基于語(yǔ)音識(shí)別技術(shù)的聲控鼠標(biāo)光標(biāo)程序設(shè)計(jì)

　　摘要： 實(shí)現(xiàn)了一種基于語(yǔ)音識(shí)別技術(shù)的聲控鼠標(biāo)光標(biāo)應(yīng)用程序， 可以用語(yǔ)音控制鼠標(biāo)光標(biāo)移動(dòng)到屏幕的任意位置， 能用來幫助傷殘人士只用聲音而不用鼠標(biāo)和鍵盤就能操作電腦。分析了語(yǔ)音控制鼠標(biāo)光標(biāo)使用過程中的延時(shí)缺陷， 并做出了針對(duì)性的改進(jìn)。

　　1 概述

　　電腦語(yǔ)音技術(shù)經(jīng)過多年發(fā)展已經(jīng)取得了巨大進(jìn)步， 目前已經(jīng)有一些產(chǎn)品和項(xiàng)目讓人們有機(jī)會(huì)和計(jì)算機(jī)進(jìn)行語(yǔ)音交互工作， 例如IBM公司的Viavoice 系列軟件以及微軟的新的Office 產(chǎn)品都有實(shí)用的語(yǔ)音功能， 可以進(jìn)行語(yǔ)音聽寫錄入文字等工作， 還出現(xiàn)了一些基于語(yǔ)音技術(shù)的應(yīng)用系統(tǒng)。

　　語(yǔ)音技術(shù)特別是語(yǔ)音識(shí)別技術(shù)的發(fā)展， 使人們可能實(shí)現(xiàn)用語(yǔ)音控制電腦， 這對(duì)于世界上眾多不能方便使用傳統(tǒng)的鼠標(biāo)及鍵盤的傷殘人士有重大的意義； 另外在一些場(chǎng)合不方便操作電腦但又必須使用的情況下同樣很有意義， 比如駕駛的同時(shí)查詢電子地圖。目前要真正控制一臺(tái)圖形界面的電腦， 必須做到使用語(yǔ)音控制也能像使用鍵盤和鼠標(biāo)那樣輸入數(shù)據(jù)以及控制光標(biāo)。因此一種有效的語(yǔ)音控制光標(biāo)程序， 也就是可以定位在屏幕的任意位置， 并且可以模擬單擊、雙擊拖拽等各種鼠標(biāo)動(dòng)作的語(yǔ)音控制程序， 對(duì)于實(shí)現(xiàn)語(yǔ)音控制電腦將是一個(gè)很有意義的工具。

　　本文利用微軟的Speech SDK 5.1 免費(fèi)的語(yǔ)音識(shí)別引擎和模擬鼠標(biāo)技術(shù)， 用Delphi7.0 實(shí)現(xiàn)了一個(gè)語(yǔ)音控制鼠標(biāo)應(yīng)用程序， 可以實(shí)現(xiàn)語(yǔ)音控制鼠標(biāo)移動(dòng)、停止、單擊等動(dòng)作達(dá)到控制屏幕光標(biāo)的作用， 并對(duì)語(yǔ)音控制鼠標(biāo)程序中的延遲問題進(jìn)行了分析， 提出并實(shí)現(xiàn)了一種改進(jìn)方法。

　　2 基于語(yǔ)音識(shí)別的光標(biāo)控制類型

　　目前有兩種語(yǔ)音控制鼠標(biāo)的模式： 一種是目標(biāo)導(dǎo)向光標(biāo)控制和方向?qū)蚬鈽?biāo)控制［n］。對(duì)于前者， 用戶需要用語(yǔ)音給出具體目標(biāo)名稱或者位置， 比如圖標(biāo)、菜單， 或者屏幕區(qū)域名稱， 然后給出執(zhí)行的命令如“單擊”等， 這種方式對(duì)于單個(gè)軟件還是有效的， 但是當(dāng)目標(biāo)增加的時(shí)候用戶需要記憶很多目標(biāo)的名稱， 還可能出現(xiàn)同名稱目標(biāo)的情況， 因此工作中的錯(cuò)誤率會(huì)增加。另一種方向?qū)蚬鈽?biāo)控制又分為非連續(xù)控制和連續(xù)控制兩種， 對(duì)于非連續(xù)的情況用戶要同時(shí)說明方向和距離， 如命令“左8 厘米”， 那么光標(biāo)就向左移動(dòng)8厘米； 而對(duì)于連續(xù)的情況用戶先說明方向如“向左”，光標(biāo)就向左移動(dòng)， 直到用戶再說“停止”， 光標(biāo)才停止運(yùn)動(dòng)。

　　本文討論的聲控光標(biāo)是屬于方向?qū)蛑械倪B續(xù)控制， 這種鼠標(biāo)控制和日常的使用習(xí)慣比較一致， 用戶使用起來比較適應(yīng)。

　　3 實(shí)現(xiàn)

　　本文語(yǔ)音控制光標(biāo)程序的語(yǔ)音控制是采用微軟的Speech SDK 5.1 的語(yǔ)音識(shí)別引擎及其API 接口， 這是一個(gè)免費(fèi)的開發(fā)包， 并且可以用它開發(fā)具有中文語(yǔ)音功能的軟件。語(yǔ)音識(shí)別引擎通常可以分為兩種工作方式， 一種就是命令控制（Command and Control） 方式， 這個(gè)方式下語(yǔ)音識(shí)別引擎可以識(shí)別簡(jiǎn)短的語(yǔ)音命令， 以便執(zhí)行相應(yīng)的程序； 另外一種是連續(xù)聽寫方式，這個(gè)模式下語(yǔ)音識(shí)別引擎要識(shí)別連續(xù)的語(yǔ)音， 這種功能實(shí)現(xiàn)起來比語(yǔ)音控制更復(fù)雜， 因?yàn)檎Z(yǔ)音聽寫過程中需要對(duì)上下文以及相同相似發(fā)音的詞語(yǔ)進(jìn)行分析、作出判斷， 而在命令控制語(yǔ)音方式中不需要作上下文分析。本文采用的是命令控制方式， 因?yàn)閷?shí)現(xiàn)語(yǔ)音控制鼠標(biāo)只需要對(duì)有限的幾個(gè)簡(jiǎn)短的命令進(jìn)行識(shí)別， 如“左”、“右”、“停”等。圖1 是語(yǔ)音控制鼠標(biāo)程序的結(jié)構(gòu)圖。

　　圖1 語(yǔ)音控制鼠標(biāo)程序結(jié)構(gòu)

　　該應(yīng)用程序主要包括兩個(gè)部分： 第一部分語(yǔ)音控制應(yīng)用主程序部分， 主要調(diào)用語(yǔ)音識(shí)別引擎識(shí)別用戶的語(yǔ)音命令。

　　這部分程序主要完成幾件工作：

　?、賹?dǎo)入辭書文法文件（XML 格式， 其中定義感興趣的語(yǔ)音命令） ， 完成對(duì)語(yǔ)音識(shí)別引擎接口的初始化工作， 激活語(yǔ)音識(shí)別引擎；②接收語(yǔ)音識(shí)別引擎的識(shí)別結(jié)果， 根據(jù)識(shí)別結(jié)果調(diào)用相應(yīng)的鼠標(biāo)控制程序。

　　下面的語(yǔ)法文件中定義了方向命令和鼠標(biāo)事件命令的語(yǔ)法規(guī)則：

　　<GRAMMAR LANGID=“804”>

　　<DEFINE>

　　<ID NAME=“RID_start” VAL=“1”/>

　　<ID NAME=“PID_colour” VAL=“2”/>

　　<ID NAME=“PID_colourvalue” VAL=“3”/>

　　</DEFINE>

　　<！ - - Rule definiTIons - - >

　　<RULE NAME=“start” ID=“RID_start” TOPLEVEL=“ACTIVE”>

　　<RULEREF NAME=“colour” PROPNAME=“colour”PROPID=“PID_colour” />

　　</RULE>

　　<RULE NAME=“colour” >

　　<L PROPNAME=“colourvalue” PROPID=“PID_colourvalue”>

　　<P VAL=“1”>上</P>

　　<P VAL=“2”>下</P>

　　<P VAL=“3”>左</P>

　　<p VAL=“4”>右</p>

　　<p VAL=“5”>停止</p>

　　<P VAL=“6”>單擊</P>

　　<P VAL=“7”>雙擊</P>

　　<p VAL=“8”>關(guān)閉</p>

　　</L>

　　</RULE>

　　</GRAMMAR>