[發明專利]一種快速實現語音交互功能的系統

在審

• 申請號: 202010779872.8
• 申請日: 2020-08-05
• 公開（公告）號: CN111857646A
• 公開（公告）日: 2020-10-30
• 發明（設計）人: 劉重凱;李旭濱
• 申請（專利權）人: 上海茂聲智能科技有限公司
• 主分類號: G06F3/16
• 分類號: G06F3/16;G10L15/22;G10L13/02
• 代理公司: 上海領譽知識產權代理有限公司 31383
• 代理人: 車超平;王琰

本申請涉及一種快速實現語音交互功能的系統，其中，該一種快速實現語音交互功能的系統通過I2S標準麥克風陣列采集用戶的第一模擬語音數據；語音轉換單元將第一模擬語音數據轉換為第一數字語音數據，以及將第二數字語音數據轉換為第二模擬語音數據；語音處理單元對第一數字語音數據進行全鏈路語音處理，以生成與第一數字語音數據相對應的第二數字語音數據，其中，語音處理單元獨立運行于安卓設備的操作系統；I2S標準播放器播放第二模擬語音數據。通過本申請，解決了現有技術中語音交互功能開發難度高、周期長、不具有可移植性以及復雜度高的問題，實現了快速開發語音交互功能的技術效果。

技術領域

本申請涉及語音交互領域，特別是涉及一種快速實現語音交互功能的系統。

背景技術

隨著人工智能技術的普及，語音識別技術也發展的越來越快，且被應用于各種安卓設備上，用以提升安卓設備的操控便捷性和人機交互體驗。

現有的安卓設備的語音交互功能的開發流程一般為如下步驟：

硬件選型，根據語音交互功能對算力、RAM(Random Access Memory，隨機存取存儲器)、ROM(Read-Only Memory，只讀存儲器)等資源的需求，選擇相應CPU(CentralProcessing Unit，中央處理器)、DDR SDRAM(Double Data Rate Synchronous DynamicRandom Access Memory，雙倍速率同步動態隨機存儲器)、麥克風和喇叭等硬件；

識別引擎移植，根據安卓設備部署的操作系統，在對語音識別引擎的算法進行交叉編譯和調試的情況下，將語音識別引擎移植到安卓設備上；

錄音和放音開發測試，對已經選擇好的硬件進行開發調試，如在對麥克風陣列錄音質量測試的情況下，需要對麥克風進行增益測試、一致性測試，并且也需要對驅動程序進行開發和調試；

上層應用語音開發，對上述語音識別引擎的調試、錄音能力以及放音能力的開發調試進行整合，即調用麥克風陣列采集用戶的指令錄音，并將指令錄音發送到語音識別引擎得到指令文本，然后語音識別引擎解析該指令文本以執行與指令文本相對應的執行動作，然后對指令動作完成播報；

上層應用業務開發，在應用語音能力開發的情況下，需要在應用語音能力的基礎上逐步實現業務需求，即基于應用語音能力開發各種業務功能，如GUI(Graphical UserInterface，圖形用戶界面)動畫渲染、擬人播報應答。

相關技術中，在對語音交互功能進行開發的情況下，一般難度較高，需要軟件工程師、硬件工程師以及算法工程師共同參與設計和實現；且在對語音交互功能進行開發的情況下，從設計、實現到調優，周期較長，需要耗費大量的時間成本；并且針對于不同的安卓設備的硬件和產品需求，語音識別引擎中語音控制部分不具有可移植性；在對語音交互功能進行開發的情況下，軟件工程師既要實現語音識別殷勤的識別播報能力，又要實現具體業務需求，難以并行開發，復雜度較高。

目前針對相關技術中語音交互功能開發難度高、周期長、不具有可移植性以及復雜度高的問題，尚未提出有效地解決方案。

發明內容

本申請實施例提供了一種快速實現語音交互功能的系統，以至少解決相關技術中語音交互功能開發難度高、周期長、不具有可移植性以及復雜度高的問題。

本發明提供了一種快速實現語音交互功能的系統，應用于安卓設備，包括：

I2S標準麥克風陣列，用于采集用戶的第一模擬語音數據；

語音轉換單元，用于將所述第一模擬語音數據轉換為第一數字語音數據，以及將第二數字語音數據轉換為第二模擬語音數據；