基于Android的语音助理软件的分析与设计

青岛理工大学（临沂） 王 贵

基于Android的语音助理软件的分析与设计

青岛理工大学（临沂） 王 贵

在科学技术发展的推进下，语音识别技术也得到了飞速发展，最近几年被广泛应用于的智能化移动设备，如个人掌上电脑、智能手机等。本文在调研的基础上，首先分析了Android 平台技术，然后对系统功能进行确定，最后进行了整体框架设计，为系统实现和应用奠定了基础。

Android；计算机；语音助理；设计；分析

1　引言

人类在交流沟通过程中及时性最高、最便捷的方式为语音，语音在特殊群体或者场景中具有重要作用，如：残疾等自身问题以及黑暗环境等。语音在科学技术不断发展状态下，俨然成为了人类与机器之间交互的重要连接方式。人类的期望的目标是是实现人类与机器之间通信自然，语音识别技术在未来发展的历程中，以实现该目标为目的。

2　Android 平台技术

目前，Android 平台是市场占有率最高的智能手机操作系统平台。自从 2008年，Android 发行以来，其手机用户量和手机应用市场的应用数量不断增加，并走向更加成熟化的方向发展。Android 平台的特点为开放性、硬件资源量充足、不会受到电信网络的限制、开发环境不被限制。Android 系统的架构由四层构成，分别是：应用程序层、应用程序框架层、系统库运行层及Linux 核心层。

Android 平台上的多种数据处理方式为健康的数据管理提供了便利。 一些临时、轻量级的健康数据，在记录时，遇到中断情况，可以使用 haredPreferences 进行处理；而数据量比较大的健康数据，可以采用文件存储方式；手机 SQLite 数据库能够条理的存储简单数据，为趋势图绘制提供方便；不同应用程序需要共享数据时，只能通过 Content Provider 处理。

3　软件功能分析

本文的语音助理软件主要实现功能包括。

（1）打电话：在手机通讯录中根据用户发出的语音指令，动态化提取与查找所需联系人。用户很大程度上节约了在通讯录中查找联系人的时间，用户拨打电话的需求及时有效的处理。例如：用户发出指令“我要打电话给 X、打电话给 X、帮我给 X 打电话、呼叫 X”等含义相同，语言中包含“联系人姓名”的关键性，系统对该语音信息识别，并在联系人中搜索，最终提取联系人姓名。用户在通讯录中删除或者增加联系人信息时，槽语法自动对相应的槽更新。

（2）发短信：该模块功能实现方式与“打电话”类似，用户发出命令，系统根据该命令对发送信息联系人姓名提取，向编写操作界面跳转。由于该模块无法实现语音输入，因此用户口述的短信内容无法完成编写。系统当前智能将接收短信联系人的信息识别。用户通过语音表达“给 X 发短信、发短信给 X、我要给 X发短信”等，出现“联系人”关键词就可以操作。“发短信”与“打电话”功能实现过程基本相同。

（3）打开应用：智能手机应用已经普及化，用户面对手机说出需要打开的应用程序名称，系统对该指令执行，并打开用户所需的应用程序。

（4）上网导航：该功能完成用户所需网页与网站的打开，包括一些经常使用的搜索引起，分别为搜狗、百度、Google、新浪等，以及在语音中经常使用的综合性网站，共三十多个，必须都可以正常打开。系统会按照网址解析，通过互联网方式将用户网站打开。

（5）音乐搜索：用户说出歌曲名称后，手机本地音乐动态搜索并播放。例如用户说“播放 xx 音乐、我要听 xx 音乐、来一首 xx音乐”等，除此以外，系统在以后的发展中，不断完善，可以时间搜索歌手名播放音乐功能。

（6）信息搜索：基于搜索功能，在百度上搜索用户的各类语音信息，向用户显示当前搜索结果，同时准确性与可靠性较高。

（7）新闻获取。该模块与网页搜索功能基本一致，根据用户提出不同命令，包括“新闻资讯、要看最新新闻、获取新闻信息、阅读新闻”等，系统自动将新闻信息打开。

（8）天气查询：动态的方式将用户提出的某个城市天气情况获取。用户说出命令时根据自己语言习惯进行，语音中只要包含“城市名”、“天气查询”等关键词即可，系统自动对天气情况查询，并向用户反馈该城市最近三天实时天气情况。

4　软件框架设计

笔者梳理了整体设计的层次结构，封装了业务模型，隔离了协议和业务数据，分离了UI 功能和业务功能并使之模块化，将业务工作、业务流程和界面更新独立开来。软件框架结构如图1所示。

如图1所示，软件的界面设计有两层，业务设计有两层。外加一层外部模块。把业务内核独立出来的的目的是让其与UI 的交互逻辑完全隔离，这样能极大的减少耦合。业务层不包含UI，但是功能也是完整的，能够达成命令行也可以独立运行的程度，方便独立测试。另外，一些本来耦合比较大，同时与主要业务关联比较小的模块，如数据采集、模块协议等，分离到外部模块层，通过业务内核提供的一些接口来交换数据。

图1　软件框架设计图

据此可以对开发视图进行设计，开发视图的设计思路是，在逻辑视图的基础上，再将最复杂业务核心层进行了拆分。其中工作流层为UI 提供了业务功能的接口，同时进行业务的整合和调度；业务服务层负责业务的具体逻辑实现以及业务的数据管理；业务基础层包含了业务模型、协议封装、持久层封装、基础框架等工作。同时进行了数据分层，UI数据模型由UI直接使用，同时支持绑定通知；业务数据模型由业务工作使用；存储数据模型包括数据表结构和文件结构；通信协议数据则是由服务器定义的数据模型。

业务层服务的Command 命令是最核心的业务逻辑，每个Command都抽象了一个独立的业务处理。Command 命令基于命令框架实现。命令框架里包括Command 命令、CommandTask 任务以及ComponentTask组合任务。Command 命令表示业务的数据处理的工作，它是异步的命令模式，没有状态机。Command 命令的职责是协议的生成，以及协议完成后的业务处理。CommandTask 任务表示了业务的交换执行工作，它是是有状态的，包括开始、执行、完成、中断等状态。它里面的每个任务都可以接力执行。ComponentTask 组合任务属于部分--整体模式，它可以让多个任务并发工作，当然它本身也是一个任务，可以支持接力执行。通过这种组合可以实现一些复杂的业务流程。

［1］Zeppenfeld，T.，Waibel.A Hybrid Neural Network，Dynamic Programming Word Spotter［C］.ICASSP，2015：77-80

［2］Christiansen，R.W.，Rushforth，C.K.Detecting and Locating Key Words in Continuous Speech Using Linear Predictive Coding［C］.IEEE. 2014，25（5）： 361-367

［3］王辉.语音声学特征分析及命令词识别系统实现［D］.乌鲁木齐：新疆大学，2013：19-25

［4］丁玉忠.基于电话语音的语音关键词识别系统研究［D］.乌鲁木齐：疆大学硕士论文，2011：11-15

［5］李兆哲.基于 Android 平台的智能语音记账系统的设计与实现［D］.中国海洋大学， 2013：24-26.

王贵（1983—），男，山东泰安人，硕士，讲师，研究方向：现代教育技术。