Yandexの無料の文法を使用して、Apple iCloudボイスメールのアナログを実装します

はじめに：

少し前に、尊敬されているリンゴ会社が新しいApple iCloud Voicemailサービスのテストを発表しました。







さて、これについてはどうですか、あなたは尋ねます。 それを理解しましょう。



Appleは、長い間忘れられていた技術への関心を返すことで長い間有名です。 これで良いお金を稼ぐことを忘れないでください。 iPad、iWatchなどが生まれました。 長い間ボイスメール技術を使用している人はいません。 私たちのほぼ全員が携帯電話にデフォルトのボイスメールサービスを持っていますが。



その理由は非常に単純です。誰もこれらのメッセージを聞き、それに時間を費やすことを望みません。 そして、そこに着く方法を誰も覚えていません。 この技術を殺したのは、ボイスメールを使用することの不便さでした。 そしてもちろん、モバイル通信：メッセージを残すよりも後で携帯電話で電話する方が簡単です。



わが国では、ボイスメールの使用に特に慣れている人はいませんが、米国では事実上の標準でした。 約10年前、ロシアで電話交換を行うすべての西洋企業も、ボイスメールのインストールを必要としていました。



では、クパティア人は今何を思いついたのでしょうか？

サービスの説明

アイデア自体は非常にシンプルです。 無料の音声認識技術（現在は無料の文法音声認識と呼ばれています）を使用して、音声メッセージをフリーテキストで認識し、SMSとして送信します。



これは何を変えますか？ はい、それだけです！ オフィスまたは携帯電話で通話しています-加入者が忙しい、応答しない、または利用できない場合、音声メッセージを残すように求められます。 任意のテキストを発音すると、システムはこの任意のテキストを認識し、SMSを介してメールボックスの所有者を送信します。 ボックスの所有者はSMSを受信し、発信者の番号、認識されたテキストを確認し、それに応答します。 ボイスメールの所有者は、ボイスメールサービスのダイヤラー番号、ログインパスワード、メニュー構造などを覚える必要がなくなりました。 彼はもはやメッセージ自体を聞く時間を無駄にする必要はありません。 非常に多くの場合、何も話していないビープ音またはフレーズのみがあります。 そのようなサービスの所有者は、テキストを一通り読み、メッセージを残すことに対する反応を決定するのに十分です。 つまり すべてが以前よりも使いやすくなりました。



メッセージを残すことも便利です。 呼び出しに失敗した後、SMSに移動してテキストを入力する必要はありません。 彼はすでにすべてを言っており、これはSMSを書くよりもはるかに高速です。



つまり この技術には、発信者とボイスメールサービスの所有者の両方の時間を節約するという点で非常に大きな未来があることがわかります。 同時に、ITの利点はテクノロジーの正面に隠れています。 このシステムは、ボイスメールシステムの場合と同様、ほとんど管理する必要がありません。 新しい革命の前提に直面して合計。



そのような技術の核心は何ですか？ もちろん、これは無料の文法による認識です。 AppleはSiriを使用しています。SiriはNuanceのASR（自動音声認識）テクノロジーに基づいています。 これは、ASR / TTSテクノロジーの非常に古いベンダーです。



Googleは最初にAndroid携帯電話で認知されました。 クラウド認識および開発者向けのAPI。 主にモバイルアプリケーション開発者向けに設計されています。 まあ、もちろん、収益化スキームを使用します。 そしてもちろん、Yandexはloしみませ​​んでした。Yandexはその製品をCloud SpeechKitと呼びました。 彼は言論の自由を認識し、それをテキストに翻訳する方法を知っており、APIも持っています。



ロシア語に関しては、実際、グーグルはロシア語を認識しており、インターネット上にはロシア語も認識している他の小さなベンダーがたくさんあります。 これは実際にはそれほど難しくありません。 Nuanceはこれを何年も前に始めました。 実際、Yandexはこれによってユニークではありません。 Yandexには非常に重要なオプションがいくつかあります。 まず、これはYandex SpeeckKitで、ほぼ100％の非常に高品質のアドレスを認識します。 明らかに、この背後にはYandex.Mapsプロジェクトの蓄積された資料があります。 次に、YandexにはSpeechBoxがあります。これは、Googleにはないものであり、おそらく他のクラウドサービスにはないものです。 つまり、このソリューションにとって重要なのは、認識の遅延を最小限に抑え、セキュリティ要件に準拠するためです。ローカルサーバーを配置し、インターネットにアクセスせずに無料の文法で認識を整理できます。

サービス開発

概要

さて、Appleのこのような革新的なアイデアの類似物の開発について。 Avaya Aura Experience Portal 7.0.1と呼ばれるAvaya企業IVRが利用可能でした。 このシステムの機能は、電子メールサーバーおよびSMSアグリゲーターに接続する機能です。 まあ、簡単に使用できる内部データベースの可用性。



SMSでテキストを正確に送信するタスクは、費用がかかり、さらにこのSMS接続を処理する必要があるため、価値がありませんでした。 実際、電子メールではすべてがSMSと同じように機能します。 メッセージがメールアドレスに配信されるとすぐに、携帯電話のプッシュ通知ですぐに通知されます。 開発中の他のすべては同様です。 それでもemail2smsを使用できます。 まあ、これは間違いなくSMSでテキストを受信したい人向けです。 ちなみに、email2smsは同時にエンコードも処理します。



Avaya IVRを使用する必要はなく、手元にありました。 Genesys GVP、Cisco IVR、Asterisk、Freeswitch、または3CXでも同じことを記述できます。 ただし、GenesysとCiscoの両方が音声アプリケーションを作成し、結果を電子メールで送信するには、複数のサーバーをインストールする必要があります。 Avayaの場合、2つのコアと4 GBのRAMに仮想マシンを配置するだけで十分です。音声通話の受け入れ、クラウドでの認識の実行、電子メールまたはSMSの送信など、すべてを実行できます。



アスタリスクの場合、MRCP v2プロトコルを介してサービスを実装できます。 電子メールも送信できます。

募集要項

プロトタイプは彼専用に作成されたため、説明はAvaya IVR向けです。 プロトタイプアプリケーションでは、クラウドベースのHTTPコネクターを使用しました。 その理由は次のとおりです。AvayaIVRは企業環境向けに設計されており、MRCPのNATを通過する際にRTPのIPアドレスを正しく置き換えることができないため、AvayaのクラウドベースのMRCPは機能しません。 理論的には、MRCP用に別のインターフェイスを選択し、パブリックIPをそれに接続できますが、これは不可能でした。 ローカルMRCPも配信できませんでした。 無料の文法ASRには大量のRAMが必要です。 そのようなリソースは利用できませんでした。



アスタリスクはクラウドベースのMRCPを使用する方が簡単です。 その中で、MRCPクライアントでSDPのNATを渡すときに、パブリックIPを手動で置き換えることができます。



アプリはAvaya Aura Orchestration Designer 7.0で開発されました。 これはAvaya IVRのアプリケーションデザイナーです。 この製品はEclipseに基づいており、プラグインです。



アプリケーションの一般的なビューは次のとおりです。







MRCPとは異なり、HTTPコネクターを使用する場合、IVRコンテンツ収集メカニズムで通常行われるプロンプトと収集の代わりに、記録機能を使用する必要があります。 もちろん、いくつかの違いがあります。 MRCPを使用する場合、認識は音声の始めから直接始まります。 HTTPコネクタとRecordの場合、最初にメッセージレコード全体を収集し、それをインターネット経由でクラウドに転送し、それを認識する必要があります。 実際、これにより数秒の遅延が生じます。 しかし、私たちの場合、それは重要ではありません。 メッセージを残す人にとって、この遅延は重要ではないからです。 彼は待つ必要はありません。 彼はメッセージを残した後に電話を離れ、IVRアプリケーションは作業を続行し、認識を完了して結果を電子メールで送信します。 この特定のアプリケーションでは、認識にどれだけ時間がかかるかは関係ありません。 誰もそれに気づかず、誰も傷つけません。



録音を開始すると、フレーズは次のように発音されます。 この加入者は電話に出られません。 メッセージを残してください。そのテキストは購読者にメールで配信されます。



Recordブロックは音声を録音し、Record.value変数に名前が置かれている一時ファイルに入れます。 次に、Yandex HTTPコネクタが起動され、APIに従ってこの一時ファイルがクラウドに送信され、認識されたテキストが受信されます。 このコネクタはIVRの標準ではなく、すべてJavaで記述されています。 次に、結果がデータブロックに送信されます。ここで、秒単位のメッセージ期間が計算され、元の呼び出しが送信された番号と、結果を電子メールで送信する電子メールの対応についてデータベースが要求されます。







さらに、Avaya IVR Email標準コネクタでは、音声メールボックスの所有者に認識結果を送信するためのメッセージ本文が形成されます。







実際にはすべて。 このような革新的なソリューションをいかに簡単に実装できるかは驚くべきことです。