简单的语言交互（1）--语音库简介

需要的机器人具有能语言交流的能力，其实并不难，很多方案可以做到，最简单的方法就是直接购买语音识别芯片，语音芯片输入语音信号，通过串口就直接输出了文本，然后又根据文本内容传输给语音合成芯片，合成语音，简单粗暴。再有就是语音库离线处理了，这样处理识别的文字定然不多，需要事先将文本特征保存下来，很多嵌入式端的简单语音控制应该就是这么处理的了，但是我们需要更加智能的方案那就是云处理了，大名鼎鼎的“贤二”机器人和“Google home”估计就是这么处理的，如果想让我们的机器人也具有这样的功能，我们也可以通过云运算来处理，自己来做云运算这个太过复杂，好在现在很多公司都拥共享云语音库，Google，讯飞，百度等等的。

    那就需要分析对比上面的语音识别库了，首先是Google，这个可以免费试用一段时间，需要用绑定信用卡，而且要保证系统可以连接访问Google，好吧，就凭这点可以不予考虑了，详细的功能我就没去了解了。接下来是百度和讯飞，讯飞老早开始做语音识别了，目前实测效果也是要好于百度的，具有语音识别，语音合成，语音唤醒，语音测评，语义理解，AIUI等等功能，多平台支持包括Linux，这也就意味着在嵌入式机器人上使用成为了可能，最近也有了麦克风阵列声音定位技术，这个为以后机器人的听音判断位置提供了技术支持，这个ST也有语音库支持。其中的AIUI是直接的语音交互开发版，买来就可以直接实现使用。反观百度，目前只支持android和IOS，只有语音识别，语音合成和语音唤醒功能。

    语音合成这个好理解，就是将文本变成语音，很多低成本的语音芯片就能做到，但是这个里面包含很多问题，比如数字与电话号码读法处理，中英混合处理，多音字处理，音调处理等等的，不过好在我们对语音的合成要求不是很大，萌萌哒且机械的声音也有不少人喜欢。

 接下来分析下语音识别和唤醒的特点，语音识别是将所有输入的语音全部给转换为文本，可以手动截断，也可以语音停顿截断，这样出来的文本就会很长，如何从这么长的文本中提取有用的信息，而且需要语义判断，情感分析等等的就成了一个很复杂的问题了，当然处理的好的话那就很炫酷了，比如小度机器人，sire，贤二机器人，Google home。唤醒功能就相对简单了，预先将词汇信息保存，词汇一般是3到5个音节，一直开启接收语音信息，一旦出现对应的词汇就触发响应，语音唤醒是用来唤醒机器的，但是个人觉得这样的特性适合做简单的智能家居，比如“楼上开灯”，如果是采用语音识别的话很难保证前后不出现其他的词语，增加了信息提取的难度，但是唤醒就不同了，直接就将信息提取出来了。

要做成贤二和Google home那样太难了，因此想简单的体验下智能家居选用语音唤醒就好，其中百度免费，讯飞收费。