盧嫚，陳佳悅

（西安工程大學(xué)電子信息學(xué)院，陜西西安 710048）

隨著科技的發(fā)展和智能語音助手、智能音箱市場(chǎng)的逐漸成熟，人工智能浪潮下的語音交互已經(jīng)成為最被人們所接受的交互方式[1]。智能語音互動(dòng)超越了電子屏幕的局限逐漸擴(kuò)展至人們的生活中，成為了新一代用戶的主流交互方式，語音交互作為一種自然的人機(jī)交互方式，已經(jīng)融入了各個(gè)領(lǐng)域，如智能家居、車載智能語音等[2-3]。智能音箱作為語音交互的功能產(chǎn)品，帶給人們一種全新的體驗(yàn)[4]。與如今的智能手機(jī)相比，智能音箱的交互功能更加明確，使用輕松便利，提高了使用效率[5]。對(duì)于智能音箱的使用，無需用戶進(jìn)一步學(xué)習(xí)，無論小孩還是老人，都可以更好地使用。用戶使用的要求降低，只需要用戶說出來問題或要求即可[6]。

1 智能音箱功能的設(shè)計(jì)

1.1 訓(xùn)練喚醒詞

設(shè)置個(gè)性化的喚醒詞。首先，需要?jiǎng)?chuàng)建一個(gè)配置文件以便于配置喚醒詞，這個(gè)工作可以交給wukong-robot 輔助完成。在終端輸入指令：利用cd wukong-robot 來打開wukong-robot 文件夾，接下來在wukong-robot 的根目錄下執(zhí)行python3 wukong.py[7]。

第一次啟動(dòng)后，提示用戶目錄下創(chuàng)建一個(gè)配置文件，輸入 y 即可。配置文件將會(huì)保存在～/.wukong/config.yml 中。

對(duì)于設(shè)置個(gè)性化的喚醒詞，先登錄https://snowboy.hahack.com/網(wǎng)站，訓(xùn)練個(gè)性化的模型。再下載pmdl 模型并放到～/.wukong 中。最后修改config.yml 的model 配置，修改為已經(jīng)訓(xùn)練好的模型的文件名。

個(gè)性化的snowboy 喚醒詞訓(xùn)練界面如圖1 所示，需要3 個(gè)語音示例訓(xùn)練喚醒詞，合成一個(gè).pmdl 文件，即訓(xùn)練成的上傳文件。

圖1 個(gè)性化喚醒詞設(shè)置界面

本文訓(xùn)練的喚醒詞為“嘿小婷”，經(jīng)過多次訓(xùn)練后，可以正常識(shí)別及運(yùn)行。

1.2 結(jié)合語音理解NLU 的對(duì)話功能

結(jié)合語音理解 NLU（Natural Language Understanding，自然語言理解）的對(duì)話功能，整個(gè)對(duì)話的設(shè)計(jì)流程如圖2 所示。

UNIT（Understanding and Interaction Technology）是百度AI推出的可定制的對(duì)話開發(fā)系統(tǒng)。

先設(shè)計(jì)一個(gè)最簡單的版本，首先通過關(guān)鍵詞“打個(gè)招呼”來觸發(fā)這個(gè)插件響應(yīng)，無需任何配置項(xiàng)，需處理用戶的指令，直接回復(fù)“hello world”。

3．3 早期干預(yù)對(duì)促進(jìn)兒童語言發(fā)育和預(yù)防心理問題意義重大 正常的聽力是進(jìn)行語言學(xué)習(xí)的前提。而聽力障礙的兒童由于缺乏語言刺激和環(huán)境，不能在11個(gè)月前進(jìn)入呀呀學(xué)語期，在語言發(fā)育最重要和關(guān)鍵的2～3歲內(nèi)不能建立正常的語言學(xué)習(xí)，輕者導(dǎo)致言語障礙、社會(huì)適應(yīng)能力低下、注意力缺陷和學(xué)習(xí)困難等心理行為問題，嚴(yán)重者會(huì)導(dǎo)致聾啞。本縣確診為聽力障礙的103例嬰兒均得到及時(shí)有效的干預(yù)及治療。對(duì)聽力障礙兒童均進(jìn)行了心理行為發(fā)育篩查和跟蹤隨訪，89．32%的兒童心理行為發(fā)育正常，可疑和異常兒均在進(jìn)一步的康復(fù)治療中。

訓(xùn)練百度平臺(tái)UNIT 的技能[8]，首先在百度UNIT中訓(xùn)練這個(gè)技能。注冊(cè)登錄百度UNIT 后，在“我的技能”面板中點(diǎn)擊“新建技能”按鈕，在彈出的窗口中填好信息，完成創(chuàng)建。之后創(chuàng)建一個(gè)對(duì)話意圖。

進(jìn)入這個(gè)技能面板后，點(diǎn)擊“新建對(duì)話意圖”，新建一個(gè)名字為HELLO_WORLD 的意圖，并填好相關(guān)的信息。百度UNIT 的新建技能面板如圖3 所示。

圖3 新建技能面板

在上面已經(jīng)定義了一個(gè)名字為user_person 的可選詞槽，用來確定要向誰問好。在創(chuàng)建的時(shí)候，可以復(fù)用UNIT 自帶的sys_pe，其中可以是人物，包含虛擬人物在內(nèi)的各類人名的系統(tǒng)詞槽，還可以根據(jù)需要再添加一些自定義詞典。

接下來在左側(cè)面板點(diǎn)擊“訓(xùn)練數(shù)據(jù)”的“對(duì)話樣本集”，在對(duì)話樣本集面板中點(diǎn)擊“新建對(duì)話樣本集”，創(chuàng)建樣本集。

創(chuàng)建好對(duì)話樣本集后，訓(xùn)練UNIT 技能這一步已經(jīng)完成，完成后就可以對(duì)該技能進(jìn)行訓(xùn)練和測(cè)試，先確保模型正常工作，并且不會(huì)被誤判為其他技能。如果判斷不理想，可以繼續(xù)補(bǔ)充，直到結(jié)果符合預(yù)期為止。

配置完成后，則實(shí)現(xiàn)了結(jié)合NLU 的對(duì)話功能，如果需要更多的對(duì)話，也可以按照這個(gè)方法，在百度UNIT 上繼續(xù)載入自己的樣本集。

1.3 清除緩存功能

清除緩存這個(gè)功能對(duì)于計(jì)算機(jī)來說是必不可少的，可以增加使用壽命、避免卡頓，是一個(gè)有真正用途的普通技能插件。為了節(jié)省用于語音合成所消耗的時(shí)間，wukong-robot 支持將語音文件緩存到temp 目錄中，但是如果使用時(shí)間久，目錄里的文件數(shù)量就會(huì)越來越多，會(huì)占用大量的設(shè)備存儲(chǔ)空間。另外，如果語音合成配置改了發(fā)音人的音色，沒有清理已有的緩存語音，也會(huì)導(dǎo)致wukong-robot 使用過程中混雜多種音色的奇怪體驗(yàn)。清除緩存是必不可少的，流程如圖4所示。

圖4 清除緩存設(shè)置流程框圖

清除緩存配置文件如圖5 所示。

圖5 清除緩存配置文件

本文中將此插件設(shè)計(jì)成只要指令中包含關(guān)鍵詞“清除緩存”“清空緩存”“清緩存”就可觸發(fā)這個(gè)插件響應(yīng)。且無需任何配置項(xiàng)，無需處理用戶的指令，直接清除緩存，并告知用戶“緩存目錄已清空”。

2 運(yùn)行測(cè)試

2.1 天氣查詢技能測(cè)試

為保證喚醒詞設(shè)置不出現(xiàn)錯(cuò)誤，先使用喚醒詞為默認(rèn)喚醒詞“孫悟空”。終端輸入指令python3 wukong-robot.py，運(yùn)行成功后，可以進(jìn)行功能測(cè)試，如進(jìn)行溝通交流，是否能理解語義及進(jìn)行反饋。語音交互對(duì)話的界面如圖6 所示，可以實(shí)現(xiàn)基本的智能音箱設(shè)計(jì)中的聊天對(duì)話功能。

圖6 語音對(duì)話顯示

語音接收信息無誤后，可以對(duì)前文中設(shè)計(jì)的天氣查詢技能進(jìn)行簡單的測(cè)試，對(duì)天氣查詢功能的測(cè)試如圖7 所示。經(jīng)過提問，可以準(zhǔn)確回答出天氣如何，則功能設(shè)計(jì)也基本成功，可以滿足設(shè)計(jì)需求。

圖7 天氣查詢顯示

2.2 管理及調(diào)試結(jié)果

此外，wukong-robot 在運(yùn)行時(shí)默認(rèn)啟動(dòng)后臺(tái)管理終端，不僅提供遠(yuǎn)程對(duì)話和更改配置視圖，還提供日志顯示等功能。其默認(rèn)地址為http://localhost:5000，默認(rèn)賬戶名為wukong，默認(rèn)密碼為wukong@2019。后臺(tái)管理端的顯示界面如圖8 所示。

圖8 后臺(tái)管理端

也可以直接在終端啟動(dòng)wukong-robot 進(jìn)行運(yùn)營管理。終端關(guān)閉，wukong-robot 進(jìn)程可能會(huì)消失。要想在后臺(tái)保持運(yùn)行，可以在tmux 中運(yùn)行。

如果出現(xiàn)wukong-robot 在運(yùn)行時(shí)反應(yīng)速度太慢的情況，反饋交互有時(shí)發(fā)生后需要2 min。經(jīng)過測(cè)試，這通常與網(wǎng)絡(luò)環(huán)境有很大關(guān)系，例如由于防火墻而無法訪問某些服務(wù)。此時(shí)可以運(yùn)行wukong-robot：python3 wukong.py profiling，在每一次交互后，顯示出當(dāng)次交互的性能數(shù)據(jù)。

如圖9 顯示的是性能調(diào)優(yōu)數(shù)據(jù)，用長方形框顯示列堆積了處理每個(gè)任務(wù)所需的時(shí)間，如果該列下降并發(fā)現(xiàn)數(shù)量突然變小，則第一行是最大的黑手。執(zhí)行python3 wukong.py help 可以了解更多命令行用法。

圖9 性能調(diào)優(yōu)數(shù)據(jù)

若使wukong-robot 暫時(shí)不監(jiān)聽不授權(quán)，可以在配置文件中設(shè)置hotword_switch 為true，可以更好地保護(hù)用戶的隱私安全，防止被監(jiān)聽、信息泄露等。

經(jīng)過測(cè)試，符合預(yù)期的3～5 m 的收音范圍，由于遠(yuǎn)場(chǎng)喚醒距離與場(chǎng)合的安靜與否、說話聲音大小、距離遠(yuǎn)近都有關(guān)系。在較為安靜的場(chǎng)合時(shí)，以麥克風(fēng)為半徑的5～7 m 內(nèi)的圓內(nèi)都可以較為清晰地收音，若為較為嘈雜的場(chǎng)合，收音半徑小于3 m。

3 結(jié)論

本文設(shè)計(jì)了基于樹莓派的智能語音交互系統(tǒng)，利用wukong-robot 開源庫及百度語音轉(zhuǎn)換等提供的通信協(xié)議以及采用API接口來實(shí)現(xiàn)人機(jī)交互中的語義理解、語音轉(zhuǎn)換，最終設(shè)計(jì)出一個(gè)具有個(gè)性化的智能音箱。系統(tǒng)有成本低、功能強(qiáng)大、體積小、功耗低及便于實(shí)現(xiàn)等優(yōu)點(diǎn)，結(jié)合AI語音交互，制作了一款陪伴型機(jī)器人，可運(yùn)用于各個(gè)領(lǐng)域，如智能家居、智能車載等。