MRCP學(xué)習筆記-語(yǔ)音識別資源的事件和headers詳解

　　1、在語(yǔ)音識別資源中，MRCP支持了三種事件，它們分別是START-OF-INPUT，RECOGNITION-COMPLETE和INTERPRETATION-COMPLETE。

　　START-OF-INPUT事件是由語(yǔ)音識別資源側回復的事件消息，它通知MRCP客戶(hù)端資源服務(wù)器已經(jīng)收到了語(yǔ)音輸入或DTMF輸入。具體的輸入數據類(lèi)型通過(guò)消息體中的Input-Type來(lái)表示。大部分情況下，此事件用來(lái)支持MRCP客戶(hù)端檢測打斷或停止語(yǔ)音回放。這里讀者要注意，語(yǔ)音識別資源不會(huì )對熱詞識別模式生成此事件。具體的事件使用場(chǎng)景在上一講做已經(jīng)介紹，讀者可以查閱歷史文檔來(lái)進(jìn)一步學(xué)習。

　　RECOGNITION-COMPLETE是語(yǔ)音識別資源生成的事件消息，它用來(lái)對MRCP客戶(hù)端說(shuō)明，識別處理已經(jīng)完成，并且通過(guò)消息體傳輸了識別結果。事件消息體中的Completion-Cause和可選的Completion-Reason頭用來(lái)表示完成識別的狀態(tài)。在前面的章節中，我們提供了完整的識別流程消息說(shuō)明，用戶(hù)可以查閱。這里，我們僅簡(jiǎn)單列出一個(gè)RECOGNITION-COMPLETE示例（服務(wù)器端->客戶(hù)端）：

　　這里，如果是成功的識別流程，返回的識別結果通過(guò)語(yǔ)音文件格式。

　　INTERPRETATION-COMPLETE和前面提到的RECOGNITION-COMPLETE類(lèi)似，但是它表示的是解析過(guò)程完成（不是識別過(guò)程），并且傳輸了解析結果。我們在上一講中也提供了完整的示例流程，讀者可以查閱。這里，我們提供一個(gè)響應部分的具體的示例如下（服務(wù)器端->客戶(hù)端）：

　　2、現在，我們開(kāi)始介紹語(yǔ)音識別資源的headers。因為篇幅比較長(cháng)，筆者盡可能對每個(gè)header做出解釋?zhuān)�如果有不詳細的地方，建議讀者查看RFC標準。現在，我們介紹第一個(gè)header，也是RECOGNITION-COMPLETE事件消息中總是出現的header-Completion-Cause。因為，此頭涉及了失敗原因碼的完整詳解，所以，筆者專(zhuān)門(mén)把此header單獨拿出來(lái)做完整的介紹。它用來(lái)表示完成的具體原因，如果識別失敗的話(huà)，它會(huì )支持相關(guān)的識別原因碼。注意，Completion-Cause也會(huì )出現在DEFINE-GRAMMAR的請求的對應響應消息中，它會(huì )說(shuō)明請求中訪(fǎng)問(wèn)結果或編譯的語(yǔ)法結果。具體的細節請看如下示例圖（原因碼，原因名稱(chēng)和具體解釋?zhuān)��?/div>

• Completion-Reason，它是可選的header，出現在Completion-Cause中，說(shuō)明請求結束的原因，可用來(lái)支持客戶(hù)端的日志消息。具體的示例如：Completion-Reason:Recursive grammars not supported。
• Failed-URI，此頭用來(lái)表示攜帶的URL資源訪(fǎng)問(wèn)失敗。示例：Failed-URI:http://192.168.1.1/numbers.grxml。
• Failed-URI-Cause，此頭配合Failed-URI使用，表示失敗碼。例如：Failed-URI-Cause:404 Not Found。
• Recognition-Mode，此header用來(lái)表示識別的模式類(lèi)型，可支持normal或hotword模式。我們已經(jīng)在前面的章節中介紹過(guò)這兩種識別類(lèi)型，這里不再介紹。示例如：Recognition-Mode:hotword。
• Input-Type，此header會(huì )出現在START-OF-INPUT的事件中，它用來(lái)表示檢測到的輸入類(lèi)型（DTMF或speech），其示例：Input-Type:speech。
• Confidence-Threshold，此header用來(lái)設置一個(gè)安全閥值，設置最低的識別級別保證識別的成功率。如果識別結果攜帶的安全級別低于安全閥值，則返回一個(gè)Completion-Cause header，錯誤碼為001 no-match。其取值范圍在0.0–1.0之間。示例：Confidence-Threshold:0.5。
• Sensitivity-Level，此header用來(lái)語(yǔ)音識別檢測的敏感度水平，對其背景噪音進(jìn)行過(guò)濾。敏感度比較低的話(huà)，則說(shuō)明對其語(yǔ)音畢竟噪音不太敏感。此header通常是在per-RECOGNIZE請求設置。示例：Sensitivity-Level:0.65。
• Speech-Vs-Accuracy，此header用來(lái)控制對性能和準確率的調整設置，其取值范圍從0.0-1.0之間。取值越高，說(shuō)明要求的準確性越高，但是消耗更多的CPU資源。此header通過(guò)per-RECOGNIZE 請求來(lái)進(jìn)行設定。示例：
• Speed-Vs-Accuracy:0.35。
• N-Best-List-Length，此header表示MRCP客戶(hù)端可以接收多個(gè)語(yǔ)音識別資源返回的識別結果，最大可以支持N個(gè)返回的可選識別結果。這里讀者要注意，不同的返回結果支持不同的語(yǔ)法路徑，只有安全級別大于安全閥值的才會(huì )返回到客戶(hù)端。語(yǔ)音設備資源可以返回低于N的結果，如果返回比較大的數值N的話(huà)，需要語(yǔ)音識別資源增加其處理能力。這也非常容易理解的，它的取值會(huì )影響語(yǔ)音識別資源的性能。此header通過(guò)per-RECOGNIZE請求設置，默認（最小值）為1。示例：N-Best-List-Length:5。
• No-Input-Timeout，此header是一個(gè)定時(shí)器，它用來(lái)檢測在一定時(shí)間內，識別流程開(kāi)始以后，系統沒(méi)有檢測到用戶(hù)的語(yǔ)音輸入或DTMF。如果No-Input-Timeout超時(shí)，語(yǔ)音識別資源會(huì )生成一個(gè)RECOGNITION-COMPLETE事件，攜帶Completion-Cause，其值為：002 no-input-timeout。其時(shí)間取值以毫秒為單位，示例：No-Input-Timeout:3000。
• Recognition-Timeout，此定時(shí)器是用來(lái)限定整個(gè)識別處理時(shí)間。其header也可用來(lái)防止背景噪音占用了語(yǔ)音識別資源而導致的識別時(shí)間延長(cháng)。這里要注意，在兩種識別模式下，返回的錯誤碼有所區別，讀者可以查閱RFC來(lái)做進(jìn)一步的研究。默認設置為10秒，以毫秒為單位，示例：Recognition-Timeout:7000。
• Speech-Complete-Timeout，此header用來(lái)表示說(shuō)話(huà)人已經(jīng)停止說(shuō)話(huà)，語(yǔ)音識別資源成功返回結果之間所必須消耗的時(shí)間。當然，如果此設置太短，則可能導致語(yǔ)句被打斷；如果太長(cháng)則會(huì )導致系統響應變慢。其取值以毫秒為單位，取值范圍從300到1000毫秒之間。示例：Speech-Complete-Timeout:500。
• Speech-Incomplete-Timeout，此header和上面的Speech-Complete-Timeout的使用方式非常類(lèi)似，但是它使用的場(chǎng)景有所不同。有的情況下，語(yǔ)音之前的靜音或不正確的語(yǔ)法前綴無(wú)法全部匹配活動(dòng)的語(yǔ)法。如果觸發(fā)了此定時(shí)器的話(huà)，語(yǔ)音識別資源會(huì )生成一個(gè)RECOGNITION-RESULT 事件，此事件攜帶Completion-Cause，語(yǔ)言碼設定的值為013 partial-match（部分匹配）。此header也可以使用在另外一種場(chǎng)景中，有可能說(shuō)話(huà)人語(yǔ)音郵件成功匹配了語(yǔ)音識別資源，但是說(shuō)話(huà)人可能呼吸停頓，想繼續說(shuō)的時(shí)候，仍然需要匹配相應的語(yǔ)音識別資源。通常情況下，此定時(shí)器設置的時(shí)長(cháng)會(huì )大于Speech-Complete-Timeout的時(shí)長(cháng)，這樣，可以支持說(shuō)話(huà)人短暫的停頓。此取值以毫秒為單位，取值范圍從0到最大值。示例：Speech-Incomplete-Timeout:1000。
• Hotword-Max-Duration，此header只能使用在hotword的模式下，用來(lái)限定需要識別的語(yǔ)句最大長(cháng)度。此header配合Hotword-Min-Duration來(lái)使用，防止識別的語(yǔ)句過(guò)長(cháng)或過(guò)短。示例：Hotword-Max-Duration:5000。
• Hotword-Min-Duration，此header只能使用在hotword的模式下，用來(lái)限定需要識別的語(yǔ)句最小長(cháng)度。此header配合Hotword-Max-Duration來(lái)使用，防止識別的語(yǔ)句過(guò)長(cháng)或過(guò)短。示例：Hotword-Min-Duration:5000。
• DTMF-Interdigit-Timeout，此header用來(lái)設定在語(yǔ)音識別生成結果之前，DTMF按鍵輸入之間的時(shí)間間隔。此header可能出現在RECOGNIZE，SET-PARAMS，或GET-PARAMS。它以毫秒為單位，默認是5000毫秒，示例：DTMF-Interdigit-Timeout:3000。
• DTMF-Term-Timeout，此header和以上header類(lèi)似，但是它應用的場(chǎng)景是成功匹配語(yǔ)法以后，仍然需要進(jìn)一步的DTMF輸入流程。它用來(lái)支持長(cháng)數字序列的輸入和進(jìn)一步的輸入驗證的場(chǎng)景中。示例：DTMF-Term-Timeout:2000。
• DTMF-Term-Char，此header用來(lái)設定某個(gè)特定字符來(lái)結束DTMF輸入。例如，大家經(jīng)常使用的“#”。我們按#來(lái)表示我們的DTMF結果輸入完成。示例：DTMF-Term-Char:#。
• DTMF-Buffer-Time，此header用來(lái)表示表示DTMF類(lèi)型的大小，通過(guò)緩沖的方式保存。語(yǔ)音識別資源可以支持在RECOGNIZE請求之間的DTMF按鍵，并且通過(guò)緩沖來(lái)保存。當發(fā)起新的RECOGNIZE請求時(shí)，首先使用緩沖中的數據內容進(jìn)行匹配識別，如果緩沖中的數據不能完全支持識別資源時(shí)，用戶(hù)則需要輸入更多的數字按鍵來(lái)匹配活動(dòng)的語(yǔ)法。這里讀者要注意，因為平臺的不同，可能此header的設置也不同。示例：DTMF-Buffer-Time:10000。
• Clear-DTMF-Buffer，此header用來(lái)清理緩沖中的DTMF數據。它通過(guò)RECOGNIZE請求來(lái)設置。默認設置為false。如果設置為true表示清理緩沖。示例：Clear-DTMF-Buffer:true。
• Save-Waveform：此header用來(lái)表示是否保存識別的語(yǔ)音文件。如果保存，則此值設置為true，捕獲的語(yǔ)音流通過(guò)RECOGNITION-COMPLETE事件的Waveform-URI表示。MRCP客戶(hù)端可通過(guò)此URL獲取到從語(yǔ)音文件。默認值是false，示例：Save-Waveform:true。
• Waveform-URI，此header用來(lái)支持MRCP客戶(hù)端通過(guò)此header的URL獲取或訪(fǎng)問(wèn)語(yǔ)音文件。此heade同時(shí)支持了size（以bytes為單位）和duration（毫秒）的取值。其示例是：Waveform-URI:;size=8000;duration=1000。
• Input-Waveform-URI，此header用來(lái)為RECOGNITION提供一個(gè)語(yǔ)音文件而不是使用媒體會(huì )話(huà)來(lái)提供語(yǔ)音文件。此功能的目的是執行一個(gè)重新識別的流程，使用不同的語(yǔ)法和和以前捕捉的語(yǔ)音進(jìn)行對比來(lái)測試語(yǔ)法的覆蓋范圍。其示例：Input-Waveform-URI:http://10.0.0.1/utt01.wav。
• Media-Type，此header表示語(yǔ)音文件支持的媒體類(lèi)型。其示例：Media-Type:audio/x-wav。
• Start-Input-Timers，此header會(huì )出現在RECOGNIZE請求中，通知語(yǔ)音識別引擎是否啟動(dòng)No-Input-Timeout定時(shí)器。默認值為true。示例是：Start-Input-Timers:false。
• Speech-Language，此header表示語(yǔ)音識別默認支持的語(yǔ)法語(yǔ)言。其示例：Speech-Language:de-CH。
• Cancel-If-Queue，此header用來(lái)表示多個(gè)RECOGNIZE請求是有隊列支持。如果此值為true，則表示沒(méi)有使用隊列，IN-PROGRESSRECOGNIZE請求已被取消。已取消的識別請求會(huì )帶一個(gè)RECOGNITION-COMPLETE事件，這個(gè)事件的消息體的header帶Completion-Cause，設置的值為011 cancelled。如果是false，則表示RECOGNIZE請求會(huì )加入到隊列中。此header沒(méi)有默認值，示例為：Cancel-If-Queue:true。
• New-Audio-Channel，此header通過(guò)RECOGNIZE來(lái)設定，如果是true，則表示對語(yǔ)音資源來(lái)說(shuō)，從此刻開(kāi)始，從一個(gè)新的通道中收到了語(yǔ)音流。通常情況下，語(yǔ)音識別資源會(huì )解析為一個(gè)新的請求，重新設置終端的算法，因此會(huì )丟棄任何已執行的通道。此功能非常有用，它可使用已存在的會(huì )話(huà)重用在一個(gè)新的電話(huà)呼叫的環(huán)境中。默認值為false，示例為：New-Audio-Channel:true。
• Ver-Buffer-Utterance，此header可以通過(guò)RECOGNIZE請求中設置，如果設置為true，則表示語(yǔ)音識別資源可以使用緩沖中的可用的語(yǔ)音數據，此語(yǔ)音數據可用于后期說(shuō)話(huà)人驗證引擎環(huán)境。當然，這里一定要注意，說(shuō)話(huà)人驗證資源一定要和識別請求共享一個(gè)會(huì )話(huà)。其示例是：Ver-Buffer-Utterance:true。
• Early-No-Match，此header用來(lái)表示語(yǔ)音識別引擎是否執行語(yǔ)法的早期匹配。它可以無(wú)需等待終端提示完成語(yǔ)音輸入然后開(kāi)始識別的流程。語(yǔ)音識別引擎如果不支持早期匹配的話(huà)，可能會(huì )忽略此header值。默認值是false。其語(yǔ)法示例為：Early-No-Match:true。
• Interpret-Text，此header用來(lái)支持INTERPRET請求，指示需要解析的文本。INTERPRET請求中攜帶了text/plain消息。其示例為：Interpret-Text:text@example.com。
• Recognizer-Context-Block，此header用來(lái)通過(guò)GET-PARAMS取值或通過(guò)SET-PARAMS來(lái)設置語(yǔ)音識別的內容數據段。每個(gè)識別引擎平臺的內容數據段都是完全不同的，包括了會(huì )話(huà)，終端設置等相關(guān)數據。其示例為：Recognizer-Context-Block:data@vendor-x.com。

• Num-Min-Consistent-Pronunciations，此header表示從用戶(hù)側獲得的最少連續的發(fā)音短語(yǔ)。此短語(yǔ)會(huì )成為注冊的短語(yǔ)，最后接納為個(gè)人的語(yǔ)法。此header可以通過(guò)per-START-PHRASE-ENROLLMENT請求或SET-PARAMS來(lái)設置，其示例為：Num-Min-Consistent-Pronunciations:1。
• Consistency-Threshold，此header應用在語(yǔ)法注冊的過(guò)程中，用來(lái)表示前面注冊短語(yǔ)的發(fā)音和當前短語(yǔ)的相似性。此值越高，說(shuō)明介于其句子和短語(yǔ)發(fā)音匹配非常接近。其語(yǔ)法示例為：Consistency-Threshold:0.75。
• Clash-Threshold，此header用來(lái)衡量語(yǔ)句短語(yǔ)和當前個(gè)人語(yǔ)法中的短語(yǔ)的相似度或接近程度。例如：兩個(gè)不同的拼寫(xiě)但是它們的發(fā)音困難非常相似：

• Personal-Grammar-URI，其header表示此URL是一個(gè)個(gè)人的語(yǔ)法。它會(huì )出現在START-PHRASE-ENROLLMENT，MODIFY-PHRASE，或DELETE-PHRASE的請求中。其語(yǔ)法示例為：Personal-Grammar-URI:http://example.com/enroll/user1.dat。
• Phrase-ID，此header表示的一個(gè)短語(yǔ)ID確認消息。在START-PHRASE-ENROLLMENT，MODIFY-PHRASE或者DELETE-PHRASE的請求中使用，表明其特別的ID號，對此ID進(jìn)行相應的處理。其語(yǔ)法示例為：Phrase-ID:name_joe_bloggs。
• New-Phrase-ID，此header應用在MODIFY-PHRASE請求中，用來(lái)表示對目前存在的ID聲明一個(gè)新的短語(yǔ)ID。其語(yǔ)法示例為：New-Phrase-ID:name_joe_bloggs_02。
• Phrase-NL，此header用來(lái)表示注冊語(yǔ)法相應的自然語(yǔ)言或語(yǔ)義解析。當短語(yǔ)識別以后，返回的解析文本結果。其語(yǔ)法示例為：Phrase-NL:item01。
• Weight，此header表示一個(gè)短語(yǔ)發(fā)生的似然程度。從概念上來(lái)說(shuō)，這個(gè)權重值和SRGS語(yǔ)法中的item屬性weight類(lèi)似。此header可能出現在START-PHRASE-ENROLLMENT請求中來(lái)設定一個(gè)注冊語(yǔ)法的權重，也可能出現在MODIFY-PHRASE的請求中來(lái)修改權重值。其語(yǔ)法示例為：Weight:2.0。
• Save-Best-Waveform，此header設置為true的話(huà)，用來(lái)支持客戶(hù)端要求語(yǔ)音識別資源在注冊會(huì )話(huà)的生命周期內保存捕捉的語(yǔ)音數據，此數據是最佳的重復短語(yǔ)。語(yǔ)音識別資源必須對識別語(yǔ)音進(jìn)行錄制，并且通過(guò)URL來(lái)返回到客戶(hù)端，在END-PHRASE-ENROLLMENT中攜帶一個(gè)Waveform-URI表示語(yǔ)音URL路徑。如果沒(méi)有錄制成功或發(fā)送錯誤的話(huà)，語(yǔ)音識別資源必須返回一個(gè)空的URL。
• Confusable-Phrases-URI，此header會(huì )出現在RECOGNIZE的請求中用來(lái)表示一個(gè)語(yǔ)法URL，這個(gè)URL中的短語(yǔ)可能沒(méi)有注冊或無(wú)效的短語(yǔ)。無(wú)法注冊的短語(yǔ)也可能是一個(gè)命令短語(yǔ)，所以不能注冊。其語(yǔ)法示例為：Confusable-Phrase-URI:file://c:\data\commands.dat。
• Abort-Phrase-Enrollment，此header會(huì )出現在END-PHRASE-ENROLLMENT的請求中。如果其值設置為true，則表示語(yǔ)音識別資源會(huì )終止正在被注冊的短語(yǔ)。其語(yǔ)法示例為：Abort-Phrase-Enrollment:true。