基于云與語(yǔ)音識(shí)別的手機(jī)智能通話(huà)系統(tǒng)——SkyTalk

　　簡(jiǎn)介
　　本項(xiàng)目提出一種手機(jī)智能通話(huà)系統(tǒng)（SkyTalk），能夠方便人們?cè)陔p方通話(huà)中簡(jiǎn)單、快捷、實(shí)時(shí)地通過(guò)語(yǔ)音獲取信息、完成用戶(hù)指定任務(wù)，從而避免大量復(fù)雜、耗時(shí)的操作。在撥出SkyTalk智能電話(huà)時(shí)，手機(jī)中的基站編號(hào)、GPS坐標(biāo)、移動(dòng)速度、通訊錄等數(shù)據(jù)會(huì)上傳至服務(wù)器，并由服務(wù)器建立智能通話(huà)。在通話(huà)的過(guò)程中，服務(wù)器作為第三方通過(guò)語(yǔ)音識(shí)別和語(yǔ)音合成響應(yīng)用戶(hù)的語(yǔ)音請(qǐng)求，可以發(fā)送通訊錄中的號(hào)碼、說(shuō)出用戶(hù)的具體位置、計(jì)算到達(dá)對(duì)方的時(shí)間、播送天氣預(yù)報(bào)、進(jìn)行實(shí)時(shí)語(yǔ)音翻譯等。SkyTalk通過(guò)云計(jì)算提供反向地址解析、獲取互聯(lián)網(wǎng)信息，不僅簡(jiǎn)化了服務(wù)器構(gòu)架，還能為用戶(hù)提供更多精彩應(yīng)用。
　　移動(dòng)電話(huà)拉近了人與人之間的距離。電話(huà)的發(fā)展，從貝爾到摩托羅拉，再到今天的4G，技術(shù)不斷革新，但人們的通話(huà)方式卻始終沒(méi)有改變。SkyTalk手機(jī)智能通話(huà)系統(tǒng)通過(guò)云資源、語(yǔ)音識(shí)別與合成，可以使用戶(hù)在通話(huà)過(guò)程中，不必掛斷手機(jī)、親自編輯短信、查閱信息或打開(kāi)GPS定位，而只需說(shuō)出問(wèn)題，SkyTalk便能夠用語(yǔ)音加以回答?？傊?，SkyTalk是信息化、智能化社會(huì)下人們通話(huà)方式的革新。
　　項(xiàng)目原理
　　基本構(gòu)架
　　SkyTalk通話(huà)系統(tǒng)在電話(huà)語(yǔ)音通道之外建立一條互聯(lián)網(wǎng)“智能”通道。手機(jī)上的GPS位置、通訊錄、個(gè)人偏好等信息通過(guò)這條通道傳輸?shù)街虚g服務(wù)器，在“云”的輔助下對(duì)之進(jìn)行處理與交換。而中間服務(wù)器通過(guò)語(yǔ)音識(shí)別（SR）和文本到語(yǔ)音轉(zhuǎn)換（TTS）在電話(huà)通道上與用戶(hù)雙方進(jìn)行交互。這樣，一方面可以利用互聯(lián)網(wǎng)通道交換基本數(shù)據(jù)，另一方面又利用現(xiàn)有電話(huà)通道進(jìn)行語(yǔ)音傳輸，從而避免產(chǎn)生大量的語(yǔ)音數(shù)據(jù)包。更為詳細(xì)的SkyTalk的構(gòu)架（如圖1）分為3個(gè)部分： 手機(jī)客戶(hù)端（SkyTalk Client）、服務(wù)器（SkyTalk Server）和云（Cloud）。
　　客戶(hù)端（SkyTalk Client）一方面取代原有電話(huà)的撥號(hào)界面，另一方面通過(guò)手機(jī)平CI56+Bt26vwEcVwRDrNWmVFPbCpM7iT1rlWVEsQLWuI=臺(tái)的API獲取手機(jī)的各類(lèi)信息（GPS、電子羅盤(pán)、通訊錄等），并通過(guò)UI交互獲取用戶(hù)的定制偏好及信息。當(dāng)用戶(hù)撥打一個(gè)電話(huà)時(shí)，客戶(hù)端（SkyTalk Client）向服務(wù)器（SkyTalk Server）發(fā)送一個(gè)請(qǐng)求，并附上原先獲取的信息。
　　服務(wù)器（SkyTalk Server）收到請(qǐng)求后，建立對(duì)等手機(jī)和服務(wù)器之間的三方通話(huà)（Phone-Server-Phone）。服務(wù)器作為第三方根據(jù)語(yǔ)音識(shí)別引擎分析用戶(hù)的語(yǔ)音命令，并結(jié)合用戶(hù)的手機(jī)信息進(jìn)行相應(yīng)處理。
　　云端（Cloud）集成了用戶(hù)可能需要的信息。這片“云”是現(xiàn)有的互聯(lián)網(wǎng)服務(wù)集合。
　　基本流程
　　SkyTalk基本工作流程見(jiàn)圖2。
　　本項(xiàng)目的客戶(hù)端基于Qt（cute）開(kāi)發(fā)。由于涉及訪問(wèn)手機(jī)系統(tǒng)，用Java平臺(tái)實(shí)現(xiàn)是不合適的。Java雖然提供了此方面的JSR開(kāi)發(fā)包，但由于不同廠商支持的JSR不同，實(shí)現(xiàn)也不同，因此兼容性很差。于是，本項(xiàng)目采用效率更高、操作系統(tǒng)支持更強(qiáng)的Qt（C++）實(shí)現(xiàn)。
　　功能實(shí)現(xiàn)
　　基于Skype的通話(huà)系統(tǒng)
　　一方面為了保障正常通話(huà)質(zhì)量，另一方面為了使服務(wù)器的語(yǔ)音介入成為可能。本項(xiàng)目（SkyTalk）采用Skype構(gòu)建通話(huà)系統(tǒng)。Skype在Windows平臺(tái)上為開(kāi)發(fā)者提供了COM接口。本項(xiàng)目利用COM接口與Skype進(jìn)行通信。
　　音頻數(shù)據(jù)定向傳輸——語(yǔ)音管道
　　本項(xiàng)目通過(guò)虛擬硬件的驅(qū)動(dòng)實(shí)現(xiàn)語(yǔ)音定向傳輸。
　　語(yǔ)音識(shí)別與合成
　　為了更好地實(shí)現(xiàn)語(yǔ)音功能，本項(xiàng)目基于微軟SAPI 5.4語(yǔ)音引擎構(gòu)建。這一引擎在Windows 7和Windows Server 2008中內(nèi)置。
　　已實(shí)現(xiàn)的幾項(xiàng)具體功能
　　①在通話(huà)中查詢(xún)當(dāng)?shù)靥鞖?。②在通?huà)中查詢(xún)當(dāng)?shù)貢r(shí)間。
　?、墼谕ㄔ?huà)中提供地理位置服務(wù)（包括通話(huà)者的位置，與另一方的距離和到達(dá)對(duì)方的時(shí)間）。
　　④在通話(huà)中說(shuō)出通訊錄中某人的號(hào)碼。
　?、菰谕ㄔ?huà)中發(fā)送通訊錄中某人的號(hào)碼。
　　⑥在通話(huà)中播放音樂(lè)。
　?、咴谕ㄔ?huà)中分享Google Reader。
　?、嗤ㄔ?huà)中的實(shí)時(shí)翻譯。
　　創(chuàng)新點(diǎn)
　　本項(xiàng)目（SkyTalk）使用Skype進(jìn)行語(yǔ)音傳輸功能的實(shí)現(xiàn)，從而能夠利用現(xiàn)有移動(dòng)通訊網(wǎng)傳輸語(yǔ)音數(shù)據(jù)。這不僅大大減少了語(yǔ)音傳輸?shù)木W(wǎng)絡(luò)消耗，也使得客戶(hù)端可以對(duì)任何移動(dòng)手機(jī)、固定終端撥打智能電話(huà)。
　　SkyTalk能夠根據(jù)用戶(hù)的需求在電話(huà)語(yǔ)音通話(huà)中提供實(shí)時(shí)的語(yǔ)音信息服務(wù)。這使得用戶(hù)在通話(huà)的過(guò)程中能夠獲取互聯(lián)網(wǎng)資訊、交換手機(jī)信息、解析地理位置、分享各類(lèi)數(shù)據(jù)，而不需要事先準(zhǔn)備或掛斷電話(huà)后進(jìn)行操作。因此用戶(hù)的交談、討論得到大大的簡(jiǎn)化。
　　通話(huà)的過(guò)程中進(jìn)行其他操作（如翻閱通訊錄、用計(jì)算機(jī)上網(wǎng)查找信息）并不實(shí)際。SkyTalk利用語(yǔ)音技術(shù)解決這一問(wèn)題。語(yǔ)音識(shí)別技術(shù)識(shí)別用戶(hù)的命令請(qǐng)求，而語(yǔ)音合成返回服務(wù)器的響應(yīng)。
　　通過(guò)互聯(lián)網(wǎng)上的云資源，SkyTalk Server能夠獲取各類(lèi)計(jì)算功能和各類(lèi)信息，如反向地址解析與天氣資訊。云資源大大拓展了SkyTalk Server的能力，使其能夠提供各類(lèi)通話(huà)中的語(yǔ)音服務(wù)。
　　SkyTalk能夠通過(guò)利用用戶(hù)的個(gè)人標(biāo)志進(jìn)行個(gè)性化智能服務(wù)。這樣做有3個(gè)優(yōu)點(diǎn)：①可以加載相應(yīng)的語(yǔ)音識(shí)別配置文件，達(dá)到更高的識(shí)別準(zhǔn)確率。②可以訪問(wèn)用戶(hù)的互聯(lián)網(wǎng)或私有云的數(shù)據(jù)，從而能在通話(huà)中利用這些信息。③解析用戶(hù)的個(gè)人偏好語(yǔ)言。
　　SkyTalk對(duì)用戶(hù)通訊錄、用戶(hù)地理位置信息的存儲(chǔ)和傳輸進(jìn)行了加密，以保障用戶(hù)隱私及安全。
　　展望
　　SkyTalk在功能上和性能上都有很多可以改進(jìn)的地方。通過(guò)改進(jìn)與擴(kuò)展，本項(xiàng)目將可以實(shí)現(xiàn)更多的應(yīng)用，達(dá)到更好的性能和用戶(hù)體驗(yàn)。這些改進(jìn)與擴(kuò)展包括：
　　更強(qiáng)的兼容性。目前手機(jī)客戶(hù)端（SkyTalk Client）基于諾基亞平臺(tái)實(shí)現(xiàn)。將來(lái)，可以為不同的手機(jī)平臺(tái)實(shí)現(xiàn)其客戶(hù)端，增加SkyTalk系統(tǒng)的應(yīng)用范圍。
　　更高的質(zhì)量與性能。在實(shí)驗(yàn)中，本項(xiàng)目有多處可以改進(jìn)之處。通過(guò)整合服務(wù)器資源，SkyTalk可以減少撥出電話(huà)時(shí)間、減少延遲。通過(guò)優(yōu)化服務(wù)器框架、選擇更好的云資源，SkyTalk可以提高響應(yīng)速度。通過(guò)采用更好的語(yǔ)音識(shí)別算法，SkyTalk可以增強(qiáng)識(shí)別率。通過(guò)這些改進(jìn)，SkyTalk可以達(dá)到更高的性能。
　　更安全的個(gè)人標(biāo)志。盡管SkyTalk已經(jīng)通過(guò)較難偽造的手機(jī)號(hào)來(lái)作為用戶(hù)的個(gè)人標(biāo)志，但不法分子仍然可以通過(guò)某些技術(shù)手段達(dá)到偽造的目的。為了保護(hù)個(gè)人隱私安全，SkyTalk可以采用聲紋識(shí)別進(jìn)行更強(qiáng)的個(gè)人信息認(rèn)證。聲紋和指紋一樣，是每個(gè)人的生物特征。聲紋從個(gè)人語(yǔ)音聲波中提取，不易偽造。如果結(jié)合原先的手機(jī)號(hào)驗(yàn)證，那么將大大增強(qiáng)SkyTalk的安全性。
　　開(kāi)放式語(yǔ)音平臺(tái)。這一改進(jìn)將允許第三方開(kāi)發(fā)平臺(tái)的插件，將大大增強(qiáng)SkyTalk的應(yīng)用性。因此，本項(xiàng)目完全可以發(fā)展成一個(gè)開(kāi)放的語(yǔ)音應(yīng)用平臺(tái)，使各種web網(wǎng)站或服務(wù)都可以通過(guò)語(yǔ)音應(yīng)用的方式出現(xiàn)在這個(gè)平臺(tái)上，為交談中的人們帶來(lái)更多的便利。
　　面向個(gè)人的應(yīng)用——更智能的IVR。IVR（Interactive Voice Response）在電話(huà)系統(tǒng)中的應(yīng)用相當(dāng)廣泛。利用SkyTalk，則可以進(jìn)一步改進(jìn)IVR服務(wù)系統(tǒng)。傳統(tǒng)的IVR基于企業(yè)數(shù)據(jù)庫(kù)，旨在代替電話(huà)接線(xiàn)員，向企業(yè)的用戶(hù)提供顧客咨詢(xún)服務(wù)，或是提供電話(huà)點(diǎn)餐、點(diǎn)歌。改進(jìn)后的SkyTalk IVR則基于云技術(shù)和用戶(hù)個(gè)人標(biāo)志，可以將電話(huà)和用戶(hù)的互聯(lián)網(wǎng)生活緊密相連。例如，用戶(hù)可以像聽(tīng)收音機(jī)一樣，收聽(tīng)自己Google Reader的最新資訊；可以收聽(tīng)個(gè)人電子郵箱中的最新郵件還可以利用語(yǔ)音遠(yuǎn)程操縱自己的計(jì)算機(jī)——只需說(shuō)出文檔的名字，就可以將文檔提取、傳輸?shù)绞謾C(jī)。對(duì)于普通用戶(hù)而言，SkyTalk IVR提供了一種全新的方式去訪問(wèn)互聯(lián)網(wǎng)。而對(duì)于殘疾人士而言，則可以通過(guò)它來(lái)享受互聯(lián)網(wǎng)的樂(lè)趣。
　　該項(xiàng)目獲得第26屆全國(guó)青少年科技創(chuàng)新大賽創(chuàng)新成果競(jìng)賽項(xiàng)目中學(xué)組計(jì)算機(jī)科學(xué)一等獎(jiǎng)。
　　專(zhuān)家評(píng)語(yǔ)
　　項(xiàng)目提出和實(shí)現(xiàn)了一種手機(jī)智能通話(huà)系統(tǒng)SkyTalk，內(nèi)容涉及云資源信息服務(wù)、語(yǔ)音識(shí)別與合成等技術(shù)，方便了人們獲取實(shí)時(shí)語(yǔ)音服務(wù)信