄制及聲音轉(zhuǎn)文本功能?？捎檬謾C(jī)代替現(xiàn)有的會(huì)議記錄秘書、個(gè)人日記本、個(gè)人備忘錄，實(shí)現(xiàn)會(huì)議記錄、備忘錄、個(gè)人日記的無紙化。

在Android平臺(tái)運(yùn)用語音識(shí)別，建立聽寫識(shí)別對(duì)象，創(chuàng)設(shè)聽寫監(jiān)聽，利用信號(hào)處理的方法對(duì)說話人語音進(jìn)行檢測(cè)、降噪等預(yù)處理，以便得到最適合識(shí)別引擎處理的語音。將得到的音頻錄制結(jié)果通過語言云的SDK接口掃描到云端詞庫進(jìn)行識(shí)別，得到最適合的結(jié)果。語音識(shí)別基本架構(gòu)如圖2所示。

圖2 語音識(shí)別架構(gòu)

3 系統(tǒng)功能設(shè)計(jì)

移動(dòng)全能秘書平臺(tái)是基于語音識(shí)別技術(shù)、即時(shí)通信技術(shù)和Android系統(tǒng)而建立，可解決資源匱乏、信息流通延遲、傳統(tǒng)會(huì)議時(shí)空局限性等問題，實(shí)現(xiàn)會(huì)議和生活的高效和“無紙化”。

系統(tǒng)前端為客戶端，主要分為會(huì)議模式和生活模式。會(huì)議模式下實(shí)現(xiàn)查看在線用戶、組建會(huì)議室、應(yīng)邀進(jìn)入會(huì)議室、語音轉(zhuǎn)文本會(huì)議錄制、結(jié)束會(huì)議并向參會(huì)人發(fā)送會(huì)議記錄、瀏覽會(huì)議記錄等功能。生活模式下實(shí)現(xiàn)個(gè)人備忘錄語音轉(zhuǎn)文本錄制、瀏覽備忘錄等功能。后端為平臺(tái)管理員端，可進(jìn)行會(huì)議記錄管理、用戶管理。其功能結(jié)構(gòu)如圖3所示。

圖3 用戶APP功能

4 語音模式匹配實(shí)現(xiàn)

語音會(huì)議與個(gè)人日記中的關(guān)鍵點(diǎn)在于如何實(shí)現(xiàn)模式匹配，以及如何查詢最高頻的文字，做到模塊匹配。查閱資料發(fā)現(xiàn)，線性預(yù)測(cè)編碼（LPC）及動(dòng)態(tài)規(guī)劃技術(shù)算法，能夠很好地解決模板匹配中遇到的模板與待識(shí)別語音時(shí)間長(zhǎng)度不一致的問題，可顯著提高識(shí)別率。線性預(yù)測(cè)特征的基本原理是建立在語音的數(shù)字模型基礎(chǔ)上，為估計(jì)數(shù)字模型中的參數(shù)，線性預(yù)測(cè)法提供了一種可靠精確的有效方法[3]。

將自回歸信號(hào)模型（AR模型）作為語音信號(hào)處理的常用模型。此時(shí)H（z）可寫為：

H（z）=S（z）[]U（z）=z[]1-p[]i=1aiz-i（1）

語音抽樣信號(hào)s（n）和激勵(lì)信號(hào)之間的關(guān)系可用下列差分方程來表示：

s（n）=p[]i=1ais（n-i）+Gu（n）（2）

所以預(yù)測(cè)誤差濾波器A（z）和H（z）的逆濾波器，有下式成立：

H（z）=G[]A（z）（3）

H（z）稱為合成濾波器。

線性預(yù)測(cè)誤差濾波相當(dāng)于一個(gè)逆濾波過程或逆逼近過程，當(dāng)調(diào)整濾波器A（z）的參數(shù)使輸出e（n）逼近一個(gè)白噪聲序列u（n）時(shí)，A（z）和H（z）是等效的，而按最小均方誤差準(zhǔn)則求解線性預(yù)測(cè)系數(shù)正是使輸出e（n）白化的過程。

通過語音數(shù)據(jù)采集，集合線性預(yù)測(cè)過濾誤差聲波，再通過語音云中有海量中文高頻詞的詞典，查找與模式匹配庫中相匹配的最高頻的字詞進(jìn)行文本翻譯，為用戶提供準(zhǔn)確率較高的語意翻譯。

5 結(jié)語

本系統(tǒng)所提供的功能可以在很大程度上突破傳統(tǒng)會(huì)議局限，解決文檔保存、紙資源浪費(fèi)、打字困擾等問題，用戶借助該軟件可以提高工作效率，其生活也更加便捷。目前，人工智能技術(shù)逐漸滲透到人們的日常生活與工作中，且中央近期提出“互聯(lián)網(wǎng)+”，“互聯(lián)網(wǎng)+”行動(dòng)計(jì)劃重點(diǎn)在于促進(jìn)計(jì)算機(jī)信息技術(shù)與生活及其它行業(yè)的融合創(chuàng)新，本系統(tǒng)正好響應(yīng)此計(jì)劃，為人們的工作與生活提供了極大方便。及時(shí)推送與語音識(shí)別技術(shù)的緊密結(jié)合，也將為本系統(tǒng)打開廣闊的應(yīng)用前景。

參考文獻(xiàn)：

[1] 倪崇嘉，劉文舉，徐波.漢語大詞匯量連續(xù)語音識(shí)別系統(tǒng)研究進(jìn)展[J].中文信息學(xué)報(bào)，2009（1）：112123.

[2] 高新濤，陳乖麗.語音識(shí)別技術(shù)的發(fā)展現(xiàn)狀及應(yīng)用前景[J].甘肅科技縱橫，2007（4）：13.

[3] 高翔.計(jì)算機(jī)語音錄入系統(tǒng)中準(zhǔn)確性問題的研究[J].自動(dòng)化與儀器儀表，2015（2）：103104.

[4] 蔡敏.基于多特征組合優(yōu)化的漢語數(shù)字語音識(shí)別研究[J].電子器件，2013（2）：282284.

（責(zé)任編輯：孫 娟）