MRCP語(yǔ)音識別資源針對語(yǔ)音數據和DTMF事件進(jìn)行分析，然后通過(guò)媒體會(huì )話(huà)來(lái)進(jìn)行傳輸，最后返回文本形式的處理結果。MRCP協(xié)議將語(yǔ)音識別資源的類(lèi)型分成兩種：dtmfrecog和speechrecog。前者只能支持DTMF的識別，因此語(yǔ)法也僅限于DTMF語(yǔ)法的支持；后者則支持語(yǔ)音流數據的識別和DTMF識別，因此其語(yǔ)法支持語(yǔ)音語(yǔ)法和DTMF語(yǔ)法兩種。另外，在今天的講座中，我們會(huì )涉及其語(yǔ)法的使用方式（SRGS和NLSML），我們在以前的章節中對這些語(yǔ)法也做過(guò)一些介紹，讀者可以查閱歷史文檔掌握這些必要的知識。
1、在前面的部分我們已經(jīng)提到，dtmfrecog僅提供對DTMF事件的支持，因此它可以歸并到speechrecog中。dtmfrecog提供了speechrecog的功能所支持的一部分功能子集，支持了DTMF輸入和相應的DTMF語(yǔ)法。DTMF數字值則是通過(guò)RTP事件或DTMF tone分析獲得。語(yǔ)音識別資源可以在以下其中一種模式下工作：
- normal mode recognition
- hotword mode recognition
normal mode recognition 顧名思義是一種正常工作模式，它支持的是一種正常工作的模式，可以匹配整個(gè)語(yǔ)音句子或DTMF字符，然后和語(yǔ)法進(jìn)行對比，返回RECOGNITION-COMPLETE，這個(gè)事件包含成功或失敗的狀態(tài)消息（，例如，001 no-match，無(wú)輸入匹配）。Hot word mode recognition工作的模式有所不同，它僅對一些熱詞感興趣，會(huì )查詢(xún)一些短語(yǔ)和DTMF的排序，并且忽略不匹配的部分。如果MRCP客戶(hù)端取消了識別請求，或者No-Input-Timeout或Recognition-Timeout定時(shí)器超時(shí)的話(huà)，它僅完成成功匹配的語(yǔ)法。因此，熱詞模式結束時(shí)從來(lái)不會(huì )返回Completion-Cause碼 001 no-match。熱詞模式可以使用在很多的場(chǎng)景中。簡(jiǎn)單的例子就是電話(huà)轉接或我們在電銷(xiāo)場(chǎng)景中的價(jià)格或者地址等關(guān)鍵詞的處理。如果在監聽(tīng)時(shí)，聽(tīng)到說(shuō)話(huà)人需要返回主語(yǔ)音導航菜單時(shí)，我們可以立即返回主菜單。如果在電銷(xiāo)場(chǎng)景中，我們聽(tīng)到客戶(hù)提到價(jià)格時(shí)，我們可以打斷然后查詢(xún)相關(guān)的價(jià)格，然后返回價(jià)格數據。另外，語(yǔ)音識別資源還可以支持第三種的工作模式，那就是基于文本的"interpretation" 模式。文本語(yǔ)句通過(guò)控制會(huì )話(huà)（不是媒體會(huì )話(huà)）發(fā)送到語(yǔ)音識別資源，通過(guò)語(yǔ)法匹配，然后返回識別結果并且攜帶語(yǔ)義解析。此功能可以支持很多場(chǎng)景，例如，它可以支持創(chuàng )建一個(gè)基于文本的工具來(lái)測試語(yǔ)法的覆蓋情況和修正語(yǔ)義解析的語(yǔ)法標簽。
語(yǔ)音識別資源可以支持六個(gè)請求消息和三個(gè)事件消息。Voice enrolment 又進(jìn)一步增加了五個(gè)請求方法來(lái)支持創(chuàng )建和管理注冊的語(yǔ)法。
語(yǔ)音識別資源支持的methods 消息：
另外五個(gè)注冊的語(yǔ)音語(yǔ)法methods：
三個(gè)事件消息：
語(yǔ)音識別資源的狀態(tài)機圖例：
音識別狀態(tài)機是由MRCP客戶(hù)端來(lái)發(fā)起請求，媒體資源端則會(huì )生成返回事件消息。以上示例是一個(gè)非常簡(jiǎn)單的狀態(tài)機使用場(chǎng)景，它對注冊語(yǔ)法進(jìn)行訓練處理。這里的起始會(huì )話(huà)和結束會(huì )話(huà)不會(huì )改變資源的狀態(tài)。通過(guò)RECOGNIZE 觸發(fā)觸發(fā)事件后，狀態(tài)機中每個(gè)被捕捉的句子的結果狀態(tài)會(huì )從空閑狀態(tài)切換到正在識別狀態(tài)，當觸發(fā) RECOGNITION-COMPLETE事件時(shí)，則又返回到空閑狀態(tài)。
語(yǔ)音識別資源支持了標準的頭值和更多對語(yǔ)法注冊支持的頭值。標準的headers參數設置（三十三個(gè)headers）：
支持語(yǔ)法注冊的headers（支持十二個(gè)enrollment-header ）：
2、筆者在上面的部分重點(diǎn)概括介紹了語(yǔ)音識別資源的請求方法，事件和一些相關(guān)的headers。現在我們開(kāi)始介紹語(yǔ)音識別資源具體的請求方式。RECOGNIZE是我們第一個(gè)介紹的請求方式。
簡(jiǎn)單來(lái)說(shuō)，RECOGNIZE請求是啟動(dòng)識別流程，緊接著(zhù)為輸入的語(yǔ)音流進(jìn)行匹配，然后設定匹配的詞語(yǔ)的語(yǔ)法。識別結果會(huì )包含在RECOGNITION-COMPLETE 的事件中。Hotword發(fā)識別模式會(huì )在Recognition-Mode頭值中進(jìn)行設置。默認設置是normal模式。RECOGNIZE請求中可以包含一些頭值來(lái)調整相關(guān)的請求，這些可調整的請求頭包括語(yǔ)言，安全閥值，和定時(shí)器設置等。
語(yǔ)音識別資源可以支持對RECOGNIZE 請求進(jìn)行隊列管理，也可以進(jìn)行單獨運行而不進(jìn)入隊列中。具體的操作上通過(guò)Cancel-If-Queue 頭的設置來(lái)進(jìn)行設置。因為Cancel-If-Queue牽扯了多種處理狀態(tài)，流程處理的響應都完全不同，我們這里不做過(guò)多解釋。用戶(hù)可以參考RFC標準做進(jìn)一步的了解。
MRCP協(xié)議根據不同的normal或hotword識別模式的不同，定義了不同的定時(shí)器來(lái)控制識別處理。normal 識別模式的定時(shí)器設置：
hotwords 識別的定時(shí)器設置：
現在，讓我們看一下RECOGNIZE 請求的圖例：
相應的消息流程如下：
3、DEFINE-GRAMMAR method是請求語(yǔ)音識別資源訪(fǎng)問(wèn)消息體中語(yǔ)法進(jìn)行訪(fǎng)問(wèn)，提取和編譯。MRCP客戶(hù)端不一定需要發(fā)起DEFINE-GRAMMAR 請求執行識別，相反的，它可以給客戶(hù)端提供一個(gè)選擇來(lái)準備處理比較大的語(yǔ)法文件。DEFINE-GRAMMAR請求的響應消息總是攜帶COMPLETE的響應。成功的響應消息返回200 Success和一個(gè)頭消息000 success。如果返回錯誤的話(huà)，則會(huì )收到407 Method 或 Operation Failed，并且攜帶Completion-Cause 頭。以下是一個(gè)DEFINE-GRAMMAR 的示例：
相應的響應消息流程如下：
4、START-INPUT-TIMERS 是對定時(shí)器設置的請求方式。在MRCP v1的版本中這個(gè)method稱(chēng)之為RECOGNITION-START-TIMERS。 默認環(huán)境下，當識別資源啟動(dòng)以后，No-Input-Timeout 定時(shí)器就會(huì )自動(dòng)啟動(dòng)，如果在超時(shí)之前，沒(méi)有檢測到任何的輸入的話(huà)，識別就會(huì )結束，并且返回RECOGNITION-COMPLETE消息，消息中攜帶Completion-Cause，此值設置為002 no input-timeout。以下示例是一個(gè)START-INPUT-TIMERS的請求示例：
START-INPUT-TIMERS 具體的消息處理流程如下：
5、當識別請求成功完成后，識別結果會(huì )通過(guò)RECOGNITION-COMPLETE事件中的消息體返回到客戶(hù)端，并且識別引擎進(jìn)入到已識別狀態(tài)。返回結果可依賴(lài)于識別參數設置，例如安全閥值和N-Best-Length-List等。這里，我們可以使用GET-RESULT method來(lái)對進(jìn)入識別狀態(tài)的結果重新計算，或通過(guò)GET-RESULT 請求，根據識別設置參數返回相應的結果。例如，MRCP客戶(hù)端可以發(fā)起一個(gè)GET-RESULT 請求，設置了較低的安全閥值（Confidence-Threshold ）和較高的N-Best-List-Length 來(lái)獲得一個(gè)假設值。以下是一個(gè)GET-RESULT的圖例：
GET-RESULT相應的消息流程如下：
6、STOP method可以支持對IN-PROGRESS 狀態(tài)（活動(dòng)的狀態(tài)）或PENDING（隊列中的）請求執行停止。如果在STOP請求中忽略了Active-Request-Id-List 頭的話(huà)，說(shuō)明活動(dòng)狀態(tài)的請求已經(jīng)停止，在隊列中的識別請求已經(jīng)被移除。如果STOP請求成功結束了一個(gè)或多個(gè)活動(dòng)的識別請求或隊列中的識別請求，返回到客戶(hù)端的響應消息是200 Success，并且包含一個(gè)Active-Request-Id-List 頭，這個(gè)頭值中包含了停止的請求ID列表。注意，這里服務(wù)器端也不會(huì )發(fā)送RECOGNITION-COMPLETE 事件。如果沒(méi)有結束的識別請求，同樣，客戶(hù)端也會(huì )收到200 Success，但是會(huì )忽略掉Active-Request-Id-List 頭。有時(shí)，我們可以在STOP method的Active-Request-Id-List 頭中指定一個(gè)請求ID來(lái)停止這個(gè)識別請求，這個(gè)識別請求可能是在當前IN-PROGRESS狀態(tài)或PENDING隊列中的識別請求。如果當前活動(dòng)的識別請求被停止后，則可以處理下一個(gè)在PENDING隊列中請求。以下是一個(gè)STOP 示例圖：
以下是相應的消息流程：
7、INTERPRET method 的使用方式和RECOGNIZE 的method 非常相似，不同之處在于，RECOGNIZE是支持語(yǔ)音輸入的，但是這里的輸入是完全基于文本格式的形式，通過(guò)Interpret-Text 頭來(lái)設定這個(gè)文本格式。其返回的解析結果包含在INTERPRETATION-COMPLETE的事件消息體中。這里，讀者一定要注意，不像RECONGIZE method，它的請求不能支持隊列設置。如果有一個(gè)INTERPRET在處理狀態(tài)時(shí)，再次發(fā)起另外一個(gè)INTERPRET會(huì )導致返回一個(gè)402 Method not valid in this state。所以，讀者一定要注意此method的使用方式。以下是一個(gè)INTERPRET的圖例：
INTERPRET的消息處理流程如下：
8、在本部分的介紹中，筆者將介紹關(guān)于Voice enrolment 的幾個(gè)method方式。
這里，我們首先介紹一下START-PHRASE-ENROLLMENT。
START-PHRASE-ENROLLMENT 的目的是支持MRCP客戶(hù)端啟動(dòng)一個(gè)注冊會(huì )話(huà)（這里，翻譯成enrolment session，也可能有其他作者的翻譯名稱(chēng)）。注冊會(huì )話(huà)的功能在于對每個(gè)獨立的說(shuō)話(huà)人添加一個(gè)特別的短語(yǔ)，形成一個(gè)個(gè)人的語(yǔ)法。在注冊會(huì )話(huà)的生命周期內，MRCP客戶(hù)端會(huì )調用RECOGNIZE 請求，并且攜帶了Enroll-Utterance，這里，此頭值設置為true。每一次對RECOGINE調用都會(huì )捕捉單個(gè)的短語(yǔ)例句，并且執行注冊流程，最后以NLSML的文件格式通過(guò)RECOGNITION-COMPLETE進(jìn)行傳輸。一般情況下，識別資源需要重復多次來(lái)訓練短語(yǔ)。MRCP 客戶(hù)端通過(guò)調用END-PHRASE-ENROLLMENT來(lái)結束此注冊會(huì )話(huà)。如果要配置一個(gè)注冊會(huì )話(huà)，在START-PHRASE-ENROLLMENT的請求中需要設定多個(gè)頭域。這些頭域包括Personal-Grammar-URI（獨立說(shuō)話(huà)人的個(gè)人語(yǔ)法設置），Phrase-ID（短語(yǔ)唯一的ID）和Phrase-NL（短語(yǔ)支持的自然語(yǔ)言或語(yǔ)義結果）。以下圖例說(shuō)明了START-PHRASE-ENROLLMENT的流程：
以下是相應的消息流程：
第二個(gè)介紹的請求是ENROLLMENT-ROLLBACK。MRCP客戶(hù)端發(fā)起一個(gè)ENROLLMENT-ROLLBACK 請求回滾到上一個(gè)請求。此功能可以對句中不適合部分進(jìn)行處理排除。這里要求丟棄上一次RECOGNIZE請求中捕獲的語(yǔ)音。以下是一個(gè)ENROLLMENT-ROLLBACK圖例：
具體的消息流程如下：
F1（client→speechrecog）:
MRCP/2.0 83 ENROLLMENT-ROLLBACK 70000
Channel-Identifier:23af1e13@speechrecog
F2（speechrecog→client）:
MRCP/2.0 76 70000 200 COMPLETE
Channel-Identifier:23af1e13@speechrecog
這里，我們繼續討論第三個(gè)請求方式。END-PHRASE-ENROLLMENT是由MRCP客戶(hù)端發(fā)起，用來(lái)結束注冊會(huì )話(huà)的一個(gè)method，可以對接受的注冊短語(yǔ)進(jìn)行確認或丟棄短語(yǔ)。這個(gè)method通常是識別資源返回的RECOGNITION-COMPLETE事件中包含NLSML，并且攜帶了 重復數量設置，然后MRCP客戶(hù)端發(fā)起END-PHRASE-ENROLLMENT來(lái)結束注冊會(huì )話(huà)。如果要中斷短語(yǔ)注冊的話(huà)，在END-PHRASE-ENROLLMENT的請求中設置Abort-Phrase-Enrollment置為true。如果在START-PHRASE-ENROLLMENT請求中出現了Save-Best-Waveform 頭，并且此頭設置為true，那么在返回的END-PHRASE-ENROLLMENT事件中會(huì )包含一個(gè)Waveform-URI來(lái)表示一個(gè)經(jīng)過(guò)訓練的短語(yǔ)錄音存放路徑。這些文件可以支持MRCP客戶(hù)端選擇類(lèi)型，用戶(hù)可以根據相應的個(gè)人的語(yǔ)法讀出短語(yǔ)。因為END-PHRASE-ENROLLMENT 的消息流程也比較簡(jiǎn)單，我們這里不再做過(guò)多解釋?zhuān)脩?hù)可以參考說(shuō)明的例子來(lái)學(xué)習。
修改短語(yǔ)是第四個(gè)請求方式。MODIFY-PHRASE用來(lái)支持對個(gè)人語(yǔ)法中已注冊的短語(yǔ)中的某些參數屬性進(jìn)行修改。可修改的屬性包括：Phrase-ID，Phrase-NL，和Weight。可修改的短語(yǔ)通過(guò)其Phrase-ID來(lái)確認它的唯一性，通過(guò)頭域值設置修改Phrase-NL或Weight。如果是ID被修改的話(huà)，客戶(hù)端會(huì )生成一個(gè)新的New-Phrase-ID頭來(lái)表示這是新的短語(yǔ)ID。以下圖例表示了MODIFY-PHRASE 流程：
具體的MODIFY-PHRASE消息流程如下：
F1（client→speechrecog）:
MRCP/2.0 133 MODIFY-PHRASE 90000
Channel-Identifier:23af1e13@speechrecog
Phrase-ID:Name01
New-Phrase-ID:Name03
Weight:0.5
F2（speechrecog→client）:
MRCP/2.0 76 90000 200 COMPLETE
Channel-Identifier:23af1e13@speechrecog
刪除短語(yǔ)是第五個(gè)請求方式。DELETE-PHRASE method是客戶(hù)端用來(lái)從個(gè)人語(yǔ)法中刪除一個(gè)短語(yǔ)ID，通過(guò)Phrase-ID來(lái)表示，個(gè)人語(yǔ)法的設定通過(guò)Personal-Grammar-URI來(lái)表示。以下是一個(gè)刪除短語(yǔ)的圖例：
其具體的刪除短語(yǔ)的消息流程如下：
F1（client→speechrecog）:
MRCP/2.0 162 DELETE-PHRASE100000
Channel-Identifier:23af1e13@speechrecog
Personal-Grammar-URI:http://enrolledgrammars/user01gram02.dat
Phrase-ID:Name01
F2（speechrecog→client）:
MRCP/2.0 77 100000 200 COMPLETE
Channel-Identifier:23af1e13@speechrecog
回顧本章節的內容，我們首先介紹了語(yǔ)音識別資源的請求處理方式，事件和headers，并且列出了它們的使用方式和屬性設置。然后，筆者重點(diǎn)介紹了語(yǔ)音識別資源的六大methods和語(yǔ)法注冊時(shí)使用的五個(gè)methods。因為篇幅的關(guān)系，筆者把語(yǔ)法注冊的methods 歸納在一個(gè)話(huà)題中，以便方便讀者能夠結合這些相關(guān)的method充分了解注冊語(yǔ)法的這些請求處理方式。筆者相信，通過(guò)本章節關(guān)于語(yǔ)音識別資源的請求處理的概念介紹結合圖例和消息流程，讀者會(huì )進(jìn)一步了解語(yǔ)音識別的消息流程處理。
在下一個(gè)章節中，我們重點(diǎn)介紹語(yǔ)音識別資源中的事件和相關(guān)的headers參數設置。
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
參考：
https://tools.ietf.org/html/rfc6787
