周瑞巖

摘要：隨著互聯(lián)網(wǎng)技術(shù)的不斷發(fā)展，語(yǔ)音識(shí)別、語(yǔ)音翻譯等在生活中普遍應(yīng)用。以現(xiàn)有基于互聯(lián)網(wǎng)構(gòu)建的語(yǔ)音識(shí)別技術(shù)為基礎(chǔ)，對(duì)其原理進(jìn)行分析，語(yǔ)音命令轉(zhuǎn)換器利用離線數(shù)據(jù)庫(kù)進(jìn)行語(yǔ)音降噪處理，識(shí)別采集的語(yǔ)音信息并轉(zhuǎn)換形成文本信息，與數(shù)據(jù)庫(kù)的特定數(shù)據(jù)指令進(jìn)行匹配，再按照指令格式輸出用于試驗(yàn)訓(xùn)練，以提高采集信息的時(shí)效性。

關(guān)鍵詞：降噪；音頻采集；語(yǔ)音識(shí)別；語(yǔ)義分析；命令翻譯；數(shù)據(jù)庫(kù)

中圖分類號(hào)：TP274文獻(xiàn)標(biāo)志碼：A文章編號(hào)：1008-1739（2018）23-60-2

0引言

近年來(lái)，隨著互聯(lián)網(wǎng)技術(shù)的不斷發(fā)展，云技術(shù)和大數(shù)據(jù)技術(shù)構(gòu)建的智慧城市、智慧交通等已經(jīng)惠及生活，較前些年僅可以通過電話、短信方式進(jìn)行通信，現(xiàn)以互聯(lián)網(wǎng)技術(shù)構(gòu)建的微信語(yǔ)音、微信視頻等通信方式更方便，雖然語(yǔ)音識(shí)別、語(yǔ)音翻譯等應(yīng)用APP在生活中隨處可見，但該技術(shù)卻未曾在軍事應(yīng)用中實(shí)現(xiàn)，隨著部隊(duì)深化改革的推進(jìn)，以往通過輔助終端發(fā)送命令或裝備信息的方式很難在時(shí)域、頻域及可用性上滿足試驗(yàn)訓(xùn)練考核的需求，為此借助當(dāng)前市場(chǎng)上的語(yǔ)音識(shí)別、語(yǔ)音翻譯等技術(shù)及實(shí)現(xiàn)模式，以試驗(yàn)訓(xùn)練需求為根本，進(jìn)行語(yǔ)音命令轉(zhuǎn)換器的設(shè)計(jì)。

該設(shè)備實(shí)現(xiàn)中文自然語(yǔ)音命令的識(shí)別，并轉(zhuǎn)換成相應(yīng)的設(shè)備控制指定報(bào)文。輸入為中文語(yǔ)音命令，內(nèi)部進(jìn)行識(shí)別、語(yǔ)義翻譯及存儲(chǔ)結(jié)果，同時(shí)可以實(shí)現(xiàn)語(yǔ)音命令翻譯為設(shè)備控制報(bào)文。

1系統(tǒng)國(guó)內(nèi)外現(xiàn)狀

圍繞著語(yǔ)音識(shí)別翻譯，國(guó)內(nèi)外有很多圍繞互聯(lián)網(wǎng)開發(fā)的相應(yīng)軟硬件系統(tǒng)。

1.1國(guó)外現(xiàn)狀

在國(guó)外有Nuance、Google、Apple、MSRA語(yǔ)音等公司進(jìn)行語(yǔ)音識(shí)別的開發(fā)，還有多款開源軟件，如HTK、Kaldi、Speech等。

①HTK[1]：一款語(yǔ)音識(shí)別工具包，源碼可免費(fèi)獲取。識(shí)別流程：語(yǔ)音文件---》HMM---》文件信息；訓(xùn)練流程：訓(xùn)練語(yǔ)音文件---》HTK---》HMM。

②Kaldi[2]：一款非常強(qiáng)大的語(yǔ)音識(shí)別工具庫(kù)，主要由Daniel Povey開發(fā)與維護(hù)，目前支持GMM-HMM、SGMM-HMM、DNN-HMM等多種語(yǔ)音識(shí)別模型的訓(xùn)練與預(yù)測(cè)。其中DNN-HMM中的神經(jīng)網(wǎng)絡(luò)還有配置文件自定義，DNN、CNN、TDNN、LSTM及Bidirectional-LSTM等神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)均可支持。

③Speech工具庫(kù)：使用Python3依賴Speech模塊，弊端是離線版開發(fā)難度大。

1.2國(guó)內(nèi)現(xiàn)狀

國(guó)內(nèi)開發(fā)類似軟件的公司有科大訊飛、云知聲及百度語(yǔ)音等，其中科大訊飛的多款產(chǎn)品應(yīng)用廣泛，如訊飛翻譯機(jī)2.0、訊飛輸入法、訊飛聽見、阿法爾蛋及叮咚音樂盒，還有支持開發(fā)的語(yǔ)音引擎。

2方案設(shè)計(jì)

2.1總體設(shè)計(jì)

語(yǔ)音命令轉(zhuǎn)換器采用獨(dú)立的系統(tǒng)設(shè)計(jì)[1-2]，輸入接口為語(yǔ)音，輸出可以是串口、網(wǎng)口或者其他類型接口。為了保證語(yǔ)音采集的清晰可靠，采集設(shè)備可以采用高性能的降噪麥克風(fēng)或麥克風(fēng)陣列，通過音頻接口輸入計(jì)算機(jī)。命令的報(bào)文輸出可以根據(jù)具體的操作設(shè)備輸入不同而采用不同的接口，例如有UART、CAN及以太網(wǎng)等[3-4]。

為了提高識(shí)別準(zhǔn)確度，命令需要按照預(yù)定義的格式提前在系統(tǒng)中存儲(chǔ)。當(dāng)語(yǔ)音命令轉(zhuǎn)換器收到語(yǔ)音指令后，會(huì)根據(jù)在系統(tǒng)中預(yù)置的命令去匹配目標(biāo)設(shè)備和具體的操作指令[5]。

例如：系統(tǒng)提前預(yù)定義命令如下：

：（開機(jī)）