用語(yǔ)言控制Linux：Linux的語(yǔ)音識(shí)別軟件
丁大勇
2002/12/19
很久以來，與計(jì)算機(jī)進(jìn)行交談一直是科幻小說慣用的故事情節(jié)，直到今天真正的交談也只有在小說中才能實(shí)現(xiàn)。但是在過去的十年中，語(yǔ)音識(shí)別軟件的發(fā)展速度非常迅速。目前，市面上出現(xiàn)了多種支持不同操作系統(tǒng)的語(yǔ)音識(shí)別控制軟件。也許許多人并沒有意識(shí)到Linux桌面系統(tǒng)也完全可以用聲音來控制，并且軟件開發(fā)人員們已經(jīng)取得了一定的成果。下面我們就對(duì)Linux系統(tǒng)下的語(yǔ)音識(shí)別軟件進(jìn)行分析概括，以便幫助大家了解其優(yōu)勢(shì)和缺陷。
Linux上的語(yǔ)音識(shí)別軟件
Linux系統(tǒng)下的語(yǔ)音控制軟件可以為身患?xì)埣不蛴捎谶^度使用計(jì)算機(jī)而患計(jì)算機(jī)綜合癥的人提供使用Linux系統(tǒng)的機(jī)會(huì)。此前他們不得不改裝其它的操作系統(tǒng)，以獲得語(yǔ)音識(shí)別技術(shù)支持。即使不考慮特殊因素，普通人也可以通過使用語(yǔ)音識(shí)別軟件，使操作計(jì)算機(jī)變得更為簡(jiǎn)單有趣。盡管本文對(duì)語(yǔ)音識(shí)別系統(tǒng)未來的發(fā)展趨勢(shì)深表憂慮（原因是它們并不能完全把手解放出來），但是它們的確可以分擔(dān)一部分手的工作。
目前已經(jīng)有兩種套裝軟件中含有支持Linux系統(tǒng)的語(yǔ)音控制軟件。一種是IBM 開發(fā)的支持Linux的ViaVoice，它可以提供一些基本的語(yǔ)音識(shí)別功能；另一種是GPL下的Xvoice，它通過ViaVoice庫(kù)來為桌面系統(tǒng)和應(yīng)用程序提供語(yǔ)音控制功能。
IBM 的Linux ViaVoice是美語(yǔ)版本，目前只在美國(guó)和加拿大銷售。它的售價(jià)大約是40美元，包括送貨費(fèi)和一副耳機(jī)。用戶也可以從IBM的網(wǎng)站上下載ViaVoice，并可享受一定的價(jià)格優(yōu)惠。新版本的ViaVoice在Mandrake 8.0 PowerPack和ProSuite中也可以找到。目前，Mandrake ViaVoice既可以支持英國(guó)英語(yǔ)，也可以支持美國(guó)英語(yǔ)、法語(yǔ)和德語(yǔ)。Mandrake 8.0以后的版本將不再包含ViaVoice。本文將著重介紹IBM ViaVoice的安裝和使用。
應(yīng)用ViaVoice
Linux ViaVoice需要機(jī)器的配置為：Pentium MMX 233以上的CPU、128MB的內(nèi)存，以及16位的聲卡。實(shí)際上，ViaVoice是專門為Red Hat 6.2設(shè)計(jì)開發(fā)的，但是用戶在Red Hat 7.3環(huán)境和其它Linux版本中也可以正常地運(yùn)行ViaVoice。當(dāng)然用戶也有可能在安裝過程中遇到一些問題。
在安裝ViaVoice語(yǔ)音識(shí)別軟件前，要首先安裝Java運(yùn)行環(huán)境。ViaVoice 1.0和1.1版本是在JRE-1.2.2環(huán)境下進(jìn)行測(cè)試的。使用正確的版本可以避免在不同JRE環(huán)境下的不兼容。
JRE安裝完畢后，將安裝盤放入光驅(qū)并運(yùn)行根目錄下的vvsetup，然后再運(yùn)行vvstartuser將自己設(shè)為ViaVoice用戶，并且設(shè)置好適當(dāng)?shù)囊袅浚詈蟊闶欠磸?fù)練習(xí)，使軟件適應(yīng)自己的聲音。切記安裝順序決不能顛倒。
“調(diào)教”ViaVoice
與其它語(yǔ)音識(shí)別軟件一樣，第一次安裝的ViaVoice并不能對(duì)用戶的聲音識(shí)別得十分準(zhǔn)確。使用者必須對(duì)它進(jìn)行一番“調(diào)教”，然后才能使它識(shí)別使用者的聲音。
“調(diào)教”ViaVoice的一種方法就是按照用戶手冊(cè)中的詞語(yǔ)反復(fù)的朗讀。對(duì)于大多數(shù)用戶來說，這一點(diǎn)并不難，但是手冊(cè)中的詞語(yǔ)也許并不是用戶經(jīng)常用到的，因此這個(gè)方法的效率并不是很高。
比較好的方法是在工作時(shí)利用ViaVoice的Dictation應(yīng)用軟件。它是用Java語(yǔ)言寫成的。當(dāng)用戶進(jìn)行口述時(shí)，一些詞語(yǔ)也許不能被正確識(shí)別，當(dāng)這種情況發(fā)生時(shí)，用戶可以使用Dictation中的適當(dāng)工具對(duì)其進(jìn)行修改。這樣ViaVoice便可以對(duì)識(shí)別工具進(jìn)行修正，以便更精確地識(shí)別用戶的聲音。這種方法也許會(huì)花費(fèi)較多的力氣，但是類似的修改可以用語(yǔ)音命令來完成。不過請(qǐng)注意隨時(shí)存盤，因?yàn)镈ictation并不十分穩(wěn)定。
曾經(jīng)有一位專家說，目前的語(yǔ)音識(shí)別軟件只要經(jīng)過10到60小時(shí)的“調(diào)教”，便可以達(dá)到98%的正確率。但是到目前為止，對(duì)Linux環(huán)境下的ViaVoice進(jìn)行測(cè)試的結(jié)果是，它的正確率只有92%到95%，絕大多數(shù)的語(yǔ)音命令都可以被正確識(shí)別。即使用戶只花費(fèi)幾個(gè)小時(shí)進(jìn)行練習(xí)，也可以發(fā)現(xiàn)ViaVoice的正確率明顯提高。不過用戶在使用時(shí)要特別注意，詞語(yǔ)的發(fā)音、麥克風(fēng)的質(zhì)量和周圍環(huán)境都會(huì)影響語(yǔ)音識(shí)別的正確率。
XVoice控制Linux桌面
當(dāng)用戶完成ViaVoice的安裝并訓(xùn)練了一段時(shí)間后，便可以安裝Xvoice了。Xvoice的作用是對(duì)桌面系統(tǒng)及應(yīng)用軟件進(jìn)行控制。ViaVoice則沒有這些功能。用戶可以到xvoice.sourceforge.net去下載Xvoice軟件，注意一定要事先安裝RPM，因?yàn)樵闯绦蛐枰狶inux SDK中的ViaVoice中斷運(yùn)行。
安裝完成后，在最后出現(xiàn)的窗口中輸入xvoice m，注意不要運(yùn)行Dictation。這時(shí)用戶可以做一個(gè)簡(jiǎn)單的測(cè)試，口述命令“下一窗口”，桌面上應(yīng)該出現(xiàn)另一個(gè)窗口。
Xvoice允許用戶事先設(shè)定好一些操作的口述命令。一套口述命令被稱為一個(gè)語(yǔ)法組。語(yǔ)法組可以與確定的應(yīng)用程序、窗口或者應(yīng)用程序中的某一模塊聯(lián)系在一起，也可以由上下文產(chǎn)生。由口述命令調(diào)用的操作可以包括敲鍵盤、鼠標(biāo)事件、運(yùn)行外部命令或三者的任意結(jié)合。
Xvoice使用ViaVoice語(yǔ)音庫(kù)來識(shí)別命令和常規(guī)文字。xvoice.xml配置文件可以對(duì)命令進(jìn)行定義。Xvoice使用標(biāo)準(zhǔn)的配置文件，其位置是/usr/share/xvoice/xvoice.xml。當(dāng)然用戶也可以對(duì)其位置進(jìn)行修改，例如可以改為~/.xvoice/xvoice.xml。
Xvoice的窗口可以顯示哪一個(gè)命令語(yǔ)法是被擊活的，并且窗口中還包括一個(gè)面板可以顯示最近口述的命令。如果Xvoice認(rèn)為用戶口述的一些詞語(yǔ)與某個(gè)命令十分相似難以識(shí)別，那么在面板中顯示的這一命令將是灰色的，以便提醒用戶，并且這條命令不會(huì)被執(zhí)行。
對(duì)于任何應(yīng)用程序窗口，Xvoice都有4種不同的狀態(tài)。在命令模式下，Xvoice只對(duì)命令進(jìn)行識(shí)別；在聽寫模式下，Xvoice不識(shí)別特定的應(yīng)用程序命令，只是顯示出它能識(shí)別的詞語(yǔ)；在空閑模式下，只有一般命令可以被識(shí)別；最后，在命令和聽寫模式下，口述詞語(yǔ)和命令都可以被識(shí)別，這時(shí)用戶需要在命令的前后稍加停頓，以便與文本相區(qū)別。
當(dāng)用戶第一次運(yùn)行某一應(yīng)用程序時(shí)，Xvoice會(huì)自動(dòng)啟動(dòng)命令模式。如果用戶想同時(shí)打開聽寫模式，只需要說“聽寫模式”便可以了；如果想關(guān)閉聽寫模式，也只需要說“停止聽寫模式”就萬事大吉了。
當(dāng)然，最好的方法是將Xvoice窗口置于系統(tǒng)的窗口管理器中，這樣你就可以隨時(shí)了解它的工作情況了。如果你想在開機(jī)時(shí)便自動(dòng)運(yùn)行Xvoice，只要將xvoice m 放入窗口管理器的啟動(dòng)程序中就行了。
聲控應(yīng)用程序
下面來看一看如何為應(yīng)用程序定義語(yǔ)法。首先，將要定義語(yǔ)法的軟件定義為一個(gè)可讀的名字，然后為程序的窗口命名一個(gè)語(yǔ)句，這樣Xvoice便可以識(shí)別哪個(gè)語(yǔ)法命令是要激活的。在第一行，可以看到一個(gè)特殊的固定應(yīng)用程序名，而它并不是窗口標(biāo)題。這一特殊的應(yīng)用程序名必須上下文統(tǒng)一。
應(yīng)用程序的標(biāo)簽中包含有聽寫屬性。如果條件為真，則首次運(yùn)行語(yǔ)句時(shí)，Xvoice自動(dòng)進(jìn)入聽寫模式。語(yǔ)句的第二行包含有一些在<define name='numbers'>區(qū)中已經(jīng)定義過的值。用戶可以在定義區(qū)中自行定義標(biāo)記，并應(yīng)用于整個(gè)配置文件中。
語(yǔ)句的第3行舉例說明定義區(qū)內(nèi)可以包含的內(nèi)容，而這里的命令標(biāo)記只能在本命令范圍內(nèi)使用。這一行的主要作用是通過語(yǔ)音命令各自的箭頭鍵將彼此互聯(lián)系起來。當(dāng)執(zhí)行命令時(shí)，系統(tǒng)會(huì)將語(yǔ)音命令與相應(yīng)的鍵盤命令對(duì)應(yīng)起來。語(yǔ)音命令的識(shí)別轉(zhuǎn)換過程從第4行語(yǔ)句開始。第4行到第8行都是與鍵盤操作相關(guān)的語(yǔ)句，與鼠標(biāo)相關(guān)的語(yǔ)句在第9行到第15行，第16行到第22行是與其它應(yīng)用程序相關(guān)的命令語(yǔ)句，第23行是結(jié)束行。
通過對(duì)個(gè)人配置文件的編輯，用戶幾乎可以自動(dòng)完成過去需要鍵盤和鼠標(biāo)才能完成的所有操作過程。許多普通應(yīng)用軟件的語(yǔ)法組，事先已經(jīng)包含在缺省的配置文件中了，成為用戶良好的范例。
語(yǔ)音識(shí)別的發(fā)展
Xvoice無法控制一些特殊的應(yīng)用軟件和一些主流游戲軟件。對(duì)于一些諸如GIMP和Netscape軟件來說，雖然Xvoice可以對(duì)其進(jìn)行控制，但是由于此類軟件需要大量的鼠標(biāo)操作，用戶會(huì)對(duì)用語(yǔ)音控制鼠標(biāo)感到十分厭煩。
雖然語(yǔ)音識(shí)別軟件對(duì)于大多數(shù)命令和一般的文本都可以正確地識(shí)別，但是在某些情況下，即使是一個(gè)微小的錯(cuò)誤也是不允許。語(yǔ)音軟件的使用者必須使自已的聲音保持穩(wěn)定。
另外，雖然XVoice 和ViaVoice可以完成大量的工作，但是用戶卻無法通過聲音控制整個(gè)Linux桌面環(huán)境。
IBM公司已經(jīng)發(fā)布了新的ViaVoice，但是只支持Mac 和Windows，未來是否能支持Linux目前尚不確定。Xvoice的開發(fā)人員們正在努力尋找一種能支持開放系統(tǒng)的替代產(chǎn)品，而不希望再為Xvoice增加新的功能了。
賽迪網(wǎng) 中國(guó)信息化(industry.ccidnet.com)
相關(guān)鏈接: