Google +スマートIVRによるアスタリスク音声認識

こんにちは、Habraユーザーの皆様。

1つのプロジェクトでは、アスタリスクIP-PBXに基づいたスマートIVRを作成する必要がありました。 「スマート」という言葉の意味は次のとおりです。特定の番号に電話をかけると、ステーションは加入者の名前を要求し、回線の反対側にいる人が名前を呼び出し、ステーションはそれを目的の加入者に接続します。



私の場合、FreePBXがプリインストールされた既製のAsteriskNowのアセンブリを使用しましたが、この場合は特別な役割を果たしません。 違いは、ダイヤルプランの編集のみです。

ステップ1：

グーグルで働く

最初のことは、何らかの方法で発信者のスピーチを認識することです。 Habrには、Google Translateを使用してこれを行う方法についての十分な（ 1、2、 ）記事がありました。 Asteriskが音声を認識できるように、githubのオープンスペースにある既製のスクリプトgoogletts.agi -Asteriskに話すこととspeech-recog.agiを教えるために用意することにしました。



ファイルgoogletts.agiおよびspeech-recog.agiは、フォルダー/ var / lib / asterisk / agi-binにスローされます。

スクリプトを正常に機能させるには、Perl、perl-libwww、IO-Socket-SSL、flac、sox、mpg123のパッケージが必要です。 リポジトリから（yum installを介して）正常にダウンロードおよびインストールされたすべてのパッケージは、mpg123を除き、個別にダウンロードする必要がありました。



googletts.agiでは、$ lang変数の値をenからruに変更します。これは、アスタリスクがロシア語を話せるようにするためです。

speech-recog.agiでは、$言語変数の値をen-USからru-RUに変更して、Googleがロシア語で結果を返すようにします。

すべて、スクリプト内の他の部分には触れませんでした。

ステップ2：

ダイヤルプランの作成

前述したように、FreePBXがインストールされているため、extensions_custom.confファイルにすべての変更を加えます。

まず、発信者に挨拶し、次に何をすべきかについてコメントを与えるのは良いことです。



exten => 100,1,Answer()

exten => 100,n,agi(googletts.agi,”! .”,ru)







次に、speech-recog.agiを使用して、ユーザーの発言を聞き、記録し、変換し、Googleに送信して、ユーザーから結果を取得します。



exten => 100,n(record),agi(speech-recog.agi,ru-RU)







次に、 GotoIf関数を使用して、スクリプトの動作を確認します。

スクリプトは次の値を返します。



status：実行ステータスを返します。 0は成功を意味します

発話： Googleが返す文字列

信頼性：正しい認識の確率を示す0〜1の値



exten => 100,n,GotoIf($[$["${status}" = "0"] & $["${confidence}" > "0.8"]]?if1:retry)







テストが成功した場合はif1イベントに進み、失敗した場合は再試行イベントに進みます。このイベントでは、ユーザーに繰り返しを依頼します。



exten => 100,n(retry),agi(googletts.agi,”, ”,ru)







次に、Googleから受け取った回線自体を直接操作します。 受信した文字列$ {utterance}を何らかのテンプレートと比較し、次に何をするかを決定する必要があります。 GotoIf関数を使用する



exten => 100,n(if1),GotoIf($[“${utterance}” = “”]?vasya:retry)







Googleから受信した行が「Vasya」と一致する場合は、vasyaイベントに進み、一致しない場合は、ユーザーに繰り返しを依頼します。



そして、Vasyaに電話するだけです



exten => 100,n(vasya),Dial(SIP/101)

テーマのバリエーション

• 例を簡単にするために、聞いた内容をテンプレートと比較するための条件を1つだけ引用しましたが、実際にはさらに多くの条件があります。
• Googleの「鉄の女性」と言うあまり良くないフレーズ。 もちろん、作業バージョンでは、「ライブ」音声でフレーズを録音し、再生機能を使用してフレーズを再生すると便利です。

微妙

このタイプのGoogle翻訳との連携では、完全にではなく完全に機能することを考慮する価値があります。Googleから得られた結果を比較するテンプレートを作成する際には、これを考慮する必要があります。



ここに私が踏んだレーキの例があります：

私の名前はシリル（末尾に2つの「L」）です。 何らかの理由で彼にしか知られていないGoogleは、再び「Cyril」または「Cyril」を返しました。

あとがき

比較はもっと技術的な方法で実装できるとの疑いがあります。コメントであなたの意見や提案を聞いてうれしいです。

そして、スケールに関する未解決の問題が残っています：サブスクライバーが多数いる場合はどうなるか、すべての比較を実行するのにどれくらい時間がかかるか、もちろん、私が提案した方法を使用して実装される場合。 ただし、約20人の加入者の小規模なPBXの場合、この方法は受け入れられます。



ご清聴ありがとうございました。

UPD

例

例として、私はわずかに異なるダイヤルプランを使用しましたが、この本質は変わりません。





認識に成功したリンクを記録します。



成功していない認識へのリンク 。