One-Shot車載語音交互系統(tǒng)的設計與實現(xiàn).pdf

1、隨著中國汽車工業(yè)的快速發(fā)展和汽車保有量的增加，帶動了汽車電子設備的蓬勃發(fā)展，越來越多的車載嵌入式設備被添加到汽車中，這些設備在提高駕車舒適度和汽車性能的同時，也增加了汽車駕駛操控的復雜度，帶來了不安全的隱患。由于車載環(huán)境的限制，在駕車時通過一般的視圖界面來操作車載設備的各項功能是比較復雜和危險的，將語音交互技術(shù)融入到汽車中，可以很好的解決上述問題。利用語音識別技術(shù)，可以讓車載設備聽懂人類的語言，實現(xiàn)語音點播歌曲、收聽廣播、接聽電話、聲控

2、導航等功能；利用語音合成技術(shù)，可以將汽車狀態(tài)、當前路況、新來電話等信息直接播報給駕駛員，駕駛員不用轉(zhuǎn)移雙眼去查看信息。
　　 目前的車載語音交互系統(tǒng)在汽車上的應用局限于對少量的車載電子設備進行語音控制，一般并不能涵蓋到所有的應用，例如已經(jīng)成熟的導航軟件中只有語音播報功能，藍牙免提電話只能實現(xiàn)語音撥打電話等，語音技術(shù)只是作為一個錦上添花的功能存在，不能完全替代圖形界面操作。另一方面，目前的車載應用一般采用多次對話式語音確認，相對于

3、圖形用戶界面交互并沒有減少操作時間，而且多次的交互也降低了識別率。繁瑣的語音交互不僅不能體現(xiàn)語音操作的高效性，而且也影響了車載語音交互系統(tǒng)的可操作性。
　　 本文針對車載環(huán)境這一特殊場景，提出一種One－Shot語音交互方案，駕駛員通過一句簡單的語音命令，控制車載設備，如導航、音樂、收音機、藍牙電話，車載設備也根據(jù)需要將反饋的內(nèi)容以語音的形式給予提示。車載語音交互過程中駕駛員無需轉(zhuǎn)移雙眼查看屏幕，只需一句語音命令即可操控車載設備

4、，摒棄了繁瑣的多步對話確認，通過語音播報收聽車載信息。相比于傳統(tǒng)界面交互和多次對話式語音交互，極大降低了危險發(fā)生的可能性，也提高了車載設備的可操作性。
　　 同時，基于科大訊飛語音技術(shù)在WINCE5.0平臺上實現(xiàn)了車載語音交互系統(tǒng)，系統(tǒng)主要由詞典管理模塊、語音交互服務模塊、語音識別模塊、語音合成模塊、音頻任務控制模塊組成，詞典管理模塊的任務是根據(jù)語法文件編譯生成Aitalk語音識別引擎所需的識別詞典，如果需要添加語音控制應用，只

5、需修改語法文件，增加對應的語法命令，使得車載語音交互系統(tǒng)具有良好的可擴展性；語音交互服務負責調(diào)用語音合成模塊進行語音播報，調(diào)用語音識別模塊對駕駛員發(fā)出的一句語音命令進行識別，并調(diào)用語音合成模塊進行語音提示播報，同時將識別結(jié)果發(fā)送給車載應用；音頻任務控制模塊隨時監(jiān)視音頻任務，并獲得當前的音頻任務變化，在有新的音頻任務申請時，根據(jù)音頻任務的優(yōu)先級決定是否執(zhí)行申請以響應用戶操作，使語音應用之間可以井然有序的協(xié)調(diào)工作，避免對語音交互的識別產(chǎn)生干