鄺展鵬

摘要：隨著人工智能技術(shù)不斷取得突破，人機(jī)交互的模式逐漸從傳統(tǒng)的鼠標(biāo)鍵盤交互和觸屏交互向自然交互發(fā)展。在這種大環(huán)境下，為了提高現(xiàn)有三維繪圖軟件的工作效率，提出了一種利用開放平臺的語音識別技術(shù)輔助繪圖的方法。在保留三維繪圖軟件原有的鼠標(biāo)鍵盤操作模式下，增加了語音指令輔助設(shè)計的方式。

關(guān)鍵詞：語音識別;語音繪圖;智能語音

中圖分類號：TP311 文獻(xiàn)標(biāo)志碼：A 文章編號：2095-2945（2019）12-0168-02

1概述

隨著語音識別技術(shù)和自然語言處理技術(shù)的發(fā)展，科大訊飛、云知聲和百度智能等開放平臺日趨成熟，這為當(dāng)前開發(fā)應(yīng)用級別的語音輔助系統(tǒng)提供了良好的技術(shù)支持。無論是在移動智能手機(jī)上的語音助手，還是風(fēng)靡各個家庭的智能音箱，都代表著語言交互這一種我們?nèi)粘Ｉ钪惺褂米顝V泛也是最重要的交互方式融入到人機(jī)交互中是不可避免的趨勢。Solidworks是一款專門用于工程制圖的三維繪圖軟件，在國內(nèi)廣泛應(yīng)用于機(jī)械設(shè)計與評估。其內(nèi)置應(yīng)用程序編程接口（API），便于開發(fā)者進(jìn)行二次開發(fā)。百度智能語音平臺為開發(fā)者提供的軟件開發(fā)工具包（SDK）具有強(qiáng)大且完善的功能，包括語音識別、詞法分析、語音合成等圈。這兩者的結(jié)合讓語音識別技術(shù)應(yīng)用于現(xiàn)有的三維繪圖軟件，從而提高設(shè)計師的工作效率成為可能。

2語音識別和語義理解

語音識別技術(shù)是以人的語音信號為研究對象，能通過模式識別或深度學(xué)習(xí)的方法將語音信號轉(zhuǎn)換成文字信息。目前國外的開源語音識別引擎（ASR）有CMU Sphinx、HTK、Kaldi等，國內(nèi)有訊飛語音、百度智能等開放平臺提供語音識別服務(wù)。其中，國內(nèi)的大型開放平臺在中文語音識別的準(zhǔn)確率已經(jīng)達(dá)到了95%以上。然而語音識別技術(shù)只能將語音信息轉(zhuǎn)換成文字，進(jìn)行語音識別后獲得的文本信息還需要讓計算機(jī)理解后才能轉(zhuǎn)化成具體的指令，從而執(zhí)行相應(yīng)的任務(wù)以滿足我們的需要。

語義理解是在自然語言處理（NLP）技術(shù)的基礎(chǔ)上，針對文本信息中人的意圖進(jìn)行識別并讓計算機(jī)理解的過程。首先需要使用NLP中的詞法分析對文本信息進(jìn)行處理。詞法分析是一種能夠?qū)ξ谋拘畔⑦M(jìn)行分詞、詞性識別和專名識別的技術(shù)，其處理過程如圖1所示。

進(jìn)行詞法分析后，計算機(jī)就可以對結(jié)果所得的詞匯進(jìn)行檢索，并使用匹配模型匹配對應(yīng)的用戶意圖。匹配模型包括一個喚醒關(guān)鍵字和數(shù)目不等的參數(shù)，例如“繪制圓柱”這個意圖對應(yīng)的匹配模型包括了喚醒關(guān)鍵字“繪制”、參數(shù)“圓柱”、還有圓柱對應(yīng)的高度和直徑尺寸。計算機(jī)只有獲取到滿足匹配模型的所有參數(shù)才能準(zhǔn)確按照用戶的意圖進(jìn)行操作。語義理解的結(jié)構(gòu)如圖2所示。

3SolidWorks動作宏

要實現(xiàn)語音控制繪圖軟件進(jìn)行工作，就需要繪圖軟件能夠通過除了鼠標(biāo)鍵盤輸入指令之外的方式進(jìn)行繪圖。SolidWorks自帶宏工具，用戶可以通過錄制/編輯/執(zhí)行宏提高工作效率。錄制并保存的宏文件可以保存為C#、VB.NE3F等格式。因此，使用動作宏進(jìn)行繪圖是該繪圖軟件的第三種輸入方式。由于宏文件使用了C#、VB.NET等高級語言進(jìn)行編輯和運行，因此可以通過讀取XML等外部文件進(jìn)行信息傳遞，從而根據(jù)外部指令控制繪圖軟件進(jìn)行不同的操作，如圖3所示。

Solidworks的動作宏具有強(qiáng)大的功能，例如捕捉繪圖空間中的焦點、調(diào)用任意繪圖工具、移動窗口鏡頭等，完全能夠滿足開發(fā)者需求。因此宏文件的編寫關(guān)鍵是對各個繪圖工具的使用進(jìn)行結(jié)構(gòu)化設(shè)計，通過讀取外部文件的信息得知滿足用戶的意圖需要調(diào)用哪個繪圖工具，以及具體的繪制參數(shù)是什么。

4系統(tǒng)設(shè)計

通過前文對于當(dāng)前語音識別、語義理解技術(shù)的探索以及Solidworks軟件本身研究，可知在理論上能夠?qū)⒄Z音識別技術(shù)運用于三維繪圖軟件的輔助繪制上。整個系統(tǒng)的結(jié)果框圖如圖4所示。

用戶可以通過原有的鼠標(biāo)鍵盤使用繪圖軟件進(jìn)行圖形繪制，也可以通過麥克風(fēng)使用語言進(jìn)行指令輸入。使用語音輸入時，語音識別程序先將語音信號轉(zhuǎn)化成計算機(jī)指令并保存在信息文件中，用戶執(zhí)行動作宏讀取信息文件中的指令并執(zhí)行，達(dá)到語音輔助制圖的效果。

5用戶與系統(tǒng)的語音交互方式

用戶通過語音向系統(tǒng)發(fā)出指令以及系統(tǒng)回應(yīng)用戶的交互過程關(guān)乎到用戶的使用體驗。也就是說，系統(tǒng)需要知道用戶什么時候開始說話，用戶需要知道系統(tǒng)有沒有聽到自己說話。這樣才能讓用戶更好的說出自己的操作意圖，讓系統(tǒng)便于分析理解并執(zhí)行。用戶與系統(tǒng)的語音交互方式如圖5所示。

在握手階段內(nèi)用戶通過語音喚醒激活識別系統(tǒng)，系統(tǒng)通過鈴聲等方式進(jìn)行回應(yīng)并開始聆聽用戶說話。語音喚醒是指系統(tǒng)通過麥克風(fēng)持續(xù)監(jiān)聽周圍的聲音，當(dāng)用戶說出設(shè)定好的詞語后就激活系統(tǒng)，而對喚醒詞語以外的聲音不作任何反應(yīng)。當(dāng)前的智能音箱和手機(jī)上的語音助手廣泛采用這種激活系統(tǒng)的模式。

6結(jié)束語

本文通過分析當(dāng)前基于云端開放平臺的智能語音技術(shù)以及繪圖軟件本身所提供的動作宏模塊得出了能通過語音識別技術(shù)控制繪圖軟件進(jìn)行工作的結(jié)論。并設(shè)計了一種系統(tǒng)結(jié)構(gòu)，可以在保留原有的鼠標(biāo)鍵盤輸入命令的繪圖方式的基礎(chǔ)上，增加語音輔助繪圖的功能。不僅能減少繪圖繁瑣的操作步驟，更為用戶提供了新的操作體驗，具有廣泛的應(yīng)用前景。