DIV CSS 佈局教程網

您现在的位置: DIV+CSS佈局教程網 >> 網頁腳本 >  >> WEB網站前端 >> 關於網頁技巧
移動交互設計:手機語音自動識別的交互之道
編輯:關於網頁技巧     

破洛洛文章簡介:淺析手機語音交互設計。

語音識別技術,也稱自動語音識別,其目標是把人類語音中的詞匯內容轉換為計算機可讀的輸入,例如按鍵、二進制編碼或字符序列。

作為一種輸入方式,語音識別比按鍵輸入和手勢輸入更為快捷,學習成本很低。目前非特定人連續語音識別系統的識別率已達98.73%,完全滿足實用要求,應用前景廣闊。在手機端,它已滲透到語音撥號、語音輸入、語音命令、語音搜索與語音翻譯等多個場景。

語音識別的技術原理較為複雜,可以從語音交互的整體過程來理解:

1. 開啟語音識別功能。一般由用戶手動點擊按鈕啟動,手機端暫時還無法自動啟動,比如由語音命令喚醒,或依音量高低判斷是否開始識別。

2. 進入說話界面。程序界面會透過視覺化的方式呈現音量的起伏變化。

3. 說話完畢,系統開始分析。結束輸入有兩種方式:一是自動關閉,通常在說完一個詞語後自行結束;二是用戶在手機上手動關閉。系統的處理過程可分為以下幾個步驟:

a)前端處理。該模塊的主要任務,是從輸入信號中去除噪音等干擾因素、提取特徵,供聲學模型處理。信號處理之前會先做斷點檢測,即在語音信號中把語音與非語音時段區分開來,準確確定語音信號的起止點。經過端點檢測後,後續處理便能只針對語音信號進行,這對提高模型精確度與識別正確率至關重要。語音增強的主要任務則是消除環境噪聲的影響,目前通用做法是採用維納濾波,該方法在噪聲較大時的效果優於其他濾波器。

b)聲學特徵提取。聲學特徵的提取,既是一個信息大幅壓縮的過程,也是一個信號解卷積的過程,目的是讓模式劃分器能更好地分類。如上傳音頻時會用到語音編解碼技術,以縮小音頻文件體積、節省存儲空間或降低傳輸比特率。

c)統計聲學模型。計算各幀的聲學特徵,如上下文建模。依發聲機理,音與音之間只能漸變,前一個音會影響後一個音,從而使後音的頻譜與其他條件下產生差異,讓模型能更準確地描述語音。

d)發音詞典。發音詞典包含系統所能處理的詞匯集及其發音,類似拼音輸入法的詞庫。如同輸入法一樣,及時更新熱詞與詞庫,有助於提高匹配的準確率。

e)語言模型。語言模型對系統所針對的語言進行建模,例如分析語音的上下文關係。

由於音頻文件大小受限,本地只能存儲少量詞典,這也意味著複雜的語音識別需要連接服務器進行分析。谷歌語音搜索直到用戶輸入完成後才提示無法聯網——理想的做法,是在啟動輸入之前就先行檢查網絡連接狀態。

4. 系統分析完畢,輸出結果。一種是依結果自動顯示,如Bing搜索;另一種則是提供若干選項供用戶挑選,這與輸出結果的概率高低有關。用戶的選擇會反過來影響詞典的排序,增強語音識別的自適應能力與魯棒性,幫助形成個性化輸入。

依可識別詞匯量,產品可分為不同層次。對於特定語音命令,用戶只能輸入符合命令的詞匯,比如說出聯繫人名字來搜索;輸入法的詞匯量更大;而語句搜索不仅需要龐大的詞庫,處理連續語音時還要區分連音與變音,並能依上下文與熱詞輸出更合理的結果。條件限制越少,語音識別的難度越大——因為能在一定程度上規避模糊音,詞典數據越少,輸入特定詞匯的準確率反而越高。

中文語音輸入與英文不同:英文一旦匹配不到詞典中配置的詞便無法識別;而中文詞匯由單字構成,可以透過單字來識別。

iOS 5的輸入法已加入語音功能,它將逐步成為手機輸入的常規能力。最終輸出結果的準確率與操作流暢度,是衡量其交互優劣的重要標準。

XML學習教程| jQuery入門知識| AJAX入門| Dreamweaver教程| Fireworks入門知識| SEO技巧| SEO優化集錦|
Copyright © DIV+CSS佈局教程網 All Rights Reserved