文獻檢索是科研人員了解研究方法、科學問題與科學假設(shè)的重要途徑。隨著移動互聯(lián)網(wǎng)技術(shù)的飛速發(fā)展，知識服務(wù)的個性化需求越來越引起廣大領(lǐng)域?qū)＜业闹匾暋Ｒ虼耍绾卫梦墨I實現(xiàn)個性化信息與知識服務(wù)，增強互動交流，提升用戶體驗，輔助科研工作者更好地完成科研工作，提高科研效率與水平，是知識服務(wù)模式轉(zhuǎn)型與領(lǐng)域研究的新內(nèi)容。

當前，云計算、大數(shù)據(jù)與人工智能等新興技術(shù)正快速推動著各行各業(yè)的信息化發(fā)展，將這些新方法新技術(shù)應(yīng)用于生物醫(yī)學文獻信息與知識服務(wù)具有重要意義，是醫(yī)學信息學、圖書館信息服務(wù)領(lǐng)域的一項熱點內(nèi)容[1]。本文擬通過整合PubMed E-utilities[2]接口與百度AI開放平臺的語音合成應(yīng)用程序編程接口(Application Programming Interface，API)，構(gòu)建一個支持音頻播放的生物醫(yī)學文獻檢索系統(tǒng)，在傳統(tǒng)文獻服務(wù)的基礎(chǔ)上實現(xiàn)文獻的音頻轉(zhuǎn)化與播放功能，方便及時關(guān)注最新研究進展，幫助科研人員利用碎片化時間進行文獻跟蹤學習。

1 系統(tǒng)需求分析

1.1 文獻閱讀的移動化

科研工作者通過日常閱讀文獻跟蹤領(lǐng)域最新研究進展，以便提出新的科學假設(shè)。面對呈指數(shù)級增長的海量文獻，盡管傳統(tǒng)文獻信息檢索系統(tǒng)能夠幫助科研人員快速查找文獻，但對于特定主題或特定領(lǐng)域的文獻，通常搜索得到的候選文獻集的數(shù)量仍然龐大，很難實現(xiàn)對大量候選文獻的精讀。在移動互聯(lián)網(wǎng)時代，人們的閱讀方式正從以往的使用個人電腦查詢與閱讀科技文獻資料逐漸向移動APP閱讀模式轉(zhuǎn)變，移動APP的普及更適合用戶利用碎片化時間快速瀏覽[3]。

移動APP使用戶對科技文獻資源閱讀查詢更加方便快捷，且不受場所地域的限制，可以隨時隨地獲取想要的信息資源[4]。

目前許多科技情報與知識服務(wù)類移動APP、微信公眾號均提供了科研咨詢與熱點研究資訊推送的功能[5]，支持用戶快速地查找并下載國內(nèi)外文獻。部分應(yīng)用還對國外最新文獻提供了人工智能自動翻譯的服務(wù)，流暢支持跨語言閱讀[6]。然而，人工閱讀文獻需要投入大量時間，如何通過手機端獲得更好的文獻閱讀體驗，提高閱讀效率與知識服務(wù)質(zhì)量，是未來移動互聯(lián)時代科技文獻管理與服務(wù)發(fā)展的必然趨勢。

1.2 語音合成在文獻閱讀中的應(yīng)用

語音合成是一種通過機械的、電子的方法產(chǎn)生人造語音的技術(shù)。如文語轉(zhuǎn)換(Text To Speech，TTS)是目前語音合成最常見的應(yīng)用之一，可以實現(xiàn)將計算機產(chǎn)生的或外部輸入的文字信息轉(zhuǎn)化為語音輸出，或?qū)⑽谋疚募蛘呔W(wǎng)頁轉(zhuǎn)換成自然語音輸出[7]。TTS應(yīng)用不僅能幫助有視覺障礙的人閱讀計算機上的信息，更能增加文本文檔的可讀性，是新媒體時代個性化信息服務(wù)的重要內(nèi)容?，F(xiàn)代圖書館可以利用TTS語音合成技術(shù)將圖書期刊資源轉(zhuǎn)化為有聲讀物，既為中老年讀者提供了利用圖書館的有效途徑，又為解決知識人群用眼過度、普遍近視的社會問題提供了一種新的閱讀方式[8]。

目前語音合成技術(shù)已經(jīng)具有了較成熟的應(yīng)用，國內(nèi)外均有語音合成技術(shù)研究與開發(fā)平臺，如百度、騰訊、科大訊飛等科技公司提供的語音合成開放平臺，可以很方便地輔助程序開發(fā)者構(gòu)建一些語音合成的應(yīng)用。通過將文獻內(nèi)容從文本轉(zhuǎn)化為語音，借助于手機等移動設(shè)備，科研人員從單純的文獻閱讀轉(zhuǎn)化為文獻讀與聽相結(jié)合的模式，實現(xiàn)隨時隨地收聽。通常大部分文獻只需對摘要進行簡單瀏覽，這種通過聽音頻泛讀的方式可以節(jié)約科研人員的時間，提升用戶移動閱讀體驗。

2 系統(tǒng)設(shè)計

系統(tǒng)總體設(shè)計架構(gòu)如圖1所示。

圖1 系統(tǒng)架構(gòu)設(shè)計

以PubMed文獻數(shù)據(jù)庫作為數(shù)據(jù)源，搭建一個支持音頻播放的生物醫(yī)學文獻檢索系統(tǒng)。系統(tǒng)主要基于關(guān)鍵詞檢索，用戶輸入關(guān)鍵詞，系統(tǒng)通過調(diào)用接口E-utilities獲取到PubMed Citations信息，然后調(diào)用百度AI開放平臺的語音合成API，對摘要文本進行語音合成，生成相應(yīng)的音頻流。前端利用HTML5 audio標簽定義與呈現(xiàn)，audio 元素支持播放聲音文件和音頻流；移動端利用微信公眾平臺，通過回復音樂消息實現(xiàn)文獻音頻回復。另外，系統(tǒng)提供音頻文件下載功能，用戶可以將文獻音頻保存至本地。

2.1 PubMed E-utilities的接口調(diào)用與數(shù)據(jù)解析

PubMed E-utilities是NCBI 提供的訪問PubMed數(shù)據(jù)庫的免費開放的應(yīng)用程序調(diào)用接口，主要包括eSearch、eFetch等8 個接口。通過調(diào)用E-utilities接口，可以實現(xiàn)數(shù)據(jù)的批量下載，供科研人員進行二次開發(fā)，方便數(shù)據(jù)資源的高效使用[9]。系統(tǒng)的文獻檢索功能主要通過調(diào)用eFetch和eSearch接口實現(xiàn)，支持主題關(guān)鍵詞、作者等信息作為查詢條件的檢索功能[10]。eSearch接口對用戶輸入查詢進行響應(yīng)，根據(jù)查詢條件從PubMed數(shù)據(jù)庫中找出符合條件的唯一標識符(Unique Identifiers，UIDs)；eFetch接口接受eSearch返回的UIDs列表，進一步抽取相應(yīng)的PubMed Citations數(shù)據(jù)記錄，再解析提取所需對應(yīng)字段的文本內(nèi)容。

2.2 開放語音合成平臺

百度為開發(fā)人員提供了一個優(yōu)質(zhì)免費的語音技術(shù)開放平臺，方便開發(fā)者構(gòu)建語音合成應(yīng)用。百度語音合成服務(wù)平臺提供了離在線語音合成軟件開發(fā)工具包Android SDK(Software Development Kit)、IOS SDK以及REST API SDK，開發(fā)人員通過接口調(diào)用將文本轉(zhuǎn)換為可以播放的音頻文件。使用百度語音技術(shù)服務(wù)首先需要注冊成為百度開發(fā)者，筆者按要求填寫開發(fā)者信息并完成百度開發(fā)者的注冊后，服務(wù)調(diào)用的基本過程見圖2。

圖2 百度語音合成服務(wù)的調(diào)用

2.3 移動社交平臺擴展

微信公眾平臺是基于微信社交環(huán)境下針對企業(yè)、媒體或個人用戶提供信息服務(wù)的自媒體平臺。它提供的一種全新的個性化信息服務(wù)，能幫助用戶實現(xiàn)免費快速的即時文字、圖片、語音和視頻交流[11]。微信是國內(nèi)用戶使用最頻繁的移動社交平臺之一。由于微信公眾號語音消息有時長限制，為了方便手機移動端用戶獲得PubMed文獻音頻，將PubMed文獻音頻設(shè)為音樂消息類型(圖3)。將音頻文件上傳到服務(wù)器，獲得唯一的音頻文件MediaID與MUSIC_Url地址，包裝生成音樂消息，通過音樂消息回復實現(xiàn)音頻推送。此外，微信公眾平臺消息接口也支持語音識別功能，申請開通語音識別功能后，可進一步實現(xiàn)語音搜索功能。

3 系統(tǒng)實現(xiàn)

系統(tǒng)實現(xiàn)主要包含文獻檢索、語音播放與音頻文件下載3個功能模塊。

3.1 文獻檢索

文獻檢索策略與PubMed 數(shù)據(jù)庫基本檢索功能類似，支持PubMed 檢索中最常用的字段限定，如Title、Author name等。用戶輸入關(guān)鍵詞“tumor cancer”，點擊“GO”按鈕進行文獻檢索，在結(jié)果輸出頁面中，用戶可以通過點擊“標題”超鏈接前往PubMed數(shù)據(jù)庫中對應(yīng)條目的頁面(圖4)。

圖3 微信音樂消息結(jié)構(gòu)

圖4 文獻檢索與音頻播放

3.2 語音播放

系統(tǒng)通過接口E-utilities獲取到PubMed的文獻摘要，再調(diào)用百度AI開放平臺的語音合成API，對摘要文本進行語音合成，生成相應(yīng)的音頻流；然后利用HTML5 audio標簽定義與呈現(xiàn)，audio 元素支持播放聲音文件和音頻流。如圖4所示，在整個搜索結(jié)果顯示頁面中，通過audio元素實現(xiàn)音頻播放功能，用戶點擊音頻播放圖標，即可在瀏覽文獻的同時邊聽邊讀。

3.3 音頻下載與移動語音搜索

3.3.1 音頻文件下載

為方便用戶存儲已合成的文獻音頻，系統(tǒng)提供了音頻文件下載功能，點擊“下載”圖標，即可將音頻文件保存到本地，而且文件自動以文獻對應(yīng)的PMID命名(圖5)。

3.3.2 音頻消息回復

為了向移動社交平臺擴展，筆者申請開通了微信公眾號。系統(tǒng)對摘要文本進行語音合成后，將生成相應(yīng)的音頻文件動態(tài)存儲在服務(wù)器，用戶關(guān)注公眾號后發(fā)送文獻PMID，公眾號即可回復對應(yīng)的文獻音頻消息(圖6)。公眾號開通語音識別后，用戶發(fā)送語音消息給公眾號時，微信公眾號平臺會在推送的語音消息XML數(shù)據(jù)包中自動增加一個Recognition字段，用來表示識別出的文本內(nèi)容。系統(tǒng)解析抽取Recognition字段內(nèi)容，然后將其作為eSearch接口參數(shù)，從而實現(xiàn)語音化搜索。

圖5 將音頻文件保存到本地

圖6 音頻消息回復與語音搜索

4 結(jié)語

移動互聯(lián)網(wǎng)技術(shù)的創(chuàng)新與發(fā)展不斷改變著人類的閱讀習慣。文獻閱讀作為科研工作的重要組成部分，移動閱讀模式正逐漸成為科研工作者閱讀文獻的常用方式。本文通過將語音合成技術(shù)引入文獻檢索服務(wù)中，從而擴展與延伸了傳統(tǒng)的文獻檢索與閱讀服務(wù)，實現(xiàn)了文獻服務(wù)向移動端轉(zhuǎn)移，突出了移動社交性，提高了閱讀效率，是移動互聯(lián)時代文獻服務(wù)與知識服務(wù)的一種新嘗試。近年來，語音合成技術(shù)已基本解決了語音清晰度方面的問題，語音合成技術(shù)的應(yīng)用也越來越普遍，但仍需進一步提升其自然度和表現(xiàn)力。隨著AI等技術(shù)的不斷改進與創(chuàng)新，未來支持AI技術(shù)的移動APP閱讀模式必將成為重要的科技文獻服務(wù)方式。