Windows Phone SDK 8.0 新特性-Speech

1. 引言

    随着Windows Phone SDK 8.0的发布，其包含的新特性也受到了广大开发者的关注，其中之一就是语音方面的提升。其实在Windows Phone SDK 8.0发布之前，Kinect for Windows也更新了其SDK，支持了其他新的语言，可惜没有看到支持中文的选项。而Windows Phone SDK 8.0的Speech中包含了中文的支持，这点令我们中文用户感受到了MS对中国市场的重视。这点大家可以在Windows Phone 8 模拟器中看到，将模拟器的语言设置为中文，进入设置-语音-语音语言，看到其支持的语言如下图1所示。除了普通话，Windows Phone 8还支持粤语和台湾语的语音识别。

图1：Windows Phone 8 Speech支持的语言种类

 

2. 与App交互的三个Speech组件

    在Windows Phone 8 中，用户可以通过三种方式与App进行语音的交互。

• Voice Commands
• Speech Recognition
• Text-to-speech (TTS)

    其交互方式如下图2所示。

图2：用户与应用程序进行语音交互的三种方式

 

2.1 Voice Commands

    该功能其实在Windows Phone 7.5中就已经包含了，但那只是简单的诸如“启动某个应用程序”、“打电话给某人”等语音指令。但是在Windows Phone 8 中，该语音指令又得到了进一步的提升。用户可以通过语音，在启动应用程序时，进行深层次的操作。比如，“打开某应用程序，显示某页面”，“打开某应用程序，查询今日天气”等等。

    另外，语音指令的提示对于用户来说也是很重要的一环，用户可以通过“我该说什么”页面来发掘应用程序的语音指令，如下图3所示。

图3：“我该说什么”页面的“应用程序”界面

   “我该说什么”页面是一个典型的Pivot页面，主要包含了“常用”、“应用程序”和“更多”这三个选项。在“应用程序”页面中，如果系统安装了语音指令的应用程序，那么，该页面就会显示一些语音指令的提示。例如，我在模拟器中安装了“智能语音”程序，在该页面中显示了“智能语音，请说：打开 智能语音”这条提示。通过后面的程序编写，开发者可以对该提示进行设置。

有关Windows Phone 8 中Voice Commands的进一步详细资料，可以参考MSDN上的文档：Voice commands for Windows Phone 8。

 

2.2 Speech Recognition

    在应用程序中，通过Speech Recognition功能，用户可以使用语音来进行输入，或者是完成某个任务。Speech Recognition与Voice Commands的最大区别就在于使用场合：Speech Recognition用于应用程序内部，而Voice Commands是在应用程序外部。对于文本输入和网页搜索，Windows Phone 8包含了对预定义语法的支持；对于用户自定义的语法，必须遵循工业级的《Speech Recognition Grammar Specification (SRGS) Version 1.0》规范。有关语音识别的具体内容，可以参考MSDN的文档：Text-to-speech (TTS) for Windows Phone。

 

2.3 Text-to-Speech(TTS)

    在应用程序内部，开发者可以使用Text-to-Speech(TTS)，或者说是语音合成技术，将文本内容通过Microphone读给用户听。同样，文本的内容可以是字符串，也可以是一句话，其遵循的规范是《Speech Synthesis Markup Language (SSML) Version 1.0》。具体信息可以参考MSDN的文档：Text-to-speech (TTS) for Windows Phone。

 

3. Voice Commands示例

    通过该示例，我们实现的功能包括打开应用程序和打开应用程序的某个页面。

    首先，我们打开Visual Studio，新建工程，命名为VoiceAppDemo。为了使应用程序具备语音识别的能力，我们在WMAppManifest.xml文件中，加入MicroPhone和Speech Recognition的Capability选项，如下图4所示。

图4：WMAppManifest.xml文件中加入语音识别的选项

    为了体现Windows Phone 8对中文语音的支持，我们在WMAppManifest.xml的Application UI中，将Display Name设置为“智能语音”，如下图5所示。

图5：WMAppManifest.xml文件中将应用程序设置为中文名称

    之后，在项目中，通过右键加入新文件，选择Voice Command Defination，命名为SupportedVoiceCommands.xml，如下图6所示。

图6：新加入语音指令定义文件

    修改其语音指令定义文件，内容如下：

  1: <?xml version="1.0" encoding="utf-8"?>
  2: <VoiceCommands xmlns="http://schemas.microsoft.com/voicecommands/1.0">
  3:     <CommandSet xml:lang="zh-cn">      
  4:       <CommandPrefix> 智能语音 </CommandPrefix>
  5:       <Example> 请说：打开 智能语音</Example>
  6:   </CommandSet>
  7: </VoiceCommands>

    该语音指令文件在程序第一次运行时，需要进行注册，我们可以在App.xaml.cs文件中，加入对该语音指令文件的注册，函数命名为InitializeVoiceCommands，其实现代码如下：

  1: async private static void InitializeVoiceCommands()
  2: {
  3:        var filename = "SupportedVoiceCommands.xml";
  4: 
  5:        try
  6:        {
  7:              var location = Windows.ApplicationModel.Package.Current.InstalledLocation.Path;
  8:              var fileUriString = String.Format("file://{0}/{1}", location, filename);
  9:              await Windows.Phone.Speech.VoiceCommands.VoiceCommandService.InstallCommandSetsFromFileAsync(new Uri(fileUriString));
 10:        }
 11:        catch (Exception ex)
 12:        {
 13:              System.Diagnostics.Debug.WriteLine(ex.Message);
 14:        }
 15: }

    同时，在App()构造函数中加入InitializeVoiceCommands()。其代码如下：

  1:         public App()
  2:         {
  3:             // Global handler for uncaught exceptions.
  4:             UnhandledException += Application_UnhandledException;
  5: 
  6:             // Standard XAML initialization
  7:             InitializeComponent();
  8: 
  9:             // Phone-specific initialization
 10:             InitializePhoneApplication();
 11: 
 12:             // Language display initialization
 13:             InitializeLanguage();
 14: 
 15:             InitializeVoiceCommands();
 16: 
 17:             // Show graphics profiling information while debugging.
 18:             if (Debugger.IsAttached)
 19:             {
 20:                 // Display the current frame rate counters.
 21:                 Application.Current.Host.Settings.EnableFrameRateCounter = true;
 22: 
 23:                 // Show the areas of the app that are being redrawn in each frame.
 24:                 //Application.Current.Host.Settings.EnableRedrawRegions = true;
 25: 
 26:                 // Enable non-production analysis visualization mode,
 27:                 // which shows areas of a page that are handed off to GPU with a colored overlay.
 28:                 //Application.Current.Host.Settings.EnableCacheVisualization = true;
 29: 
 30:                 // Prevent the screen from turning off while under the debugger by disabling
 31:                 // the application's idle detection.
 32:                 // Caution:- Use this under debug mode only. Application that disables user idle detection will continue to run
 33:                 // and consume battery power when the user is not using the phone.
 34:                 PhoneApplicationService.Current.UserIdleDetectionMode = IdleDetectionMode.Disabled;
 35:             }
 36: 
 37:         }

 

    此时，我们就可以进行语音指令的测试了。选择对应的模拟器类型，点击Degub，使得应用程序部署到模拟器，并且开始运行。在第一次运行的时候，应用程序通过InstallCommandSetsFromFileAsync进行了语音指令的注册。之后，我们可以点击退出，回到Start界面。长按Windows按钮，系统跳出语音界面，对着Microphone说：“打开智能语音”。系统会弹出提示信息，显示正在打开智能语音。

    进行到这里，我们只实现了通过语音指令打开应用程序，并且显示应用程序主页面的目的。但是，对于用户具体的需求，开发者可以在SupportedVoiceCommands.xml文件中进行更多更细致的定义。例如，我的应用程序包含了Panorama页面和Pivot页面，在应用程序启动的时候，我想显示其中的一个页面。那么，首先，我们可以在项目中添加两个新页面，命名为PanoramaPage.xaml和PivotPage.xaml。如下图7所示。

图7：添加新页面

    然后，在SupportedVoiceCommands.xml文件中，扩充对语音指令的定义，假设用户在应用程序启动的时候，新增了打开PanoramaPage和PivotPage的需求。那么我们可以将其语音指令的定义扩充如下：

  1: <?xml version="1.0" encoding="utf-8"?>
  2: <VoiceCommands xmlns="http://schemas.microsoft.com/voicecommands/1.0">
  3:     <CommandSet xml:lang="zh-cn">
  4:       
  5:       <CommandPrefix> 智能语音 </CommandPrefix>
  6:       <Example> 请说：打开 智能语音</Example>
  7: 
  8:       <Command Name="测试全景页面"> 
  9:         <Example>跳到全景页面</Example>
 10:         <ListenFor>跳到全景页面</ListenFor>
 11:         <Feedback>正在打开智能语音 显示全景页面</Feedback>
 12:         <Navigate Target="PanoramaPage.xaml"></Navigate>
 13:       </Command>
 14:       
 15:       <Command Name="测试枢轴页面">
 16:         <Example>跳到枢轴页面</Example>
 17:         <ListenFor>跳到枢轴页面</ListenFor>
 18:         <Feedback>正在打开智能语音 显示枢轴页面</Feedback>
 19:         <Navigate Target="PivotPage.xaml"></Navigate>
 20:       </Command>
 21:       
 22:   </CommandSet>
 23: </VoiceCommands>

 

    在以上的语英指令Command中，ListenFor代表应用程序监听的内容，Feedback代表信息提示显示的内容，Navigate代表页面导航的具体参数。在这里，我们直接将Target设置为对应的全景页面或者是对应的枢轴页面。

    重新编译，然后调试。在应用程序运行以后，点击退出，回到Start页面。接着长按Windows按钮，在弹出语音输入提示后，对着Microphone说：“打开智能语音，跳到全景页面”，或者“打开智能语音，跳到枢轴页面”，系统会弹出提示信息，显示正在打开智能语音，跳到对应的页面。如下图8所示。这样就实现了打开应用程序，并且直接进入应用程序的某个页面的目的。

图8: 通过语音指令直接打开应用程序的枢轴页面和全景页面

 

4.结语

    本文介绍了Windows Phone 8 SDK中的Speech特性，并且针对Voice Commands，给出了示例。

 

参考文档

MSDN：Speech for Windows Phone 8