摘要：人类的语言交流是人类交互的主要方式，从键盘，鼠标，触屏控制，人机交互的本质始终没有改变，无法完成对话式的交流，而语音交互的出现打破了这一现状，它可以解放双手，甚至解放双眼，给人带来极大的快感，它也将是智能时代的主要交互方式。由于近年来深度学习的突破以及计算能力的提升和数据积累，让语音识别得到了快速的发展，麦克风阵列技术兴起更是实现了远场自由语音交互的需求，国内的科大讯飞、声智科技，思必驰等已经拥有比较成熟的麦克风阵列技术，这种技术为智能音箱的核心技术，为智能提供了解决方案。而音响这样一个电子设备是家庭中除了手机，耳机，家电以外最常见的的设备了，仅国内它就是千亿级别的总产值，需求是刚性的。这样一款设备与语音交互结合产生的智能音箱必定拥有广阔的市场。
该项目来源于我在珠海市魅族科技有限公司北京分公司的实际项目——“gravity智能音箱”。该产品是一款基于远场语音交互的音箱，它通过语音识别、语意理解、自然语言处理、语音合成等技术实现各种功能，不仅能控制音箱音量、搜索歌曲、歌曲切换，还提供了日常生活中的场景的语音对话功能，如：百科，新闻，天气，时间，闹钟等。在音箱的研发过程中，作者的工作是针对该产品的语音控制系统的设计与实现。主要内容是需求分析、系统设计、编码实现等。本文分析了项目背景与意义，明确了需求跟架构设计，在此基础上，对各个模块提出了实现方案。
目前，音箱通过语音控制系统已经实现了语音与音箱功能的对接以及日常生活中的场景对话。
关键词：智能音箱;语音控制;语音交互
ABSTRACT
ABSTRACT: Human language communication is the main way of human interaction. From the keyboard, mouse, touch screen control, the nature of human-computer interaction has not changed, can not complete the dialogue of the exchange, but the emergence of voice interaction will break the status. It can give people great pleasure by freeing Hands, even freeing eyes. It will also be the main interactive in the intelligence era. In recent years, due to the breakthrough of deep learning and the improvement of computing power and data accumulation, so that voice recognition has been rapid development, the rise of microphone array technology is to achieve a far-field free voice interaction needs, In domestic KEDAXUNFEI,SHENGZHIKEJI , SIBICHI etc already have a more mature microphone array technology, this technology for the smart speaker core technology, provides a solution for the intelligence. The sound of such an electronic device is the family in addition to mobile phones, headphones, home appliances other than the most common equipment, and only it is the domestic level of 100 billion output value, the demand is rigid. Such a combination of equipment and voice generated by the combination of smart speakers must have a broad market.
The project comes from my actual project in Zhuhai City Meizu Technology Co., Ltd. Beijing Branch - "gravity smart speaker". The product is a far-field voice interactive speaker, which through voice recognition, semantic understanding, natural language processing, speech synthesis and other technologies to achieve a variety of functions, not only can control the speaker volume, search songs, song switching, also provides daily The scene of life in the voice dialogue function, such as: Encyclopedia, news, weather, time, alarm clock and so on. In the speaker of the R & D process, the author's work is for the product of the voice control system design and implementation. The main content is demand analysis, system design, coding and so on. This paper analyzes the background and significance of the project, clarifies the demand and architecture design, on this basis, put forward the realization of the various modules.
So far the speaker through the voice control system has achieved the voice and speaker function docking and daily life scenes dialogue.
KEYWORDS：Smart speaker; voice control; voice interaction
目 录
中文摘要 i
ABSTRACT ii
目 录 iii
1引言 1
1.1 论文背景与意义 1
1.2 智能音箱应用现状 1
1.3 论文主要工作 2
1.4 论文组织结构 2
2相关技术 4
2.1 语音识别 4
2.2 语音合成 4
2.3 自然语言处理 5
2.4 Android Activity 5
2.5 JSON数据 5
2.6 多线程 6
2.7 本章小结 6
3需求分析 7
3.1 系统简介 7
3.2 系统功能描述 7
3.3 功能性需求分析 8
3.3.1 系统用例分析 8
3.3.2 音乐类用例分析 10
3.3.3 有声类用例分析 11
3.3.4 天气类用例分析 12
3.3.5 新闻类用例分析 13
3.3.6 闹钟与提醒用例分析 14
3.3.7 百科类用例分析 15
3.3.8 聊天类用例分析 16
3.4 非功能性需求分析 16
3.5 本章小结 17
4系统架构与设计 18
4.1 系统总体架构设计 18
4.2系统接口设计 21
4.2.1 process 监听接口 21
4.2.2 UI交互接口 21
4.2.3 音箱命令执行接口 22
4.3 本章小结 24
5模块设计与实现 25
5.1 特定场景模块 25
5.1.1 设计描述 25
5.1.2 流程图 26
5.1.3 类图 27
5.2 魅族NLP模块 28
5.2.1 新闻类 28
5.3 第三方NLP模块 30
5.3.1 音乐类 30
5.3.2 有声类 32
5.3.3 天气类 34
5.3.4 新闻类 37
5.3.5 闹钟与提醒类 38
5.3.6 百科类 41
5.3.7 聊天类 42
5.4 本章小结 44
6结论 45
参考文献 46
致 谢 47
1引言
本文阐述的是基于智能音箱的语音控制系统的设计是实现，其来源是我实习中的的实际项目——“gravity”智能音箱。语音控制系统是为了实现音箱功能跟语音的对接以及关于日常生活中的场景的语音交互，是该项目的核心系统之一。根据软件工程理论对本项目进行了设计与实现。本章将从论文背景与意义、智能音箱应用现状、论文主要内容、论文组织结构四个方面对项目进行简单介绍。
1.1论文背景与意义
人类的语言交流是人类交互的主要方式，从键盘，鼠标，触屏控制，人机交互的本质始终没有改变，无法完成对话式的交流，而语音交互的出现打破了这一现状，它可以解放双手，甚至解放双眼，给人带来极大的快感，它也将是智能时代的主要交互方式。由于近年来深度学习的突破以及计算能力的提升和数据积累，让语音识别得到了快速的发展，麦克风阵列技术兴起更是实现了远场自由语音交互的需求，国内的科大讯飞、声智科技，思必驰等已经拥有比较成熟的麦克风阵列技术，这种技术为智能音箱的核心技术，为智能提供了解决方案。而音响这样一个电子设备是家庭中除了手机，耳机，家电以外最常见的的设备了，仅国内它就是千亿级别的总产值，需求是刚性的。这样一款设备与语音交互结合产生的智能音箱必定拥有广阔的市场。
该项目来源于我在珠海市魅族科技有限公司北京分公司的实际项目——“gravity智能音箱”。该产品是一款基于远场语音交互的音箱。它通过语音识别，语意理解，结果处理，语音合成实现各种功能，不仅能对控制音箱音量，搜索歌曲，歌曲切换，还提供了很多日常功能，如：百科，新闻，天气，时间，闹钟。实习的工作是针对该产品的语音控制系统的设计与实现，完成语音交互与音箱实际功能的对接。
智能音箱具有广阔的市场，可以创造巨大的财富，同时它也是未来布局智能家居的入口。语音控制系统是语音交互技术与音箱实际功能的对接，加强语音的交互体验[5]，系统的稳定性直接影响到产品的用户体验以及生命周期的长短，它的业务流程未来甚至可以拓展到其他智能家居上。
1.2智能音箱应用现状
2015年智能音箱出现，国外亚马逊Echo，国内有京东的叮咚音箱，阿里的小飞。智能音箱一开始就被认为是家庭互联网的入口之一[7]，与智能家居进行融合也是其使命之一，各个巨头出于这方面的考虑都开始抢占这个领域。但是智能音箱还处于起步阶段，有很多困难还待突破。音箱特别是其中的中高端音箱，本来就强调品牌，而且是技术门槛较高的领域，而智能音箱需要应用声学设计、远场拾音、无线技术[14]、语音识别、自然语言处理等众多技术[6]，不仅使技术更为复杂，而且更加依赖音乐内容平台的支持，这些诸多因素都是待创业者解决的难题。用户对智能音箱的要求也远非语音识别所能做到的那样简单，还需要更深入的语音交互才行，而且这种交互应该对接上日常生活中的场景[5]。即使众多科研人员要解决某个特定领域的语音交互都是困难的，更何况如此广泛的领域。
目前智能音箱的主要研究方向是好的语音交互体验，更丰富的内容交互，以及对其他智能硬件产品的控制。
1.3论文主要工作
结合语音识别，语音合成，自然语言处理，为了很好的实现音箱功能跟语音的对接以及关于日常生活中的场景的语音交互，语音控制系统的设计与实现是非常有必要性，同时也是非常重要的，这也是我在魅族实习的主要内容。
本论文将根据软件工程项目开发流程对语音控制系统从需求分析，架构设计，模块详细设计与实现等各个方面对系统进行论述。作者把语音控制系统根据语音识别后自然语言的处理方式分做三个模块：特定场景模块，魅族NLP (自然语言处理, Natural Language Processing)模块，第三方NLP模块。然后分别从用户角度对其进行了用例分析，之后通过流程图，架构图对系统架构进行了整体性说明。然后从又设计描述，流程图，类图的角度对系统主要功能进行了详细阐述。最后对整个论文进行了总结。为了方便读者阅读本论文，以及对系统核心技术有所了解，作者对相关技术进行了阐述。
1.4论文组织结构
本论文是以项目“智能音箱语音控制系统”的设计与实现作为研究对象，依据软件工程项目开发的流程进行论述，主要分为六个模块，引言、相关技术、需求分析、系统架构、模块设计与实现、总结。
第一章：引言。分为四个小节，前两个小节对课题的研究背景与意义、智能音箱应用现状进行简述，表明了本课题的研究背景和需要解决的问题；后两个小节说明了论文主要内容和论文的组织结构。
第二章：相关技术概述。分为七个小节，前六个小节分别介绍了整个项目用到的关键技术。最后一个小节为本章内容的小结。
第三章：需求分析。分作五个小节，第一个小节对系统作了简介，第二节是介绍系统的模块划分，把系统根据自然语言处理方式分作三大模块，第三节是对系统功能性需求进行论述，通过用例图分析了系统的主要功能，第四节是对系统的非功能性需求进行论述，从五个方面考虑了该需求。最后一个小节为本章内容的小结。
第四章：系统架构。分作三个小节，第一小节对系统整体架构进行说明，通了流程图，架构图进行了阐述。第二小节对系统主要接口进行了论述，讲解了模块与模块间是如何交互的。最后一个小节为本章内容的小结。
第五章：模块设计与实现。分作四小节，前三个小节对三大模块进行了详细论述，每一个模块都从设计描述，流程图，类图进行了分析阐述。最后一个小节为本章内容的小结。
第六章：总结，对论文撰写的总结和对所有支持、帮助我完成这个项目的人表示感谢，以及参考文献和英文文献翻译。
