高校三維虛擬實(shí)驗(yàn)員智能語音輔導(dǎo)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)

高麗++王敬華++戴上平++吳德鈺++王婷婷++鄭世玨

摘要：人類智能技術(shù)的發(fā)展已深入到各個(gè)領(lǐng)域。實(shí)現(xiàn)人與機(jī)器之間的自然通信是當(dāng)今科學(xué)技術(shù)發(fā)展的主流，本系統(tǒng)通過語音識(shí)別與合成技術(shù)，嵌入以語音交互為核心的科大迅飛人工智能開放平臺(tái)，面向各大高校學(xué)生群體，設(shè)計(jì)出符合高校實(shí)驗(yàn)員與學(xué)生之間的語音對(duì)話庫，實(shí)現(xiàn)了高校虛擬實(shí)驗(yàn)員的語音對(duì)話系統(tǒng)，推進(jìn)了高校實(shí)驗(yàn)教學(xué)的發(fā)展。

關(guān)鍵詞：高校虛擬實(shí)驗(yàn)員；語音識(shí)別與合成；語音對(duì)話；語音數(shù)據(jù)庫

中圖分類號(hào)：TP391.42 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1007-9416（2017）10-0164-02

隨著以計(jì)算機(jī)多媒體技術(shù)、網(wǎng)絡(luò)通信技術(shù)為核心的信息技術(shù)在教育教學(xué)領(lǐng)域的普及應(yīng)用，學(xué)習(xí)資源內(nèi)容和形式越來越豐富。教學(xué)方式不再局限于傳統(tǒng)的課堂教學(xué)，網(wǎng)絡(luò)教學(xué)也越來越廣泛。但是隨著研究的不斷深入，基于計(jì)算機(jī)網(wǎng)絡(luò)開展學(xué)習(xí)的也暴露出不足的地方，如：交互界面形式單一；交互手段單一；學(xué)生也缺乏身臨其境的感覺等等。于是，如何將虛擬教師技術(shù)應(yīng)用于三維虛擬學(xué)習(xí)環(huán)境中，使網(wǎng)絡(luò)在線學(xué)習(xí)在虛擬教師的指導(dǎo)下進(jìn)行，從而進(jìn)一步增強(qiáng)教學(xué)互動(dòng)，提高學(xué)生的學(xué)習(xí)積極性，成為重要的研究課題。

在二十世紀(jì)五十年代，美國貝爾實(shí)驗(yàn)室首先研究出了可以識(shí)別十個(gè)英文數(shù)字的語音識(shí)別系統(tǒng)，揭開了語音研究的新篇章[1]。二十世紀(jì)六十年代，人工網(wǎng)絡(luò)的發(fā)展奠定了神經(jīng)網(wǎng)絡(luò)在語音識(shí)別中的地位[2]。在美國，較早從事虛擬教師技術(shù)研究的是佛羅里達(dá)州立大學(xué)教授貝勒[3][4]。在我國，則以科大訊飛等為代表的機(jī)構(gòu)在語音研究中取得了較為領(lǐng)先的產(chǎn)品效果。正是因?yàn)檎Z音技術(shù)的發(fā)展，“虛擬人”概念應(yīng)運(yùn)而生[5]。清華大學(xué)研究了基于人工智能情感的機(jī)器人控制體系，浙江大學(xué)則研究了虛擬人物構(gòu)造[6]，從而奠定了本文的研究基礎(chǔ)。

本文通過研究語音識(shí)別與合成技術(shù)，以科大訊飛提供的API作為支撐，將語音識(shí)別與合成技術(shù)應(yīng)用到當(dāng)今高校教育中，打破傳統(tǒng)人機(jī)交互模式，實(shí)現(xiàn)了高校虛擬實(shí)驗(yàn)員智能語音對(duì)話系統(tǒng)，使得高校實(shí)驗(yàn)員的工作以及高校學(xué)生的培養(yǎng)更加人性化，極大減輕我國高校實(shí)驗(yàn)員在指導(dǎo)學(xué)生進(jìn)行重復(fù)的基礎(chǔ)實(shí)驗(yàn)過程中繁重的勞動(dòng)。本文以《多媒體技術(shù)與應(yīng)用》課程實(shí)驗(yàn)為示范，設(shè)計(jì)三維虛擬實(shí)驗(yàn)員實(shí)驗(yàn)教學(xué)過程。

1 語音識(shí)別技術(shù)及科大迅飛語音API

語音技術(shù)中的關(guān)鍵技術(shù)主要有語音識(shí)別技術(shù)和語音合成技術(shù)。語音識(shí)別技術(shù)主要是通過計(jì)算機(jī)將聲音識(shí)別成相應(yīng)文本文字。語音合成技術(shù)是將文本信息通過語音的形式表達(dá)出來。通過語音識(shí)別與合成技術(shù)可以實(shí)現(xiàn)計(jì)算機(jī)的智能化、人性化，從而達(dá)到更好的人機(jī)交互效果。

科大訊飛的 API接口在實(shí)際的項(xiàng)目應(yīng)用中具有良好的編程接口設(shè)計(jì)，可降低系統(tǒng)各部分的相互依賴和單元間的耦合度，提高內(nèi)存單元的內(nèi)聚性，從而提高系統(tǒng)的維護(hù)性和擴(kuò)展性[2]。本文選用了科大訊飛API，作為系統(tǒng)語音識(shí)別與轉(zhuǎn)換技術(shù)支持，通過網(wǎng)絡(luò)直接訪問科大迅飛平臺(tái)，調(diào)用其 API 數(shù)據(jù)庫，實(shí)現(xiàn)文字與語音之間的轉(zhuǎn)化。

語音識(shí)別算法目前主要采用的有動(dòng)態(tài)時(shí)間規(guī)整，隱馬爾可夫模型，以及高斯混合模型三種。

2 三維虛擬實(shí)驗(yàn)員教學(xué)環(huán)境的整體架構(gòu)

本系統(tǒng)整體框架如圖1所示。結(jié)合本科生《多媒體技術(shù)與應(yīng)用》課程，進(jìn)行語義分析，再通過BM算法結(jié)合語料庫進(jìn)行對(duì)話匹配，匹配成功后，將匹配的文本轉(zhuǎn)化為語音輸出。

3 語音數(shù)據(jù)庫

語音對(duì)話數(shù)據(jù)庫主要針對(duì)《多媒體技術(shù)與應(yīng)用》課程實(shí)驗(yàn)的情況進(jìn)行數(shù)據(jù)庫的設(shè)計(jì)及構(gòu)造。在建立之前進(jìn)行相關(guān)調(diào)研活動(dòng)，整合歸納出對(duì)應(yīng)數(shù)據(jù)模型。

4 語音系統(tǒng)

語音輸入采用的是麥克風(fēng)對(duì)聲音信息進(jìn)行采集，將原來的模擬信號(hào)數(shù)據(jù)轉(zhuǎn)化成數(shù)字末信號(hào)，傳入到計(jì)算機(jī)中。語音輸入階段會(huì)進(jìn)行前期的預(yù)處理[7][8]。預(yù)處理后的語音數(shù)據(jù)經(jīng)過特征參數(shù)提取，得到詞條的模型。同時(shí)將語音信號(hào)生成的處理后的模板進(jìn)行測(cè)試匹配，得到最終的文本文字，進(jìn)行語音識(shí)別。語音識(shí)別的原理框圖如圖2所示。

5 實(shí)驗(yàn)結(jié)果

在某一特定條件下，輸入語音長度為3s左右，噪音20dB以下，帶寬10Mbps，標(biāo)準(zhǔn)普通話，音量40dB以上，本系統(tǒng)進(jìn)行的語音識(shí)別和響應(yīng)時(shí)間測(cè)試。測(cè)試結(jié)果如圖3所示，橫坐標(biāo)表示實(shí)驗(yàn)組數(shù)，縱坐標(biāo)為測(cè)試時(shí)間，共10組實(shí)驗(yàn)數(shù)據(jù)。

根據(jù)這10組數(shù)據(jù)可得，其平均語音識(shí)別時(shí)間為0.82899s，平均語音回應(yīng)時(shí)間為1.59066s。由此可見，基本達(dá)到預(yù)期的設(shè)計(jì)效果。

6 結(jié)語

在三維虛擬環(huán)境中，構(gòu)建具有情感的大學(xué)虛擬實(shí)驗(yàn)員外觀形象，是高校信息化建設(shè)的有效結(jié)果。本文主要通過虛擬實(shí)驗(yàn)員較為逼真的表現(xiàn)性、真實(shí)的操作性、實(shí)時(shí)的反應(yīng)性、一定的情感性，利用語音識(shí)別技術(shù)與學(xué)生進(jìn)行交流溝通，取得了良好的教學(xué)效果。

參考文獻(xiàn)

[1]熊飛.嵌入式語音識(shí)別算法的研究與實(shí)現(xiàn)[D].太原理工大學(xué)，2008.

[2]于雷.基于google Speech-API的簡(jiǎn)單語音對(duì)話系統(tǒng)的實(shí)現(xiàn)[D].華南理工大學(xué)，2012.

[3]潘志庚，楊宏偉，劉箴.虛擬智能體情感研究綜述[J].計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)，2007，19（12）：1509-1516.

[4]蘇紹勇，陳繼明，潘金貴.虛擬環(huán)境中行為建模技術(shù)研究[J].計(jì)算機(jī)科學(xué)，2007，34（2）：270-273.

[5]羅冠，郝重陽，張?chǎng)?，?虛擬人技術(shù)研究綜述[J].計(jì)算機(jī)工程，2005，31（18）：7-9.

[6]王志良.人工情感[M].北京：機(jī)械工業(yè)出版社，2009.

[7]曾旎，鄭世玨，周駿，朱峰.一種高校虛擬輔導(dǎo)員智能語音對(duì)話系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J].電腦知識(shí)與技術(shù)，2017，13（9）：175-177.

[8]李秀珍.語音識(shí)別算法及應(yīng)用技術(shù)研究[D].重慶大學(xué)，2010.endprint