基于Android的語(yǔ)音助理軟件的分析與設(shè)計(jì)

青島理工大學(xué)（臨沂） 王 貴

基于Android的語(yǔ)音助理軟件的分析與設(shè)計(jì)

青島理工大學(xué)（臨沂） 王 貴

在科學(xué)技術(shù)發(fā)展的推進(jìn)下，語(yǔ)音識(shí)別技術(shù)也得到了飛速發(fā)展，最近幾年被廣泛應(yīng)用于的智能化移動(dòng)設(shè)備，如個(gè)人掌上電腦、智能手機(jī)等。本文在調(diào)研的基礎(chǔ)上，首先分析了Android 平臺(tái)技術(shù)，然后對(duì)系統(tǒng)功能進(jìn)行確定，最后進(jìn)行了整體框架設(shè)計(jì)，為系統(tǒng)實(shí)現(xiàn)和應(yīng)用奠定了基礎(chǔ)。

Android；計(jì)算機(jī)；語(yǔ)音助理；設(shè)計(jì)；分析

1　引言

人類(lèi)在交流溝通過(guò)程中及時(shí)性最高、最便捷的方式為語(yǔ)音，語(yǔ)音在特殊群體或者場(chǎng)景中具有重要作用，如：殘疾等自身問(wèn)題以及黑暗環(huán)境等。語(yǔ)音在科學(xué)技術(shù)不斷發(fā)展?fàn)顟B(tài)下，儼然成為了人類(lèi)與機(jī)器之間交互的重要連接方式。人類(lèi)的期望的目標(biāo)是是實(shí)現(xiàn)人類(lèi)與機(jī)器之間通信自然，語(yǔ)音識(shí)別技術(shù)在未來(lái)發(fā)展的歷程中，以實(shí)現(xiàn)該目標(biāo)為目的。

2　Android 平臺(tái)技術(shù)

目前，Android 平臺(tái)是市場(chǎng)占有率最高的智能手機(jī)操作系統(tǒng)平臺(tái)。自從 2008年，Android 發(fā)行以來(lái)，其手機(jī)用戶量和手機(jī)應(yīng)用市場(chǎng)的應(yīng)用數(shù)量不斷增加，并走向更加成熟化的方向發(fā)展。Android 平臺(tái)的特點(diǎn)為開(kāi)放性、硬件資源量充足、不會(huì)受到電信網(wǎng)絡(luò)的限制、開(kāi)發(fā)環(huán)境不被限制。Android 系統(tǒng)的架構(gòu)由四層構(gòu)成，分別是：應(yīng)用程序?qū)?、?yīng)用程序框架層、系統(tǒng)庫(kù)運(yùn)行層及Linux 核心層。

Android 平臺(tái)上的多種數(shù)據(jù)處理方式為健康的數(shù)據(jù)管理提供了便利。 一些臨時(shí)、輕量級(jí)的健康數(shù)據(jù)，在記錄時(shí)，遇到中斷情況，可以使用 haredPreferences 進(jìn)行處理；而數(shù)據(jù)量比較大的健康數(shù)據(jù)，可以采用文件存儲(chǔ)方式；手機(jī) SQLite 數(shù)據(jù)庫(kù)能夠條理的存儲(chǔ)簡(jiǎn)單數(shù)據(jù)，為趨勢(shì)圖繪制提供方便；不同應(yīng)用程序需要共享數(shù)據(jù)時(shí)，只能通過(guò) Content Provider 處理。

3　軟件功能分析

本文的語(yǔ)音助理軟件主要實(shí)現(xiàn)功能包括。

（1）打電話：在手機(jī)通訊錄中根據(jù)用戶發(fā)出的語(yǔ)音指令，動(dòng)態(tài)化提取與查找所需聯(lián)系人。用戶很大程度上節(jié)約了在通訊錄中查找聯(lián)系人的時(shí)間，用戶撥打電話的需求及時(shí)有效的處理。例如：用戶發(fā)出指令“我要打電話給 X、打電話給 X、幫我給 X 打電話、呼叫 X”等含義相同，語(yǔ)言中包含“聯(lián)系人姓名”的關(guān)鍵性，系統(tǒng)對(duì)該語(yǔ)音信息識(shí)別，并在聯(lián)系人中搜索，最終提取聯(lián)系人姓名。用戶在通訊錄中刪除或者增加聯(lián)系人信息時(shí)，槽語(yǔ)法自動(dòng)對(duì)相應(yīng)的槽更新。

（2）發(fā)短信：該模塊功能實(shí)現(xiàn)方式與“打電話”類(lèi)似，用戶發(fā)出命令，系統(tǒng)根據(jù)該命令對(duì)發(fā)送信息聯(lián)系人姓名提取，向編寫(xiě)操作界面跳轉(zhuǎn)。由于該模塊無(wú)法實(shí)現(xiàn)語(yǔ)音輸入，因此用戶口述的短信內(nèi)容無(wú)法完成編寫(xiě)。系統(tǒng)當(dāng)前智能將接收短信聯(lián)系人的信息識(shí)別。用戶通過(guò)語(yǔ)音表達(dá)“給 X 發(fā)短信、發(fā)短信給 X、我要給 X發(fā)短信”等，出現(xiàn)“聯(lián)系人”關(guān)鍵詞就可以操作?！鞍l(fā)短信”與“打電話”功能實(shí)現(xiàn)過(guò)程基本相同。

（3）打開(kāi)應(yīng)用：智能手機(jī)應(yīng)用已經(jīng)普及化，用戶面對(duì)手機(jī)說(shuō)出需要打開(kāi)的應(yīng)用程序名稱(chēng)，系統(tǒng)對(duì)該指令執(zhí)行，并打開(kāi)用戶所需的應(yīng)用程序。

（4）上網(wǎng)導(dǎo)航：該功能完成用戶所需網(wǎng)頁(yè)與網(wǎng)站的打開(kāi)，包括一些經(jīng)常使用的搜索引起，分別為搜狗、百度、Google、新浪等，以及在語(yǔ)音中經(jīng)常使用的綜合性網(wǎng)站，共三十多個(gè)，必須都可以正常打開(kāi)。系統(tǒng)會(huì)按照網(wǎng)址解析，通過(guò)互聯(lián)網(wǎng)方式將用戶網(wǎng)站打開(kāi)。

（5）音樂(lè)搜索：用戶說(shuō)出歌曲名稱(chēng)后，手機(jī)本地音樂(lè)動(dòng)態(tài)搜索并播放。例如用戶說(shuō)“播放 xx 音樂(lè)、我要聽(tīng) xx 音樂(lè)、來(lái)一首 xx音樂(lè)”等，除此以外，系統(tǒng)在以后的發(fā)展中，不斷完善，可以時(shí)間搜索歌手名播放音樂(lè)功能。

（6）信息搜索：基于搜索功能，在百度上搜索用戶的各類(lèi)語(yǔ)音信息，向用戶顯示當(dāng)前搜索結(jié)果，同時(shí)準(zhǔn)確性與可靠性較高。

（7）新聞獲取。該模塊與網(wǎng)頁(yè)搜索功能基本一致，根據(jù)用戶提出不同命令，包括“新聞資訊、要看最新新聞、獲取新聞信息、閱讀新聞”等，系統(tǒng)自動(dòng)將新聞信息打開(kāi)。

（8）天氣查詢：動(dòng)態(tài)的方式將用戶提出的某個(gè)城市天氣情況獲取。用戶說(shuō)出命令時(shí)根據(jù)自己語(yǔ)言習(xí)慣進(jìn)行，語(yǔ)音中只要包含“城市名”、“天氣查詢”等關(guān)鍵詞即可，系統(tǒng)自動(dòng)對(duì)天氣情況查詢，并向用戶反饋該城市最近三天實(shí)時(shí)天氣情況。

4　軟件框架設(shè)計(jì)

筆者梳理了整體設(shè)計(jì)的層次結(jié)構(gòu)，封裝了業(yè)務(wù)模型，隔離了協(xié)議和業(yè)務(wù)數(shù)據(jù)，分離了UI 功能和業(yè)務(wù)功能并使之模塊化，將業(yè)務(wù)工作、業(yè)務(wù)流程和界面更新獨(dú)立開(kāi)來(lái)。軟件框架結(jié)構(gòu)如圖1所示。

如圖1所示，軟件的界面設(shè)計(jì)有兩層，業(yè)務(wù)設(shè)計(jì)有兩層。外加一層外部模塊。把業(yè)務(wù)內(nèi)核獨(dú)立出來(lái)的的目的是讓其與UI 的交互邏輯完全隔離，這樣能極大的減少耦合。業(yè)務(wù)層不包含UI，但是功能也是完整的，能夠達(dá)成命令行也可以獨(dú)立運(yùn)行的程度，方便獨(dú)立測(cè)試。另外，一些本來(lái)耦合比較大，同時(shí)與主要業(yè)務(wù)關(guān)聯(lián)比較小的模塊，如數(shù)據(jù)采集、模塊協(xié)議等，分離到外部模塊層，通過(guò)業(yè)務(wù)內(nèi)核提供的一些接口來(lái)交換數(shù)據(jù)。

圖1　軟件框架設(shè)計(jì)圖

據(jù)此可以對(duì)開(kāi)發(fā)視圖進(jìn)行設(shè)計(jì)，開(kāi)發(fā)視圖的設(shè)計(jì)思路是，在邏輯視圖的基礎(chǔ)上，再將最復(fù)雜業(yè)務(wù)核心層進(jìn)行了拆分。其中工作流層為UI 提供了業(yè)務(wù)功能的接口，同時(shí)進(jìn)行業(yè)務(wù)的整合和調(diào)度；業(yè)務(wù)服務(wù)層負(fù)責(zé)業(yè)務(wù)的具體邏輯實(shí)現(xiàn)以及業(yè)務(wù)的數(shù)據(jù)管理；業(yè)務(wù)基礎(chǔ)層包含了業(yè)務(wù)模型、協(xié)議封裝、持久層封裝、基礎(chǔ)框架等工作。同時(shí)進(jìn)行了數(shù)據(jù)分層，UI數(shù)據(jù)模型由UI直接使用，同時(shí)支持綁定通知；業(yè)務(wù)數(shù)據(jù)模型由業(yè)務(wù)工作使用；存儲(chǔ)數(shù)據(jù)模型包括數(shù)據(jù)表結(jié)構(gòu)和文件結(jié)構(gòu)；通信協(xié)議數(shù)據(jù)則是由服務(wù)器定義的數(shù)據(jù)模型。

業(yè)務(wù)層服務(wù)的Command 命令是最核心的業(yè)務(wù)邏輯，每個(gè)Command都抽象了一個(gè)獨(dú)立的業(yè)務(wù)處理。Command 命令基于命令框架實(shí)現(xiàn)。命令框架里包括Command 命令、CommandTask 任務(wù)以及ComponentTask組合任務(wù)。Command 命令表示業(yè)務(wù)的數(shù)據(jù)處理的工作，它是異步的命令模式，沒(méi)有狀態(tài)機(jī)。Command 命令的職責(zé)是協(xié)議的生成，以及協(xié)議完成后的業(yè)務(wù)處理。CommandTask 任務(wù)表示了業(yè)務(wù)的交換執(zhí)行工作，它是是有狀態(tài)的，包括開(kāi)始、執(zhí)行、完成、中斷等狀態(tài)。它里面的每個(gè)任務(wù)都可以接力執(zhí)行。ComponentTask 組合任務(wù)屬于部分--整體模式，它可以讓多個(gè)任務(wù)并發(fā)工作，當(dāng)然它本身也是一個(gè)任務(wù)，可以支持接力執(zhí)行。通過(guò)這種組合可以實(shí)現(xiàn)一些復(fù)雜的業(yè)務(wù)流程。

［1］Zeppenfeld，T.，Waibel.A Hybrid Neural Network，Dynamic Programming Word Spotter［C］.ICASSP，2015：77-80

［2］Christiansen，R.W.，Rushforth，C.K.Detecting and Locating Key Words in Continuous Speech Using Linear Predictive Coding［C］.IEEE. 2014，25（5）： 361-367

［3］王輝.語(yǔ)音聲學(xué)特征分析及命令詞識(shí)別系統(tǒng)實(shí)現(xiàn)［D］.烏魯木齊：新疆大學(xué)，2013：19-25

［4］丁玉忠.基于電話語(yǔ)音的語(yǔ)音關(guān)鍵詞識(shí)別系統(tǒng)研究［D］.烏魯木齊：疆大學(xué)碩士論文，2011：11-15

［5］李兆哲.基于 Android 平臺(tái)的智能語(yǔ)音記賬系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)［D］.中國(guó)海洋大學(xué)， 2013：24-26.

王貴（1983—），男，山東泰安人，碩士，講師，研究方向：現(xiàn)代教育技術(shù)。