www.久久久久|狼友网站av天堂|精品国产无码a片|一级av色欲av|91在线播放视频|亚洲无码主播在线|国产精品草久在线|明星AV网站在线|污污内射久久一区|婷婷综合视频网站

當(dāng)前位置:首頁 > 智能硬件 > 智能硬件
[導(dǎo)讀] 1 概述電腦語音技術(shù)經(jīng)過多年發(fā)展已經(jīng)取得了巨大進步, 目前已經(jīng)有一些產(chǎn)品和項目讓人們有機會和計算機進行語音交互工作, 例如IBM公司的Viavoice 系列軟件以及微軟的新的Office 產(chǎn)品都有實用的語音功能, 可以進行

 1 概述

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

語音技術(shù)特別是語音識別技術(shù)的發(fā)展, 使人們可能實現(xiàn)用語音控制電腦, 這對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, 比如駕駛的同時查詢電子地圖。目前要真正控制一臺圖形界面的電腦, 必須做到使用語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)動作的語音控制程序, 對于實現(xiàn)語音控制電腦將是一個很有意義的工具。

本文利用微軟的Speech SDK 5.1 免費的語音識別引擎和模擬鼠標(biāo)技術(shù), 用Delphi7.0 實現(xiàn)了一個語音控制鼠標(biāo)應(yīng)用程序, 可以實現(xiàn)語音控制鼠標(biāo)移動、停止、單擊等動作達到控制屏幕光標(biāo)的作用, 并對語音控制鼠標(biāo)程序中的延遲問題進行了分析, 提出并實現(xiàn)了一種改進方法。

2 基于語音識別的光標(biāo)控制類型

目前有兩種語音控制鼠標(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].對于前者, 用戶需要用語音給出具體目標(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, 這種方式對于單個軟件還是有效的, 但是當(dāng)目標(biāo)增加的時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, 因此工作中的錯誤率會增加。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, 對于非連續(xù)的情況用戶要同時說明方向和距離, 如命令"左8 厘米", 那么光標(biāo)就向左移動8厘米; 而對于連續(xù)的情況用戶先說明方向如"向左",光標(biāo)就向左移動, 直到用戶再說"停止", 光標(biāo)才停止運動。

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 實現(xiàn)

本文語音控制光標(biāo)程序的語音控制是采用微軟的Speech SDK 5.1 的語音識別引擎及其API 接口, 這是一個免費的開發(fā)包, 并且可以用它開發(fā)具有中文語音功能的軟件。語音識別引擎通??梢苑譃閮煞N工作方式, 一種就是命令控制(Command and Control) 方式, 這個方式下語音識別引擎可以識別簡短的語音命令, 以便執(zhí)行相應(yīng)的程序; 另外一種是連續(xù)聽寫方式,這個模式下語音識別引擎要識別連續(xù)的語音, 這種功能實現(xiàn)起來比語音控制更復(fù)雜, 因為語音聽寫過程中需要對上下文以及相同相似發(fā)音的詞語進行分析、作出判斷, 而在命令控制語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, 因為實現(xiàn)語音控制鼠標(biāo)只需要對有限的幾個簡短的命令進行識別, 如"左"、"右"、"停"等。圖1 是語音控制鼠標(biāo)程序的結(jié)構(gòu)圖。

 

 

圖1 語音控制鼠標(biāo)程序結(jié)構(gòu)

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

這部分程序主要完成幾件工作:

①導(dǎo)入辭書文法文件(XML 格式, 其中定義感興趣的語音命令) , 完成對語音識別引擎接口的初始化工作, 激活語音識別引擎;②接收語音識別引擎的識別結(jié)果, 根據(jù)識別結(jié)果調(diào)用相應(yīng)的鼠標(biāo)控制程序。

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

 

 

 

 

 

 

 

 

 

 

 

停止

 

 

單擊

 

 

雙擊

 

 

關(guān)閉

 

 

 

 

在程序運行的時候, 一旦有上述語法文件中定義的命令被成功識別, 則在程序的onRecgnition 響應(yīng)函數(shù)中可以查詢出識別的返回值是1~8 中的某個值, 根據(jù)不同的返回值就可以調(diào)用鼠標(biāo)控制程序進行鼠標(biāo)的某個方向的移動或者點擊等事件的模擬控制。

第二部分鼠標(biāo)控制程序, 就是調(diào)用程序模擬控制鼠標(biāo)移動或單擊等各種鼠標(biāo)事件。這一部分主要是利用Windows API 函數(shù)模擬鼠標(biāo)事件實現(xiàn)對鼠標(biāo)光標(biāo)的控制。

模擬鼠標(biāo)移動可以通過循環(huán)調(diào)用Windows API函數(shù)SetcursorPos(x1,y1)來實現(xiàn), 在循環(huán)中控制x1 和y1 的變化就可以實現(xiàn)任何方向的鼠標(biāo)移動。在程序中模擬鼠標(biāo)移動需要用到多線程控制, 否則鼠標(biāo)移動過程中無法隨時停止或者讓他轉(zhuǎn)向。以下是移動線程中的移動控制代碼:

for I := 1 to 500 do

begin

if bstop=1 then break;

//遇到停止命令時停止光標(biāo)移動

case Dr of

//根據(jù)參數(shù)Dr 決定光標(biāo)運行方向

1: x1:=x1+n1; //右移

2: x1:=x1- n1; //左移

3: y1:=y1+n1; //下移

4: y1:=y1- n1; //上移

end;

windows.SetcursorPos(x1,y1);

end;

鼠標(biāo)的另一類控制程序是模擬鼠標(biāo)單擊雙擊等鼠標(biāo)事件, 主要是在程序中利用mouse_event 函數(shù)對鼠標(biāo)事件進行模擬。程序中以下代碼模擬了鼠標(biāo)左鍵單擊:

windows.mouse_event (MOUSEEVENTF_LEFTDOWN,0,0,0,0);

// 左鍵按下

windows.mouse_event(MOUSEEVENTF_LEFTUP,0,0,0,0);

// 左鍵抬起

圖2 是一個理想情況下用本文程序?qū)崿F(xiàn)語音控制鼠標(biāo)的例子。光標(biāo)初始位置在屏幕左下方, 目標(biāo)矩形在屏幕右上區(qū), 首先用戶對麥克風(fēng)發(fā)出"右"的命令, 光標(biāo)就向右移動; 當(dāng)光標(biāo)到達目標(biāo)下方的時候用戶說"上"命令, 光標(biāo)就改向上移動( 或者先說"停"命令, 光標(biāo)停止) ; 當(dāng)光標(biāo)到達目標(biāo)矩形, 用戶說"停"命令, 光標(biāo)停止, 最后用戶說"單擊", 程序模擬鼠標(biāo)左鍵單擊事件, 相當(dāng)于目標(biāo)矩形被單擊。

 

 

圖2 一個語音控制鼠標(biāo)工作的例子

4 語音控制鼠標(biāo)的缺陷

雖然幾個簡單的語音命令, 可以控制鼠標(biāo)移動到屏幕的任何位置, 并可以根據(jù)語音命令模擬單擊、雙擊等各種鼠標(biāo)事件, 但是實際使用中還存在缺陷。

對于大的目標(biāo)而言, 這種語音控制鼠標(biāo)控制沒有什么問題, 如果目標(biāo)區(qū)域比較小, 將會增加使用者的難度, 比如當(dāng)光標(biāo)移動到矩形時喊"停", 光標(biāo)會繼續(xù)移動一小段才停, 這時光標(biāo)可能已經(jīng)越過了目標(biāo)矩形。這種情況和語音識控制中存在的延時有關(guān), 每次用戶發(fā)出語音命令到命令被執(zhí)行都有一個過程, 首先使用者說出語音命令是需要時間的, 而且語速快的人和語速慢的人說同樣的命令花的時間不同; 另外語音識別引擎成功識別一個語音命令也需要一個時間。所以語音控制鼠標(biāo)在控制過程中必然存在延時。因此從開始發(fā)出語音命令到動作被執(zhí)行, 光標(biāo)必然會有位置的誤差: △S=V×△t ( △S 為位置誤差, V 為鼠標(biāo)移動速度, △t 為說話和識別造成的延時)。

Sear 等人曾經(jīng)研究用一個虛擬鼠標(biāo)機制來解決延時誤差問題, 即在真實的鼠標(biāo)移動前虛設(shè)一個鼠標(biāo), 當(dāng)假鼠標(biāo)到達目標(biāo)時發(fā)出語音命令, 執(zhí)行的時候真鼠標(biāo)正好到達目標(biāo)處。但是他們的試驗結(jié)果并不理想。因為每個人說話的習(xí)慣和速度是不一樣的, 而且不同的狀態(tài)下的語速也不同, 因此延時△t 不是一定的, 所以每次的位置誤差△S 也不盡相同, 而一種固定距離的先導(dǎo)虛擬鼠標(biāo)并不能取得很好的效果。

5 一種改進方法

影響位置控制效果的因素和目標(biāo)的大小、移動速度和延時有關(guān)。能夠改變的是速度控制, 所以本文采取一種方案改進位置控制精度。改進后的語音控制鼠標(biāo)每次的位置誤差△S 明顯減小, 在目標(biāo)較小的情況下, 位置控制精度得到提高。

改進方法是在程序中增加對鼠標(biāo)的速度控制: 在目標(biāo)較小的情況下, 光標(biāo)先以正常速度V1 移動, 到達目標(biāo)附近時先進行減速控制, 用語音命令"慢"來控制鼠標(biāo)減低移動速度到V2( 實際設(shè)計中V2=1/3 V1) ,到達目標(biāo)后再用語音命令"停"停止鼠標(biāo)移動, 圖3 反映了這個過程中光標(biāo)速度的變化。這樣在延時時間不變, 由于光標(biāo)移動速度V 降低很多, 由△S=V×△t 知道位置誤差△S 也減小很多。

 

 

圖3 速度可控制的語音控制光標(biāo)移動速度變化示意圖

而在目標(biāo)比較大的情況下, 因為位置控制精度足夠, 可以不選擇"慢"命令控制直接進行"停"控制。

結(jié)語

本文研究語音控制鼠標(biāo)的應(yīng)用程序, 實現(xiàn)了對鼠標(biāo)基本的語音控制, 針對語音控制中因為延時而產(chǎn)生的位置控制誤差做了分析和改進。本文研究的內(nèi)容對于開發(fā)輔助不便使用鼠標(biāo)及鍵盤的傷殘人士使用計算機的交互工具有積極的意義。

試驗表明用本程序控制鼠標(biāo)移動、點擊等可實現(xiàn)瀏覽網(wǎng)頁、打開、關(guān)閉程序等電腦操作。但是由于控制鼠標(biāo)過程中要多次發(fā)出語音命令, 同時要集中注意力觀察光標(biāo)的位置, 所以也存在用戶容易疲勞的問題。

后續(xù)將對改進語音控制鼠標(biāo)使用舒適情況和提高控制效率等做進一步研究。

本站聲明: 本文章由作者或相關(guān)機構(gòu)授權(quán)發(fā)布,目的在于傳遞更多信息,并不代表本站贊同其觀點,本站亦不保證或承諾內(nèi)容真實性等。需要轉(zhuǎn)載請聯(lián)系該專欄作者,如若文章內(nèi)容侵犯您的權(quán)益,請及時聯(lián)系本站刪除。
換一批
延伸閱讀

9月2日消息,不造車的華為或?qū)⒋呱龈蟮莫毥谦F公司,隨著阿維塔和賽力斯的入局,華為引望愈發(fā)顯得引人矚目。

關(guān)鍵字: 阿維塔 塞力斯 華為

加利福尼亞州圣克拉拉縣2024年8月30日 /美通社/ -- 數(shù)字化轉(zhuǎn)型技術(shù)解決方案公司Trianz今天宣布,該公司與Amazon Web Services (AWS)簽訂了...

關(guān)鍵字: AWS AN BSP 數(shù)字化

倫敦2024年8月29日 /美通社/ -- 英國汽車技術(shù)公司SODA.Auto推出其旗艦產(chǎn)品SODA V,這是全球首款涵蓋汽車工程師從創(chuàng)意到認證的所有需求的工具,可用于創(chuàng)建軟件定義汽車。 SODA V工具的開發(fā)耗時1.5...

關(guān)鍵字: 汽車 人工智能 智能驅(qū)動 BSP

北京2024年8月28日 /美通社/ -- 越來越多用戶希望企業(yè)業(yè)務(wù)能7×24不間斷運行,同時企業(yè)卻面臨越來越多業(yè)務(wù)中斷的風(fēng)險,如企業(yè)系統(tǒng)復(fù)雜性的增加,頻繁的功能更新和發(fā)布等。如何確保業(yè)務(wù)連續(xù)性,提升韌性,成...

關(guān)鍵字: 亞馬遜 解密 控制平面 BSP

8月30日消息,據(jù)媒體報道,騰訊和網(wǎng)易近期正在縮減他們對日本游戲市場的投資。

關(guān)鍵字: 騰訊 編碼器 CPU

8月28日消息,今天上午,2024中國國際大數(shù)據(jù)產(chǎn)業(yè)博覽會開幕式在貴陽舉行,華為董事、質(zhì)量流程IT總裁陶景文發(fā)表了演講。

關(guān)鍵字: 華為 12nm EDA 半導(dǎo)體

8月28日消息,在2024中國國際大數(shù)據(jù)產(chǎn)業(yè)博覽會上,華為常務(wù)董事、華為云CEO張平安發(fā)表演講稱,數(shù)字世界的話語權(quán)最終是由生態(tài)的繁榮決定的。

關(guān)鍵字: 華為 12nm 手機 衛(wèi)星通信

要點: 有效應(yīng)對環(huán)境變化,經(jīng)營業(yè)績穩(wěn)中有升 落實提質(zhì)增效舉措,毛利潤率延續(xù)升勢 戰(zhàn)略布局成效顯著,戰(zhàn)新業(yè)務(wù)引領(lǐng)增長 以科技創(chuàng)新為引領(lǐng),提升企業(yè)核心競爭力 堅持高質(zhì)量發(fā)展策略,塑強核心競爭優(yōu)勢...

關(guān)鍵字: 通信 BSP 電信運營商 數(shù)字經(jīng)濟

北京2024年8月27日 /美通社/ -- 8月21日,由中央廣播電視總臺與中國電影電視技術(shù)學(xué)會聯(lián)合牽頭組建的NVI技術(shù)創(chuàng)新聯(lián)盟在BIRTV2024超高清全產(chǎn)業(yè)鏈發(fā)展研討會上宣布正式成立。 活動現(xiàn)場 NVI技術(shù)創(chuàng)新聯(lián)...

關(guān)鍵字: VI 傳輸協(xié)議 音頻 BSP

北京2024年8月27日 /美通社/ -- 在8月23日舉辦的2024年長三角生態(tài)綠色一體化發(fā)展示范區(qū)聯(lián)合招商會上,軟通動力信息技術(shù)(集團)股份有限公司(以下簡稱"軟通動力")與長三角投資(上海)有限...

關(guān)鍵字: BSP 信息技術(shù)
關(guān)閉
關(guān)閉