基于樹莓派的智能音箱的總體方案設(shè)計案例目錄TOC\o"1-2"\h\u12431基于樹莓派的智能音箱的總體方案設(shè)計案例 1156831.1智能音箱系統(tǒng)概述 1275931.2硬件模型 317961.3系統(tǒng)的開發(fā)平臺 41.1智能音箱系統(tǒng)概述本文設(shè)計的智能音箱系統(tǒng)，由樹莓派外設(shè)（TC/藍(lán)牙接入音箱、USB麥克風(fēng)語音模塊AI識別功能）實現(xiàn)語音數(shù)據(jù)的采集硬件連接設(shè)計、語音播放硬件連接設(shè)計。找到了適合中文語音互譯的引擎，及其支持其引擎的框架開源項目“wukong-robot”。應(yīng)用了Python的語言，以及離線喚醒技能，采用靜音檢測，再通過語音識別ASR引擎、語音合成TTS引擎實現(xiàn)[20]。靜音檢測目的是檢測并消除語音中長時間的靜默，以節(jié)省語音信道資源而不影響服務(wù)質(zhì)量。靜音抑制有助于節(jié)省寶貴的帶寬資源并減少用戶感知的端到端延遲[20]。語音識別的原理更是復(fù)雜的多，方法主要是模式的匹配[21]。在訓(xùn)練階段，用戶將詞匯表中的詞依次說一遍，并且將其特征作為模板存入庫里[22]。另一方面，在識別階段，將輸入詞的屬性與庫中的每個模板進行比較，并以最大的相似度進行識別。在單詞識別方面，集成了百度、科大訊飛、阿里、騰訊等眾多中文單詞識別和語音合成技術(shù)，并可以不斷擴展[23]。添加對話機器人，如連接圖靈、Emotibot等在線對話機器人，實現(xiàn)語音輸出。人機交互全過程大致可分為以下幾個步驟，如圖2-1中所示：首先要用麥克風(fēng)采集聲音，聲音采集后，經(jīng)過降噪處理，提取聲音中的信息要素，從而進行語音喚醒，喚醒后把采集到的聲音轉(zhuǎn)到文字，再進行語義理解。語義理解更是一門很深的學(xué)問，要求機器人能夠?qū)φf話環(huán)境進行深度學(xué)習(xí)，才能準(zhǔn)確判斷[24]。理解后則要回復(fù)文字和指令，再通過文字轉(zhuǎn)聲音，最后播放出聲音，做到人機交互的全過程。圖2-1人機交互過程框圖激活本文使用的wukong-robot后，如圖2-2所示，用戶語音命令首先通過ASR被ASR引擎識別為文本。在已知文本中進行語義理解（NLU）并獲得分析結(jié)果。搜索可用的插件，執(zhí)行相關(guān)的技能匹配，匹配后傳遞給適合處理指令的技能插件。在處理插件時，還可以根據(jù)需要使用TTS引擎合成成語音，播放給用戶。并且其中一個交互可能包含多個網(wǎng)絡(luò)請求，但優(yōu)點是每個連接都可以更改和調(diào)整。圖2-2語音技能匹配過程框圖對于過程中找到合適的插件處理，就是所謂輪詢插件。輪詢每個可用插件，比較相關(guān)技能，交給合適的插件去處理。如圖2-3的流程圖，就是人機交互與語音技能匹配的過程結(jié)合后，加入靜音檢測、降噪，語音喚醒等等步驟后，對于wukong-robot的過程流程圖的解析。對于wukong-robot來說，運行更像是一個循環(huán)的系統(tǒng)，不停的檢測是否有被喚醒，如果未檢測到就繼續(xù)檢測等待喚醒。若喚醒成功，則進行語音文字的轉(zhuǎn)換、語義分析理解、播放語音進行對話聊天，若失敗則繼續(xù)離線等待喚醒，如果無操作，則一直離線等待。離線等待喚醒也可以在一定程度上保護使用者的隱私安全。圖2-3系統(tǒng)過程流程圖1.2硬件模型智能音箱三個組成部分組成，即：大腦、耳朵、嘴巴。大腦是計算的主機，音響是聽話的耳朵，麥克風(fēng)是說話的嘴巴。耳朵的低效對智能音箱的體驗質(zhì)量有很大影響。由于麥克風(fēng)是智能音箱接收用戶語音輸入的唯一通道，這意味著聲音信息會被錯誤或錯誤地接收，都會對結(jié)果有天差地別的影響。從麥克風(fēng)來說，有樹莓派專用的USB免驅(qū)麥克風(fēng)，有ReSpeaker2MicsPiHAT是專為樹莓派打造的陣列麥克風(fēng)，帶2Mic陣列，有聲卡，支持外接3.5mm音頻輸出。效果會更好，但其缺點是會占用樹莓派的GPIO。同時，這個HAT配置的缺點在于需要自己安裝驅(qū)動。作為嘴巴的音箱選擇還是相對于麥克風(fēng)來說，要求可以稍微低一些，甚至也可以使用藍(lán)牙音箱。用樹莓派DIY智能音箱，更對于體積有一些要求，才便于攜帶控制，故能控制在一個比較小的尺寸內(nèi)。圖2-3智能音箱系統(tǒng)硬件平臺1.3系統(tǒng)的開發(fā)平臺本文利用樹莓派的體積小、成本低、便攜性好、可編程、可聯(lián)網(wǎng)等特點，采用樹莓派進行開發(fā)嘗試。在樹莓派上搭載Raspbianjessie系統(tǒng)安裝好鏡像，配置Raspbian系統(tǒng)，安裝Python3.4.2軟件和wukong-robot項目，安裝docker使用容器開發(fā)、部署和運行應(yīng)用程序更方便。其中免不了對于克隆本倉庫的安裝，及還需要下載CMUCLMTK等等源碼。1.3.1Raspbian系統(tǒng)簡介Raspbian的基礎(chǔ)是Debian操作系統(tǒng)。麥克·湯姆森和彼得·格林兩位志愿者研發(fā)，針對樹莓派硬件進行了專門的優(yōu)化和移植。而Raspbian不僅僅是一個OS，它附帶著35000個軟件包以及預(yù)編譯的軟件[25]。Raspbian項目開發(fā)得益于麥克·湯姆森。他是Atomz的聯(lián)合創(chuàng)始人兼CTO，Atomz于2005年被WebSideStory收購。RaspberryPi看起來是一個很好的開發(fā)平臺，它非常便宜，也很容易嵌入。但是RaspberryPi沒有為其浮點單元提供完全優(yōu)化的操作系統(tǒng)，浮點單元是必不可少的[26]。用于RaspberryPi的Fedora系統(tǒng)仍在開發(fā)中，但官方RaspberryPi下載站點僅推薦Raspbian、ArchLinuxARM和RISCOS。1.3.2Python語言概述Python語言由荷蘭人GuidovanRossum于1989年發(fā)明。由于Python極其容易學(xué)習(xí)，即使你之前從未學(xué)過其他編程語言，也能很快掌握。Python也如C語言和JAVA語言，是一種非常強大且簡單的面向?qū)ο笳Z言?？梢灾С之惓Ｌ幚?，降低了處理錯誤的麻煩，也加快了開發(fā)代碼的速度[27]。Pytho