基于树莓派的智能语音交互系统设计

卢嫚，陈佳悦

（西安工程大学电子信息学院，陕西西安 710048）

随着科技的发展和智能语音助手、智能音箱市场的逐渐成熟，人工智能浪潮下的语音交互已经成为最被人们所接受的交互方式[1]。智能语音互动超越了电子屏幕的局限逐渐扩展至人们的生活中，成为了新一代用户的主流交互方式，语音交互作为一种自然的人机交互方式，已经融入了各个领域，如智能家居、车载智能语音等[2-3]。智能音箱作为语音交互的功能产品，带给人们一种全新的体验[4]。与如今的智能手机相比，智能音箱的交互功能更加明确，使用轻松便利，提高了使用效率[5]。对于智能音箱的使用，无需用户进一步学习，无论小孩还是老人，都可以更好地使用。用户使用的要求降低，只需要用户说出来问题或要求即可[6]。

1 智能音箱功能的设计

1.1 训练唤醒词

设置个性化的唤醒词。首先，需要创建一个配置文件以便于配置唤醒词，这个工作可以交给wukong-robot 辅助完成。在终端输入指令：利用cd wukong-robot 来打开wukong-robot 文件夹，接下来在wukong-robot 的根目录下执行python3 wukong.py[7]。

第一次启动后，提示用户目录下创建一个配置文件，输入 y 即可。配置文件将会保存在～/.wukong/config.yml 中。

对于设置个性化的唤醒词，先登录https://snowboy.hahack.com/网站，训练个性化的模型。再下载pmdl 模型并放到～/.wukong 中。最后修改config.yml 的model 配置，修改为已经训练好的模型的文件名。

个性化的snowboy 唤醒词训练界面如图1 所示，需要3 个语音示例训练唤醒词，合成一个.pmdl 文件，即训练成的上传文件。

图1 个性化唤醒词设置界面

本文训练的唤醒词为“嘿小婷”，经过多次训练后，可以正常识别及运行。

1.2 结合语音理解NLU 的对话功能

结合语音理解 NLU（Natural Language Understanding，自然语言理解）的对话功能，整个对话的设计流程如图2 所示。

UNIT（Understanding and Interaction Technology）是百度AI推出的可定制的对话开发系统。

先设计一个最简单的版本，首先通过关键词“打个招呼”来触发这个插件响应，无需任何配置项，需处理用户的指令，直接回复“hello world”。

3．3 早期干预对促进儿童语言发育和预防心理问题意义重大 正常的听力是进行语言学习的前提。而听力障碍的儿童由于缺乏语言刺激和环境，不能在11个月前进入呀呀学语期，在语言发育最重要和关键的2～3岁内不能建立正常的语言学习，轻者导致言语障碍、社会适应能力低下、注意力缺陷和学习困难等心理行为问题，严重者会导致聋哑。本县确诊为听力障碍的103例婴儿均得到及时有效的干预及治疗。对听力障碍儿童均进行了心理行为发育筛查和跟踪随访，89．32%的儿童心理行为发育正常，可疑和异常儿均在进一步的康复治疗中。

训练百度平台UNIT 的技能[8]，首先在百度UNIT中训练这个技能。注册登录百度UNIT 后，在“我的技能”面板中点击“新建技能”按钮，在弹出的窗口中填好信息，完成创建。之后创建一个对话意图。

进入这个技能面板后，点击“新建对话意图”，新建一个名字为HELLO_WORLD 的意图，并填好相关的信息。百度UNIT 的新建技能面板如图3 所示。

图3 新建技能面板

在上面已经定义了一个名字为user_person 的可选词槽，用来确定要向谁问好。在创建的时候，可以复用UNIT 自带的sys_pe，其中可以是人物，包含虚拟人物在内的各类人名的系统词槽，还可以根据需要再添加一些自定义词典。

接下来在左侧面板点击“训练数据”的“对话样本集”，在对话样本集面板中点击“新建对话样本集”，创建样本集。

创建好对话样本集后，训练UNIT 技能这一步已经完成，完成后就可以对该技能进行训练和测试，先确保模型正常工作，并且不会被误判为其他技能。如果判断不理想，可以继续补充，直到结果符合预期为止。

配置完成后，则实现了结合NLU 的对话功能，如果需要更多的对话，也可以按照这个方法，在百度UNIT 上继续载入自己的样本集。

1.3 清除缓存功能

清除缓存这个功能对于计算机来说是必不可少的，可以增加使用寿命、避免卡顿，是一个有真正用途的普通技能插件。为了节省用于语音合成所消耗的时间，wukong-robot 支持将语音文件缓存到temp 目录中，但是如果使用时间久，目录里的文件数量就会越来越多，会占用大量的设备存储空间。另外，如果语音合成配置改了发音人的音色，没有清理已有的缓存语音，也会导致wukong-robot 使用过程中混杂多种音色的奇怪体验。清除缓存是必不可少的，流程如图4所示。

图4 清除缓存设置流程框图

清除缓存配置文件如图5 所示。

图5 清除缓存配置文件

本文中将此插件设计成只要指令中包含关键词“清除缓存”“清空缓存”“清缓存”就可触发这个插件响应。且无需任何配置项，无需处理用户的指令，直接清除缓存，并告知用户“缓存目录已清空”。

2 运行测试

2.1 天气查询技能测试

为保证唤醒词设置不出现错误，先使用唤醒词为默认唤醒词“孙悟空”。终端输入指令python3 wukong-robot.py，运行成功后，可以进行功能测试，如进行沟通交流，是否能理解语义及进行反馈。语音交互对话的界面如图6 所示，可以实现基本的智能音箱设计中的聊天对话功能。

图6 语音对话显示

语音接收信息无误后，可以对前文中设计的天气查询技能进行简单的测试，对天气查询功能的测试如图7 所示。经过提问，可以准确回答出天气如何，则功能设计也基本成功，可以满足设计需求。

图7 天气查询显示

2.2 管理及调试结果

此外，wukong-robot 在运行时默认启动后台管理终端，不仅提供远程对话和更改配置视图，还提供日志显示等功能。其默认地址为http://localhost:5000，默认账户名为wukong，默认密码为wukong@2019。后台管理端的显示界面如图8 所示。

图8 后台管理端

也可以直接在终端启动wukong-robot 进行运营管理。终端关闭，wukong-robot 进程可能会消失。要想在后台保持运行，可以在tmux 中运行。

如果出现wukong-robot 在运行时反应速度太慢的情况，反馈交互有时发生后需要2 min。经过测试，这通常与网络环境有很大关系，例如由于防火墙而无法访问某些服务。此时可以运行wukong-robot：python3 wukong.py profiling，在每一次交互后，显示出当次交互的性能数据。

如图9 显示的是性能调优数据，用长方形框显示列堆积了处理每个任务所需的时间，如果该列下降并发现数量突然变小，则第一行是最大的黑手。执行python3 wukong.py help 可以了解更多命令行用法。

图9 性能调优数据

若使wukong-robot 暂时不监听不授权，可以在配置文件中设置hotword_switch 为true，可以更好地保护用户的隐私安全，防止被监听、信息泄露等。

经过测试，符合预期的3～5 m 的收音范围，由于远场唤醒距离与场合的安静与否、说话声音大小、距离远近都有关系。在较为安静的场合时，以麦克风为半径的5～7 m 内的圆内都可以较为清晰地收音，若为较为嘈杂的场合，收音半径小于3 m。

3 结论

本文设计了基于树莓派的智能语音交互系统，利用wukong-robot 开源库及百度语音转换等提供的通信协议以及采用API接口来实现人机交互中的语义理解、语音转换，最终设计出一个具有个性化的智能音箱。系统有成本低、功能强大、体积小、功耗低及便于实现等优点，结合AI语音交互，制作了一款陪伴型机器人，可运用于各个领域，如智能家居、智能车载等。