MRCP學(xué)習筆記-自然語(yǔ)言語(yǔ)義標識語(yǔ)言（NLSML）

　　1、首先，我們介紹一下NLSML的一些背景信息。MRCP中的NLSML實(shí)際上是一種數據交換的格式，它介于語(yǔ)音識別和說(shuō)話(huà)人確認資源的之間。

　　NLSML可表示的數據信息包括用戶(hù)語(yǔ)音輸入，用戶(hù)的DTMF輸入，和其相關(guān)的語(yǔ)義解釋信息，信任度信息和時(shí)間戳的信息。

　　MRCP拓展了NLSML來(lái)進(jìn)一步表示說(shuō)話(huà)人注冊語(yǔ)法（英文全稱(chēng)是Voiceen rolled grammars， 有時(shí)也稱(chēng)之為speaker dependent grammars）相關(guān)數據。speaker dependent grammars 表示的是由用戶(hù)自己語(yǔ)音創(chuàng )建的語(yǔ)法，為了進(jìn)一步的語(yǔ)音識別操作來(lái)服務(wù)的語(yǔ)法形式。

　　NLSML也可以配合說(shuō)話(huà)人確認資源來(lái)表示各種說(shuō)話(huà)人確認信息和身份等相關(guān)的數據。

　　2、首先讓我們看看NLSML的數據結構。NLSML的數據結構通過(guò)媒體類(lèi)型來(lái)定義：application/nlsml+xml。其結構如下：

　　< xmlversion="1.0"encoding="UTF-8" ><resultxmlns="http://www.ietf.org/xml/ns/mrcpv2">

　　…

　　</result>

　　這里的數據完全取決于是否使用了NLSML返回的語(yǔ)音識別的結果信息，例如語(yǔ)音識別結果，聲音注冊的語(yǔ)法結果和說(shuō)話(huà)人確認和身份結果都等數據。我們在下面的章節中會(huì )依次介紹這三種數據結果的結構。

　　3、現在我們首先介紹一下語(yǔ)音識別結果的數據格式。語(yǔ)音識別的結果是被封裝在NLSML中，并且包含在了RECOGNITION COMPLETE事件的消息體或GET-RESULT 響應的信息體。我們已經(jīng)在前面的章節中介紹過(guò)事件的消息體內容，讀者可查閱歷史文檔學(xué)習。NLSML的結果通過(guò)<result>的一個(gè)或多個(gè)子要素標簽<interpretation>來(lái)做標識。以下表中表示了NLSML中的數據格式要素和其屬性數值。

　　剛才，我們已經(jīng)提到過(guò)，每個(gè)NLSML文件至少包含一個(gè)或多個(gè)<interpretation>。如果有多個(gè)<interpretation>時(shí)，這里的<interpretation>將會(huì )以遞減信任度的形式排列。可選數值confidence表示對其<interpretation>的數值的信任評價(jià)值，其取值范圍從0.0到1.0。在<interpretation>中包含一個(gè)<input>和一個(gè)<instance>要素。<input>表示用戶(hù)輸入的文本形式，<instance>則包含了相應的語(yǔ)義解釋結果。如果沒(méi)有成功識別的話(huà)，此文件會(huì )包含<noinput>或 <nomatch>的要素，表示未成功識別。timestamp-start和timestamp-end用來(lái)表示用戶(hù)輸入時(shí)間段。這里，讀者要注意，其時(shí)間戳格式是ISO 8601格式標準。

　　語(yǔ)音識別在一定時(shí)間內，其檢測結果可能是成功的也可能是失敗的。

　　我們重點(diǎn)介紹幾個(gè)不同的狀態(tài)返回結果。當在一定時(shí)間內沒(méi)有檢測到用戶(hù)輸入時(shí)，語(yǔ)音識別引擎會(huì )在返回的RECOGNITION-COMPLETE事件中返回002 no-input-timeout 錯誤碼。關(guān)于002 錯誤碼我們在以前的章節中做過(guò)介紹，用戶(hù)可以查閱歷史文檔。如果NLSML結果在返回的事件的消息體中的話(huà)，NLSML將返回一個(gè)<noinput>作為<input>的子要素。如果識別引擎檢測到了用戶(hù)輸入數據，但是識別引擎沒(méi)有匹配語(yǔ)法設置或超過(guò)信任度的峰值參數時(shí)，在RECOGNITION-COMPLETE的返回的事件中，識別引擎會(huì )攜帶001 no-match 錯誤碼。同時(shí)，如果返回的事件消息體中包含了NLSML的結果，NLMSL將包含一個(gè)<nomatch>子要素作為<input>的子要素。另外，在<nomatch>要素中可能包含某些可選的文本，這些文本是被拒絕匹配中的最佳結果。我們列舉幾個(gè)不同的返回結果來(lái)說(shuō)明語(yǔ)音識別是否成功。

　　成功的識別結果，包含兩個(gè)<interpretation>值和相應的返回值<instance>。

　　< xml version="1.0" encoding="UTF-8" >

　　<result xmlns="http://www.ietf.org/xml/ns/mrcpv2"

　　grammar="http://www.example.com/demo.grxml">

　　<interpretation confidence="0.81">

　　<input mode="speech">

　　to recognise speech

　　</input>

　　<instance>

　　to recognise speech

　　</instance>

　　</interpretation>

　　<interpretation confidence="0.75">

　　<input mode="speech">

　　to wreck a nice beach

　　</input>

　　<instance>

　　to wreck a nice beach

　　</instance>

　　</interpretation>

　　</result>

　　無(wú)用戶(hù)輸入的檢測結果，這里輸出的是<noinput/>子要素，可能沒(méi)有用戶(hù)輸入或沒(méi)有設置時(shí)間戳設置。

　　< xml version="1.0" encoding="UTF-8" >

　　<result xmlns="http://www.ietf.org/xml/ns/mrcpv2">

　　<interpretation>

　　<input mode="speech">

　　<noinput/>

　　</input>

　　<instance/>

　　</interpretation>

　　</result>

　　無(wú)匹配的返回結果，這里可能是信任度峰值的數值不準確導致不匹配。

　　< xml version="1.0" encoding="UTF-8" >

　　<result xmlns="http://www.ietf.org/xml/ns/mrcpv2"

　　grammar="http://www.example.com/number.grxml">

　　<interpretation confidence="0.31">

　　<input mode="speech">

　　<nomatch>one</nomatch> // 雖然返回拒絕匹配輸出結果，但是提供了最佳匹配可選內容。

　　</input>

　　<instance/>

　　</interpretation>

　　</result>

　　4、上面的章節中我們介紹了語(yǔ)音識別的返回結果匹配的結果，這里我們進(jìn)一步介紹包含語(yǔ)義解釋的語(yǔ)音識別的語(yǔ)法結構。當語(yǔ)法中的tag-format設置為semantics/1.0-literals 時(shí)，<tag>要素中的內容則被解釋為ECMAScript 腳本。我們在前面的章節中已經(jīng)說(shuō)明這個(gè)定義。當所有匹配的<tag>執行以后會(huì )從語(yǔ)法規則中生成語(yǔ)義結果。然后，NLSML會(huì )把匹配的語(yǔ)法中的語(yǔ)義解釋結果插入到<instance>中。現在讓我們看一下以下示例：

　　< xmlversion="1.0"encoding="UTF-8" ><grammarversion="1.0"xmlns="http://www.w3.org/2001/06/grammar"

　　mode="voice"xml:

　　lang="en-IE"

　　root="yesno"

　　tag-format="semantics/1.0-literals">

　　<ruleid="yesno">

　　<one-of>

　　<item>yes<tag>affirmative</tag></item>

　　<item>yea<tag>affirmative</tag></item>

　　<item>no<tag>negative</tag></item>

　　<item>nah<tag>negative</tag></item>

　　</one-of></rule>

　　</grammar>

　　現在，如果我們假設用戶(hù)發(fā)音是單詞“yea”，那么NLSML可能生成的結果是：

　　< xmlversion="1.0"encoding="UTF-8" ><resultxmlns="http://www.ietf.org/xml/ns/mrcpv2"

　　grammar="http://www.example.com/yesno.grxml"><interpretationconfidence="0.91">

　　<inputmode="speech">yea</input>

　　<instance>affirmative</instance>

　　</interpretation></result>

　　其他的應用程序則可以根據<instance>的結果來(lái)做進(jìn)一步的業(yè)務(wù)處理。

　　5、前面我們介紹了ECMAScript的語(yǔ)法結構和具體使用方式和解釋結果。語(yǔ)義解釋結果會(huì )保存到數據文件中。當規則中的變量被認定為一個(gè)標量類(lèi)型（例如string， number，boolean，null或undefined類(lèi)型）時(shí)，那么語(yǔ)義結果同樣會(huì )NLSML生成的<instance>中。這里，如果number是小于零，則加一個(gè)negative前綴。如果是布爾值，則為true或false。null則為null值。如果是undefined的值，則仍然為undefined值。以下語(yǔ)法同樣會(huì )生成同樣的語(yǔ)義結果（根據前面所生產(chǎn)的語(yǔ)義結果）：

　　< xmlversion="1.0"encoding="UTF-8" ><grammarversion="1.0"xmlns="http://www.w3.org/2001/06/grammar"

　　mode="voice"xml:

　　lang="en-IE"

　　root="yesno"

　　tag-format="semantics/1.0">

　　<ruleid="yesno">

　　<one-of>

　　<item>yes<tag>out="affirmative";</tag>

　　</item><item>yea<tag>out="affirmative";</tag></item><item>no<tag>out="negative";</tag></item>

　　<item>nah<tag>out="negative";</tag></item>

　　</one-of>

　　</rule>

　　</grammar>

　　當語(yǔ)法規則的變量不是標量變量類(lèi)型，它返回的是ECMAScript 對象時(shí)，則處理的數據格式更加復雜。關(guān)于如何從ECMAScript 對象轉轉換成XML語(yǔ)法結構的規定，用戶(hù)可以參考Semantic Interpretation for Speech Recognition（SISR）。規則中定義了不同的轉換規則，用戶(hù)可以做進(jìn)一步的了解。具體的規則如下：

　　現在讓我們了解一下語(yǔ)法規則和轉換后的結果：

　　< xmlversion="1.0"encoding="UTF-8" ><grammarversion="1.0"xmlns="http://www.w3.org/2001/06/grammar"

　　mode="voice"

　　xml:lang="en-GB"

　　root="travel"tag-format="semantics/1.0">

　　<ruleid="travel">

　　<tag>out.travel=newObject（）;</tag>

　　I want a fly from

　　<rulerefuri="#city"/>

　　<tag>out.travel.orig=rules.city;</tag>

　　to

　　<rulerefuri="#city"/>

　　<tag>out.travel.dest=rules.city;</tag>

　　</rule><ruleid="city">

　　<one-of>

　　<item>Dublin<tag>out="Dublin";</tag></item><item>London<tag>out="London";</tag></item><item>Paris<tag>out="Paris";</tag>

　　</item>

　　</one-of>

　　</rule>

　　</grammar>

　　在以上的示例中，對于“I want to fly from Dublin to Paris“ 輸入變量來(lái)說(shuō)，其生成的結果規則變量是：

　　{

　　travel:

　　{

　　orig:Dublin,

　　dest:Paris

　　}

　　}

　　如果我們把整個(gè)結果通過(guò)規則轉換的規則來(lái)進(jìn)行語(yǔ)法處理后，NLSML的結果類(lèi)似于：

　　< xmlversion="1.0"encoding="UTF-8" >

　　<result xmlns="http://www.ietf.org/xml/ns/mrcpv2"

　　grammar="http://www.example.com/travel.grxml">

　　<interpretation confidence="0.93">

　　<input mode="speech">I want to fly from Dublin to Paris</input>

　　<instance>

　　<travel>

　　<orig>Dublin</orig>

　　<dest>Paris</dest>

　　</travel>

　　</instance>

　　</interpretation>

　　</result>

　　語(yǔ)法規則變量的類(lèi)型也可能是array類(lèi)型或其中一個(gè)屬性可能是array的數據類(lèi)型。這種情況下，如果規則變量轉換成語(yǔ)義結果的話(huà)，需要遵守一定的規則。具體的規則如下：

　　Array對象的帶索引的要素會(huì )變成XML的子要素，并且帶<item>名稱(chēng)。

　　每個(gè)item中的參數屬性命名為帶索引支持，此索引對應Array中的要素。

　　XML文件中包含<item>要素屬性length，此值通過(guò)ECMAScript Array的對象來(lái)定義。

　　以上規則看起來(lái)比較難以理解，我們通過(guò)以下示例來(lái)加以說(shuō)明：

　　< xmlversion="1.0"encoding="UTF-8" >

　　<grammar version="1.0"

　　xmlns="http://www.w3.org/2001/06/grammar"

　　mode="voice"

　　xml:lang="en-GB"

　　root="string"

　　tag-format="semantics/1.0">

　　<ruleid="string">

　　<tag>out.digitstring=newArray（）;</tag>

　　<itemrepeat="1-">

　　<rulerefuri="#digits"/>

　　<tag>out.digitstring.push（rules.digits）;</tag>

　　</item>

　　</rule>

　　<ruleid="digits">

　　<one-of>

　　<item>one<tag>out=1;</tag></item>

　　<item>two<tag>out=2;</tag></item>

　　<item>three<tag>out=3;</tag></item>

　　<item>four<tag>out=4;</tag></item>

　　<item>five<tag>out=5;</tag></item>

　　</one-of>

　　</rule>

　　</grammar>

　　如果用戶(hù)的輸入語(yǔ)句是”5，4，3，2，1“的話(huà)，生成的array 類(lèi)型的對象變量結果格式為：

　　{

　　digitstring:[ 5, 4, 3, 2, 1]  // 這里的長(cháng)度是5，包含五個(gè)數值。

　　}

　　如果按照上面的三條規則進(jìn)行轉換以后，生成的結果類(lèi)似于：

　　< xmlversion="1.0"encoding="UTF-8" ><resultxmlns="http://www.ietf.org/xml/ns/mrcpv2"

　　grammar="http://www.example.com/yesno.grxml">

　　<interpretation confidence="0.93">

　　<input mode="speech">

　　five four three two one

　　</input>

　　<instance>

　　<digitstring length="5"> // 長(cháng)度取決于array 對象值。

　　<item index="0">5</item>  // 這里0對應的是5

　　<itemindex="1">4</item>

　　<itemindex="2">3</item>

　　<itemindex="3">2</item>

　　<itemindex="4">1</item>

　　</digitstring>

　　</instance>

　　</interpretation>

　　</result>

　　6、在前面的章節中，我們一直討論關(guān)于語(yǔ)音識別輸出結果的討論。在本章節中，我們將重點(diǎn)介紹語(yǔ)音注冊的輸出結果。語(yǔ)音注冊聽(tīng)起來(lái)比較費解，簡(jiǎn)單來(lái)說(shuō)，它是一種機制，用戶(hù)可以通過(guò)增加自己的一些短語(yǔ)創(chuàng )建說(shuō)話(huà)人屬于自己的，獨立的，相對個(gè)性化的語(yǔ)法結構。此語(yǔ)法結構看在后續的正常語(yǔ)音識別中使用。典型的應用案例就是很多人使用的電話(huà)薄。說(shuō)話(huà)人可以對語(yǔ)音識別引擎進(jìn)行訓練，輸入朋友姓名電話(huà)號碼等。其他用戶(hù)可以說(shuō)出訓練后的朋友姓名，然后識別出朋友相應的電話(huà)號碼等關(guān)聯(lián)信息。

　　從概念上來(lái)說(shuō)，注冊語(yǔ)音語(yǔ)法可以看作是簡(jiǎn)單的SRGS語(yǔ)法，它由幾個(gè)可選設置構成，例如以下示例：

　　< xmlversion="1.0"encoding="UTF-8" ><grammarversion="1.0"

　　xmlns="http://www.w3.org/2001/06/grammar"

　　mode="voice"

　　xml:lang="en-GB"

　　root="address"

　　tag-format="semantics/1.0-literals">

　　<ruleid="address">

　　<one-of>

　　<item>Mary<tag>user01</tag></item>

　　<item>Anne<tag>user02</tag></item>

　　<item>JohnHenry<tag>user03</tag></item>

　　…

　　</one-of>

　　</rule>

　　</grammar>

　　這里，短語(yǔ)（Mary，Anne，JohnHenry）通過(guò)自己的注冊session ID和對應的語(yǔ)義解釋添加到了語(yǔ)法中。每個(gè)短語(yǔ)通過(guò)MRCP 客戶(hù)端提供的唯一短語(yǔ)ID來(lái)進(jìn)行跟蹤。在注冊會(huì )話(huà)中，用戶(hù)說(shuō)幾次短語(yǔ)的名稱(chēng)，每次捕捉的短語(yǔ)會(huì )和以前的短語(yǔ)采樣進(jìn)行對比。當捕捉到足夠說(shuō)話(huà)采樣以后，短語(yǔ)經(jīng)過(guò)訓練以后生成個(gè)人注冊語(yǔ)音語(yǔ)法。這個(gè)個(gè)人的注冊語(yǔ)音語(yǔ)法可以通過(guò)正常的語(yǔ)音識別引擎使用個(gè)人語(yǔ)法的URL加以調用。當短語(yǔ)在設定的注冊會(huì )話(huà)期間成功匹配后，語(yǔ)義解釋結果會(huì )以NLSML的結果返回。這里，我們再次強調，這里的部署僅從理論上加以討論，具體的實(shí)現方式完全依賴(lài)于每個(gè)語(yǔ)音識別的平臺本身以及平臺語(yǔ)法和短語(yǔ)等存儲方式，語(yǔ)法結構等相關(guān)參數。當MRCP 客戶(hù)端對語(yǔ)音識別引擎發(fā)出 START-PHRASE-ENROLLMENT請求時(shí)，注冊會(huì )話(huà)則開(kāi)始啟動(dòng)。當MRCP客戶(hù)端對語(yǔ)音識別引擎發(fā)出END-PHRASE-ENROLLMENT 請求時(shí)，注冊會(huì )話(huà)的生命周期結束。如果在RECOGNIZE請求中包含頭域Enroll-Utterance:true會(huì )觸發(fā)對語(yǔ)音進(jìn)行捕捉。在對應的RECOGNITION-COMPLETE事件中會(huì )包含NLSML結果，它封裝了注冊的嘗試信息。具體的注冊結果我們在未來(lái)的章節中會(huì )做進(jìn)一步的介紹，現在我們專(zhuān)門(mén)針對NLSML中包含的語(yǔ)音注冊結果的格式進(jìn)行介紹。

　　NLSML包含的語(yǔ)音注冊結果通過(guò)<enrollment-result>來(lái)加以定義，<enrollment-result>是<result>的子要素。以下列表說(shuō)明了語(yǔ)音注冊結果的表達方式：

　　讓我們看一下在語(yǔ)音注冊會(huì )話(huà)生命周期中，RECOGNITION-COMPLETE事件返回的NLSML結果。在下面的示例中，具體語(yǔ)法結果表示通過(guò)URL設定了個(gè)人語(yǔ)法，目前收到一個(gè)連續的語(yǔ)音，仍然需要獲得兩個(gè)或多個(gè)語(yǔ)音，并且還有兩個(gè)不相容短語(yǔ)（Mary和Madge，它們分別通過(guò)clash-phrase-id 表示）。

　　< xmlversion="1.0"encoding="UTF-8" ><resultxmlns="http://www.ietf.org/xml/ns/mrcpv2"

　　grammar="http://example.com/ve/personal-grammar-01">

　　<enrollment-result>

　　<num-good-repetitions>1</num-good-repetitions>

　　<num-repetitions-still-needed>2</num-repetitions-still-needed>

　　<consistency-status>consistent</consistency-status>

　　<transcriptions>

　　<item>Marie</item>

　　</transcriptions>

　　<num-clashes>2</num-clashes>

　　<clash-phrase-ids>

　　<item>Mary</item>

　　<item>Madge</item>

　　</clash-phrase-ids>

　　</enrollment-result>

　　</result>

　　7、MRCP通過(guò)NLSML封裝了說(shuō)話(huà)人的狀態(tài)驗證信息。這些結果消息包含在VERIFICATION-COMPLETE事件的消息體中，是GET-INTERMEDIATE-RESULT請求的對應響應。關(guān)于說(shuō)話(huà)人驗證和定位消息，我們在以前的章節中做過(guò)簡(jiǎn)單的介紹，在未來(lái)的章節中會(huì )更加深入地進(jìn)行剖析。這里，我們僅關(guān)心NLSML的文件結構， 這里的NLSML文件用來(lái)描述訓練的聲紋結果，聲紋對比以后的語(yǔ)音變化，說(shuō)話(huà)語(yǔ)音和多個(gè)聲紋對比來(lái)確認狀態(tài)。NLSML在<verification-result> XML要素來(lái)獲得支持。以下列表是一個(gè)關(guān)于speaker verification/identification 結果的匯總：

　　以下是一個(gè)在聲紋訓練中返回的驗證結果。NLSML包含在VERIFICATION-COMPLETE的事件消息體中，或GET-INTERMEDIATE-RESULTS 請求的響應中：

　　< xmlversion="1.0"encoding="UTF-8" ><resultxmlns="http://www.ietf.org/xml/ns/mrcpv2">

　　<verification-result>

　　<voiceprint id="joebloggs.voiceprint">

　　<incremental>

　　<verification-score>0.91</verification-score>

　　<device>cellular-phone</device>

　　<gender>male</gender>

　　<utterance-length>751</utterance-length>

　　</incremental>

　　<cumulative>

　　<verification-score>0.93</verification-score>

　　<device>cellular-phone</device>

　　<gender>male</gender>

　　<utterance-length>1522</utterance-length>

　　<need-more-data>true</need-more-data>

　　</cumulative>

　　</voiceprint>

　　</verification-result>

　　</result>

　　在這個(gè)示例中已經(jīng)有一個(gè)聲紋的確認ID：joebloggs.voiceprint。<incremental> 表示要針對前一個(gè)講話(huà)的分析結果來(lái)做進(jìn)一步處理。其他獨立的標簽表示設備類(lèi)型，說(shuō)話(huà)人性別等信息。<cumulative>中的值是針對說(shuō)話(huà)語(yǔ)音分析，這些語(yǔ)音分析數據是通過(guò)多個(gè)VERIFY或VERIFY-FROM-BUFFER請求獲得的累計的cumulatives cores值。<verification-score> 這里表示的是擬然值，同樣的說(shuō)話(huà)人說(shuō)過(guò)的所有同樣的句子。<utterance-length>表示訓練中所使用的所有語(yǔ)音長(cháng)度，它以毫秒為單位。<need-more-data>設置為true則表示需要更多數據來(lái)完成聲紋訓練，MRCP 客戶(hù)端可能需要從用戶(hù)側獲得更多的數據，因此要求發(fā)送更多的VERIFY 或VERIFY-FROM-BUFFER請求獲得支持數據。

　　現在，讓我們介紹一個(gè)關(guān)于驗證結果的示例。在START-SESSION請求中，我們在頭域Voiceprint-Identifier設定了一個(gè)單個(gè)的聲紋，我們期望獲得的單個(gè)聲紋NLSML返回結果，在結果中包含一個(gè)<voiceprint>。具體的xml 結果如下：

　　< xmlversion="1.0"encoding="UTF-8" ><resultxmlns="http://www.ietf.org/xml/ns/mrcpv2">

　　<verification-result>

　　<voiceprintid="joebloggs.voiceprint">

　　<incremental>

　　<verification-score>0.85</verification-score>

　　<device>carbon-button-phone</device>

　　<gender>male</gender>

　　<utterance-length>841</utterance-length>

　　</incremental>

　　<cumulative>

　　<verification-score>0.81</verification-score>

　　<device>carbon-button-phone</device>

　　<gender>male</gender>

　　<utterance-length>1619</utterance-length>

　　<decision>accepted</decision>

　　</cumulative>

　　</voiceprint>

　　</verification-result>

　　</result>

　　通過(guò)累計分析，這里的<decision>accepted</decision>表示說(shuō)話(huà)人語(yǔ)音資源已經(jīng)足夠匹配其中一個(gè)說(shuō)話(huà)的聲紋。

　　最后，我們再介紹一個(gè)如何確認從多個(gè)說(shuō)話(huà)人的聲紋中確認某個(gè)說(shuō)話(huà)人。這里，假設“JoeBloggs”是屬于我們前面例子中“MaryBloggs”和“TedBloggs”的成員。在START-SESSION 的請求中設定的Voiceprint-Identifier將會(huì )列出所有三個(gè)聲紋，然后生成NLSML結果，這個(gè)結果包含三個(gè)<voiceprint>要素：

　　< xml version="1.0" encoding="UTF-8" >

　　<result xmlns="http://www.ietf.org/xml/ns/mrcpv2">

　　<verification-result>

　　<voiceprint id="marybloggs.voiceprint">

　　<incremental>

　　<verification-score>0.85</verification-score>

　　<device>cellular-phone</device>

　　<gender>female</gender>

　　<utterance-length>842</utterance-length>

　　</incremental>

　　<cumulative>

　　<verification-score>0.85</verification-score>

　　<device>cellular-phone</device>

　　<gender>female</gender>

　　<utterance-length>842</utterance-length>

　　<decision>accepted</decision>

　　</cumulative>

　　</voiceprint>

　　<voiceprint id="tedbloggs.voiceprint">

　　<cumulative>

　　<verification-score>0.31</verification-score>

　　</cumulative>

　　</voiceprint>

　　<voiceprint id="joebloggs.voiceprint">

　　<cumulative>

　　<verification-score>0.29</verification-score>

　　</cumulative>

　　</voiceprint>

　　</verification-result>

　　</result>

　　這里的排序是按照<verification-score> 的值，從最大值到最小值的排序方式。說(shuō)話(huà)人語(yǔ)音和列表中的聲紋進(jìn)行對比，現在可以確認，說(shuō)話(huà)人是Mary Bloggs，而不是另外的人。

　　8、在本章節中，我們介紹了MRCP協(xié)議中的數據表達格式-自然語(yǔ)言語(yǔ)義標識語(yǔ)言（NLSML）。在具體的章節中，我們首先介紹了NLSML的背景知識，文件結構。然后介紹了NLSML的語(yǔ)音識別的結果輸出格式和其腳本（ECMAScript）的轉換機制以及語(yǔ)義對象，array等使用方式的內容。我們也介紹了通過(guò)用戶(hù)注冊的語(yǔ)法實(shí)現個(gè)人語(yǔ)法的NLSML結果以及如何使用在標準的語(yǔ)音識別引擎中。最后，我們介紹了關(guān)于如何驗證說(shuō)話(huà)人以及確認說(shuō)話(huà)人的方式，聲紋訓練。MRCP協(xié)議通過(guò)幾個(gè)不同的NLSML和聲紋資源輸出結果，和相應的最終<verification-score>值來(lái)判斷說(shuō)話(huà)人。

　　在接下來(lái)的章節中，我們會(huì )介紹MRCP數據呈現的最后一種語(yǔ)法格式-Pronunciation Lexicon Specification （PLS）。

　　https://www.w3.org/TR/semantic-interpretation/

　　https://www.nuance.com/content/dam/nuance/en_us/collateral/enterprise/data-sheet/ds-nuance-recognizer11-en-us.pdf

　　　　　

　　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