郭徐東 朱偉杰 王雪梅

[摘? ? ? ? ? ?要]? 為了方便手機(jī)用戶智能識(shí)別語(yǔ)音，快捷體驗(yàn)音樂(lè)，運(yùn)用科大訊飛先進(jìn)的語(yǔ)音識(shí)別技術(shù)，可以識(shí)別用戶“哼”和“唱”，通過(guò)Webview方式展現(xiàn)匹配的歌曲列表，供用戶選擇播放，識(shí)別過(guò)程中幾乎不受周圍冗雜環(huán)境的影響，提升用戶體驗(yàn)感以及識(shí)別效率、準(zhǔn)確率。系統(tǒng)還可以自由切換用戶識(shí)別引擎，可以導(dǎo)入APP中一段音頻來(lái)識(shí)別，甚至可以識(shí)別生活中遇到的各種聲音，并顯示在手機(jī)屏幕上，APP讓我們的生活更智能，更便捷。

[關(guān)? ? 鍵? ?詞]? 智能語(yǔ)音;語(yǔ)音識(shí)別;Webview

[中圖分類號(hào)]? TB51+8? ? ? ? ? ? ? ? [文獻(xiàn)標(biāo)志碼]? A? ? ? ? ? ? ? ?[文章編號(hào)]? 2096-0603（2019）31-0056-02

人們可以通過(guò)很多方式來(lái)感受音樂(lè)，音樂(lè)播放器是最便捷、最實(shí)用的一種。傳統(tǒng)的音樂(lè)播放器通過(guò)兩種方式實(shí)現(xiàn)控制：一是按鍵控制，二是無(wú)線藍(lán)牙控制，這兩種方式對(duì)手不空閑或者是疲憊、殘疾等特殊人群是不方便的，為了減少手動(dòng)操作，發(fā)明了語(yǔ)音控制，但也帶來(lái)新的問(wèn)題。

示例場(chǎng)景：你走在大街上，聽(tīng)到一陣熟悉的音樂(lè)，想知道歌曲名字，因此出現(xiàn)了隨時(shí)隨地識(shí)別音樂(lè)的軟件。

本系統(tǒng)就是為了方便用戶識(shí)別音樂(lè)，提供的一款完整、高效、快捷的移動(dòng)端軟件。

一、研究意義

最早的智能語(yǔ)音出現(xiàn)在20世紀(jì)90年代末，市場(chǎng)有搭載語(yǔ)音識(shí)別功能的手機(jī)，那時(shí)的語(yǔ)音識(shí)別是通訊功能的一個(gè)附加選項(xiàng)，而現(xiàn)在語(yǔ)音技術(shù)已脫離通訊功能獨(dú)立存在，語(yǔ)音不僅可以幫人撥打電話、發(fā)送短信，還可以用來(lái)遙控手機(jī)或者控制其他機(jī)器進(jìn)行拍照或播放音樂(lè)，甚至運(yùn)用于汽車行業(yè)。

有些場(chǎng)景有必要用語(yǔ)音來(lái)完成，如開(kāi)車時(shí)突然有電話要接聽(tīng)，正在炒菜時(shí)想回復(fù)一條短信，在這兩個(gè)虛擬場(chǎng)景中，如果使用手指來(lái)操作手機(jī)，顯然不夠方便，甚至?xí)形ｋU(xiǎn)，而采用語(yǔ)音來(lái)完成這些功能，比較方便和安全。智能語(yǔ)音的出現(xiàn)，更促進(jìn)了人們對(duì)聲音技術(shù)的追求。

我國(guó)語(yǔ)音識(shí)別研究工作起步于20世紀(jì)50年代，雖然起步比較晚，但由于國(guó)家重視，近年來(lái)發(fā)展速度也很快，緊跟國(guó)際步伐。中國(guó)地大物博，人口眾多，因而有龐大的消費(fèi)市場(chǎng)。國(guó)外對(duì)中國(guó)的語(yǔ)音識(shí)別技術(shù)也很關(guān)注，由于漢語(yǔ)復(fù)雜，對(duì)語(yǔ)音識(shí)別的技術(shù)研究更具有挑戰(zhàn)性，到目前為止，國(guó)內(nèi)的語(yǔ)音識(shí)別還是商業(yè)應(yīng)用，在各個(gè)銀行已經(jīng)逐漸實(shí)現(xiàn)了智能語(yǔ)音技術(shù)的廣泛應(yīng)用，有自動(dòng)取款機(jī)、自主辦卡等業(yè)務(wù)，在醫(yī)院、家庭等場(chǎng)所還沒(méi)有普及，因此需要加快推廣步伐。

現(xiàn)如今，許多用戶已經(jīng)在手機(jī)上享受到了語(yǔ)音識(shí)別技術(shù)的方便，比如智能手機(jī)操作典型的例子就是小米手機(jī)中的小愛(ài)同學(xué)，已經(jīng)實(shí)現(xiàn)了智能語(yǔ)音交互，但是這與真正的人機(jī)交流還有很遙遠(yuǎn)的距離。

二、系統(tǒng)設(shè)計(jì)

智能語(yǔ)音APP基于IOS平臺(tái)，采用MVC框架、Webview、單例傳值、對(duì)象模型、代理等技術(shù)。系統(tǒng)有三個(gè)界面：登錄界面、語(yǔ)音識(shí)別界面、設(shè)置界面，系統(tǒng)功能結(jié)構(gòu)如圖1所示。

（一）登錄界面

登錄界面主要是負(fù)責(zé)用戶登錄，可以通過(guò)第三方軟件登錄，如QQ、微信，也可以短信驗(yàn)證登錄。

管理員使用另外的界面登錄，登錄后可以進(jìn)行各種系統(tǒng)設(shè)置操作。

（二）語(yǔ)音識(shí)別界面

語(yǔ)音識(shí)別界面主要是利用各種引擎來(lái)識(shí)別語(yǔ)音，分為語(yǔ)音識(shí)別、哼歌識(shí)曲和唱歌識(shí)曲，調(diào)用不同的接口，判斷用戶的音頻特征。語(yǔ)音識(shí)別界面如圖2所示。

用戶登錄該軟件之后，跳轉(zhuǎn)到用戶識(shí)別界面，點(diǎn)擊開(kāi)始按鈕可以開(kāi)始識(shí)別自己的語(yǔ)音。其主要的工作原理是啟動(dòng)麥克風(fēng)設(shè)備，收集用戶音頻，將音頻壓縮成指定的rmvb格式上傳到云端，通過(guò)云端返回的json字符串，解析識(shí)別歌曲相似度、歌手、歌曲名等信息，解析字符串中可能會(huì)出現(xiàn)曲名相同，但是由不同歌手演唱的歌曲，再通過(guò)json字符串轉(zhuǎn)化為我們所需要的數(shù)據(jù)，通過(guò)model傳輸將數(shù)據(jù)顯示在自定義cell中，用戶可以通過(guò)點(diǎn)擊相對(duì)應(yīng)的歌曲名，引用Webview的方式來(lái)播放歌曲，操作流程圖如圖3所示。

（三）設(shè)置界面

設(shè)置界面可以設(shè)置用戶信息、設(shè)置引擎、識(shí)別記錄、軟件分享、軟件評(píng)價(jià)、信息反饋、軟件介紹等。

“設(shè)置引擎”功能可以方便用戶設(shè)置語(yǔ)音識(shí)別引擎，以便識(shí)別不同的語(yǔ)音進(jìn)行判斷。軟件自動(dòng)獲取的是AUTO接口，即自動(dòng)判斷音頻的格式，而用戶可以選擇afs接口，即哼唱選項(xiàng)，也可以選擇原生接口，即調(diào)用aas接口。

為了軟件的推廣以及完善，設(shè)置了“軟件分享”和“信息反饋”功能，用戶可以通過(guò)微信或QQ進(jìn)行分享，用戶點(diǎn)擊時(shí)會(huì)跳轉(zhuǎn)到APP Store進(jìn)行下載;若用戶發(fā)現(xiàn)軟件有不足之處，可以通過(guò)“信息反饋”功能，進(jìn)行反饋，以便公司完善軟件。

在管理界面通過(guò)第三方MOB，管理員還可以觀看軟件下載量和下載次數(shù)以及某個(gè)軟件界面的瀏覽次數(shù)等信息，便于觀察用戶的使用狀況，更加方便地管理軟件。

三、結(jié)語(yǔ)

語(yǔ)音交互已經(jīng)成為人工智能領(lǐng)域最成熟，也是落地最快的技

術(shù)。尤其是深度學(xué)習(xí)的興起，讓語(yǔ)音識(shí)別、語(yǔ)音合成以及自然語(yǔ)言處理的發(fā)展速度提升到了一個(gè)新的高度。

智能語(yǔ)音應(yīng)用前景廣闊，這是人機(jī)交互的一大特點(diǎn)，而音樂(lè)播放器中的語(yǔ)音識(shí)別更是與人們的生活密不可分，識(shí)別的正確率、效率尤為重要，因此，軟件要以用戶的體驗(yàn)為前提。語(yǔ)音識(shí)別技術(shù)發(fā)展到今天，已經(jīng)能夠識(shí)別中小詞匯和很多方言，識(shí)別精度也越來(lái)越高，未來(lái)語(yǔ)音識(shí)別產(chǎn)品的前景以及市場(chǎng)會(huì)更加廣闊。

但是，目前計(jì)算機(jī)對(duì)用戶語(yǔ)音的識(shí)別度還不是非常理想，人機(jī)交互中還存在一些問(wèn)題，語(yǔ)音識(shí)別技術(shù)還有很長(zhǎng)的一段路要走，必須要取得突破性的發(fā)展，才能更好地應(yīng)用于商業(yè)，這也是未來(lái)語(yǔ)音識(shí)別技術(shù)的發(fā)展方向以及努力目標(biāo)。

參考文獻(xiàn)：

[1]齊立波，黃俊偉.C#入門經(jīng)典（第七版）[M].北京：清華大學(xué)出版社，2016.

[2]JohnAlbritton，Albritton，京京工作室.Cisco IOS技術(shù)基礎(chǔ)[M].北京：機(jī)械工業(yè)出版社，1999.

[3]許學(xué)，孟利民.基于ios的音視頻監(jiān)控軟件的設(shè)計(jì)與實(shí)現(xiàn)[J].電聲技術(shù)，2014，38（4）：74-78.

[4]北鼻.iOS開(kāi)發(fā)者成長(zhǎng)之路：入門準(zhǔn)備篇[J].計(jì)算機(jī)應(yīng)用文摘，2013（3）.

[5]JohnRay.Ipad開(kāi)發(fā)入門經(jīng)典[M].北京：人民郵電出版社，2011.

[6]曾源.iOS編程實(shí)戰(zhàn)寶典[M].北京：清華大學(xué)出版社，2014.

[7]吳海勇.基于單個(gè)項(xiàng)目的《iOS應(yīng)用編程》課程教學(xué)[J].軟件導(dǎo)刊（教育技術(shù)），2017（12）：30-31.

[8]胡輝.IOS環(huán)境下使用MVC模式進(jìn)行APP開(kāi)發(fā)的設(shè)計(jì)思路探索[J].數(shù)字技術(shù)與應(yīng)用，2015（6）：204.

[9]ShawnWelch，韋爾奇，郭華豐.iOS App界面設(shè)計(jì)創(chuàng)意與實(shí)踐[M].北京：人民郵電出版社，2013.

[10]吳寧.iOS APP開(kāi)發(fā)安全框架設(shè)計(jì)與實(shí)現(xiàn)[D].杭州：浙江大學(xué)，2015.

[11]劉哲.基于IOS系統(tǒng)的app開(kāi)發(fā)：圖書(shū)閱讀助手[D].濟(jì)南：山東大學(xué)，2014.

[12]達(dá)爾林普爾.Objective-C基礎(chǔ)教程[M].北京：人民郵電出版社，2009.

[13]杜艷美.基于web前端的性能優(yōu)化框架模型研究[D].綿陽(yáng)：西南科技大學(xué)，2018.

編輯 武生智