SRGS是W3C定義的一種標準，在MRCP v2的規定中沒(méi)有太多具體的規定，但是在語(yǔ)音識別服務(wù)器的設置方面需要其相關(guān)參數。因此，筆者認為有必要做一些具體的介紹。SRGS用來(lái)支持應用開(kāi)發(fā)人員通過(guò)設定的單詞或單詞模式的語(yǔ)法結構，這個(gè)語(yǔ)法結構能夠被語(yǔ)音識別引擎聽(tīng)或者識別。SRGS支持兩種語(yǔ)法格式，它們分別是XML格式和ABNF格式。在我們介紹的語(yǔ)法格式中，我們會(huì )重點(diǎn)介紹XML格式，因為在MRCP協(xié)議中我們主要還是使用XML格式。關(guān)于A(yíng)BNF格式，用戶(hù)可以參考相關(guān)的rfc5234做進(jìn)一步了解。在本章節中，我們將會(huì )介紹SRGS的基本語(yǔ)法，語(yǔ)義說(shuō)明和一些關(guān)聯(lián)處理機制。
1、語(yǔ)音識別的語(yǔ)法是通過(guò)對語(yǔ)言限定來(lái)支持語(yǔ)音識別的處理。語(yǔ)音識別語(yǔ)法通過(guò)語(yǔ)言限定可以減少句子內容的不確定性，從而更好地支持語(yǔ)音識別。正式的語(yǔ)法都是由一系列規則和一些標識，象征符號通過(guò)恰當的排列組成而成。
SRGS有兩種不同的語(yǔ)法結構。一種是遞歸狀態(tài)，表示了一種語(yǔ)法上下文的語(yǔ)法結構。另外一種則不是遞歸狀態(tài)，表示了一種有限狀態(tài)或規則語(yǔ)法結構。語(yǔ)音識別的核心Hidden Markov Model（HMM）本身就是一個(gè)有限狀態(tài)機（參考上圖）。現在的語(yǔ)音識別引擎可以支持從由少量單詞組成的語(yǔ)法也可以支持復雜的上百單詞組成的語(yǔ)法結構。語(yǔ)音識別的準確率以及處理速度和語(yǔ)法的復雜程度和語(yǔ)法的困惑度相關(guān)。換句話(huà)說(shuō)，如果增加了單詞或語(yǔ)法結構，或增加了語(yǔ)法的困惑度會(huì )影響語(yǔ)音識別引擎的執行效率，也會(huì )降低語(yǔ)音識別的準確率和處理的速度。我們剛才也提到了困惑度的概念，困惑度簡(jiǎn)單來(lái)說(shuō)就是一個(gè)語(yǔ)法結構中平均支持的分支節點(diǎn)，如果結束符越多，需要判斷的點(diǎn)會(huì )越多。因此，如果開(kāi)發(fā)人員需要完成一套高質(zhì)量的語(yǔ)法必須有非常大的投入，前期測試和后期維護工作。現在讓我們了解一些關(guān)于SRGS中主要的語(yǔ)法結構和其應用。
2、首先，我們介紹一下SRGS的文件結構。SRGS文件支持XML格式，通過(guò)媒體類(lèi)型application/srgs+xml來(lái)定義。以下是SRGS支持的屬性：
其基本的語(yǔ)法格式為：
xmlns="http://www.w3.org/2001/06/grammar"
xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
xsi:schemaLocation="http://www.w3.org/2001/06/grammar
http://www.w3.org/TR/speech-grammar/grammar.xsd"
mode="voice"
xml:lang="en-GB"
root="example">
yes
這里，所有的SRGS文件標簽都已開(kāi)始。讀者需要注意到是mode的屬性。默認屬性是voice，也可以是DTMF，不支持兩種類(lèi)型混合使用。如果是vocie表示輸入的值是語(yǔ)音；如果是DTMF則表示輸入的值是DTMF。但是，在一些復雜配置環(huán)境中，語(yǔ)音識別引擎可以同時(shí)激活兩種模式支持。在未來(lái)的講座中，我們會(huì )涉及這些兩種模式的使用方式。
3、語(yǔ)法包含一個(gè)或多個(gè)規則定義。每個(gè)規則定義由一個(gè)，名稱(chēng)和ID構成。我們稱(chēng)每個(gè)規則定義的內容為規則擴展。一個(gè)規則擴展將匹配完整語(yǔ)句中的部分內容。一個(gè)簡(jiǎn)單的規則擴展由按序排列的標志構成。一個(gè)單詞加一個(gè)空格就是一個(gè)標志單位。
xmlns="http://www.w3.org/2001/06/grammar"
mode="voice"
xml:lang="en-GB"
root="pizza">
在以上的示例中，語(yǔ)音發(fā)音必須全部完整匹配標志的順序格式。SRGS語(yǔ)法同樣可以支持添加一個(gè)或者多個(gè)要素來(lái)增加語(yǔ)法的可閱讀性。這里，我們僅介紹了一個(gè)非常簡(jiǎn)單，定義非常嚴格的規則擴展。事實(shí)上，SRGS可以實(shí)現非常強大的語(yǔ)法擴展，我們在后續的章節中會(huì )逐步介紹。
4、在規則擴展中可以支持多個(gè)可選項的設置。SRGS使用和- 要素來(lái)表達。每個(gè)
中可以包含多個(gè)item規則擴展。
xmlns="http://www.w3.org/2001/06/grammar"
mode="voice"
xml:lang="en-GB"
root="pizza">
I want a hot
pizza
以上可選項支持了非常靈活的語(yǔ)法結構。它可以匹配：
I want a hot pepperoni pizza
I want a hot vegetarian pizza
I want a hot cheese pizza
高級語(yǔ)法中可以對不同的選項設置不同的權重。權重值等于1表示無(wú)權重，小于1表示負面的偏好，大于1表示正面的偏好。在上面的語(yǔ)法中，我們可以添加權重來(lái)表示特定的優(yōu)先級設置，發(fā)生幾率高于其他選項設置：
xmlns="http://www.w3.org/2001/06/grammar"
mode="voice"
xml:lang="en-GB"
root="pizza">
I want a hot
pizza
5、SRGS的規則擴展中可以支持一個(gè)參照規則來(lái)引入其他的規則，通過(guò)要素加以說(shuō)明。規則參照的主要目的是重用規則擴展。其用法規則如下：
xmlns="http://www.w3.org/2001/06/grammar"
mode="voice"
xml:lang="en-GB"
root="pizza">
可參照的規則通過(guò)URI屬性的值來(lái)定義。當然，它也可以通過(guò)一個(gè)完整的URL來(lái)定義：。
6、SRGS通過(guò)預留的名稱(chēng)定義了三種特別的規則，它們分別是：NULL，VOID 和GARBAGE。其作用表示：
NULL，如果講話(huà)者沒(méi)有說(shuō)任何語(yǔ)句，自動(dòng)匹配為Null。
VOID，在排列順序中是一個(gè)相反的效果，它說(shuō)明順序從來(lái)沒(méi)有匹配。
GARBAGE，則會(huì )一直匹配，直到下一個(gè)標志，語(yǔ)法擴展或結束輸入。
xmlns="http://www.w3.org/2001/06/grammar"
mode="voice"
xml:lang="en-GB"
root="pizza">
在以上的語(yǔ)法中，任何語(yǔ)句內容都可以匹配此語(yǔ)法規則（介于hot和pizza之間的輸入內容）。例如，“I want a hot something or other pizza”就可以匹配以上語(yǔ)法規則。
7、SRGS提供了一個(gè)結構支持規則擴展重復。通過(guò)一個(gè)重復的要素設置可以增加語(yǔ)法的緊湊性。大家可以想象一下，如果在語(yǔ)法中需要定義一個(gè)數值長(cháng)度的話(huà)，可能需要從0到9這樣的設置，我們使用，則需要很多次重復的語(yǔ)句，語(yǔ)句就會(huì )顯得非常冗長(cháng)。以下是repeat 屬性的設置語(yǔ)法：
repeat 表示的取值范圍如下：
0-1表示包含的規則開(kāi)展內容是可選的
0-表示至少包含零次，一次或多次規則擴展
1-表示至少發(fā)生一次匹配
以下就是一個(gè)使用repeat的示例，表示允許用戶(hù)說(shuō)“very” 三次。
xmlns="http://www.w3.org/2001/06/grammar"
mode="voice"
xml:lang="en-GB"
root="pizza">
SRGS的語(yǔ)法也可以支持在語(yǔ)音通信領(lǐng)域中用戶(hù)經(jīng)常使用的DTMF按鍵。很多時(shí)候，用戶(hù)通過(guò)DTMF輸入來(lái)確認一些系統信息，例如密碼或其他語(yǔ)音選項設置。SRGS的DTMF和通信領(lǐng)域中的DTMF按鍵有所不同，通信領(lǐng)域的可以接受0-9數字，ABCD等其他字符設置，而SRGS支持0-9數字，語(yǔ)法結構也比較簡(jiǎn)單，以下是一個(gè)可以接受4位數DTMF的語(yǔ)法格式：
xmlns="http://www.w3.org/2001/06/grammar"
mode="dtmf"
root="digits">
8、在SRGS語(yǔ)法提供了對語(yǔ)義解釋?zhuān)⊿ISR）的兩種方式，它們可以通過(guò)tag-format來(lái)獲得支持。很多情況下，我們使用不同的表達方式來(lái)解釋同一種結果。其中一種是semantics/1.0-literals的方式，這里無(wú)論用戶(hù)以哪種方式說(shuō)yes/no，都會(huì )返回yes/no的結果，其數值結構是ECMAScript 的數據格式。
xmlns="http://www.w3.org/2001/06/grammar"
mode="voice"
xml:lang="en-GB"
root="yesno"
tag-format="semantics/1.0-literals">
另外一種是使用語(yǔ)義腳本語(yǔ)言，通過(guò)tag-format-semantics/1.0獲得支持。tag中的內容被看作是ECMAScript 代碼。ECMAScript是一種腳本語(yǔ)言，類(lèi)似于我們現在通常用到的JavaScript。
xmlns="http://www.w3.org/2001/06/grammar"
mode="voice"
xml:lang="en-GB"
root="pizza"
tag-format="semantics/1.0">
I want a
pizza
這里，我們假設發(fā)音是”I want a large vegetarian pizza“，那么返回ECMAScript 腳本對象的兩個(gè)屬性是size 和 sort類(lèi)型，其值分別是large和2。其取值變量遵循的是ECMAScript 標準。腳本的對象數值是：
{
size: "large",
sort: 2
}
這個(gè)標識符表示了腳本的數據結構，語(yǔ)音應用程序將其數值存儲為數據庫的數據以便將來(lái)使用。semantics/1.0還支持了meta 數據的表達方式等靈活的處理方式，我們這里不再做更多介紹。具體的實(shí)現方式建議大家參考相關(guān)的SISR技術(shù)資料。另外，語(yǔ)義腳本語(yǔ)言支持的是ECMScript， 關(guān)于腳本語(yǔ)言的使用方式和變量取值等內容，讀者可以參考我們的鏈接。
9、在本章節中，我們重點(diǎn)介紹了SRGS技術(shù)細節中幾個(gè)主要的概念和要素使用方式以及其相關(guān)的語(yǔ)法結構。首先，筆者對語(yǔ)音識別語(yǔ)法的背景做了簡(jiǎn)單介紹，然后對一些關(guān)鍵語(yǔ)法做了細致的介紹，包括的關(guān)鍵語(yǔ)法為可選項設置，重復語(yǔ)法設置，預留的三種特殊設置，語(yǔ)義腳本結構（SISR），DTMF設置等設置語(yǔ)法。這些關(guān)鍵語(yǔ)法可以幫助優(yōu)化語(yǔ)法文件的結構，增加其靈活性和緊湊性，從而使其語(yǔ)法規則更接近于人類(lèi)的自然語(yǔ)言。
在接下來(lái)的章節中，筆者會(huì )介紹自然語(yǔ)言語(yǔ)義標識語(yǔ)言（NLSML）的語(yǔ)法結構和其使用方式。
參考資料：
https://tools.ietf.org/rfc/rfc5234.txt
http://cs229.stanford.edu/section/cs229-hmm.pdf
關(guān)于SISR標準技術(shù)：https://www.w3.org/TR/semantic-interpretation/
http://www.ecma-international.org/publications/standards/Ecma-327.htm
HMM介紹-A Tutorial on Hidden Markov Models and
Selected Applications in Speech Recognition
unimrcp-MRCP協(xié)議學(xué)習分享，QQ群號：208136295
關(guān)注微信公眾號：asterisk-cn，獲得有價(jià)值的行業(yè)分享
freepbx 技術(shù)論壇：www.ippbx.org.cn
Asterisk， freepbx技術(shù)文檔： www.freepbx.org.cn
歐米（Omni）智能客服解決方案
融合通信商業(yè)解決方案，協(xié)同解決方案首選產(chǎn)品：www.hiastar.com
