SRGS是W3C定義的一種標(biāo)準(zhǔn)，在MRCP v2的規(guī)定中沒有太多具體的規(guī)定，但是在語音識別服務(wù)器的設(shè)置方面需要其相關(guān)參數(shù)。因此，筆者認(rèn)為有必要做一些具體的介紹。SRGS用來支持應(yīng)用開發(fā)人員通過設(shè)定的單詞或單詞模式的語法結(jié)構(gòu)，這個語法結(jié)構(gòu)能夠被語音識別引擎聽或者識別。SRGS支持兩種語法格式，它們分別是XML格式和ABNF格式。在我們介紹的語法格式中，我們會重點介紹XML格式，因為在MRCP協(xié)議中我們主要還是使用XML格式。關(guān)于ABNF格式，用戶可以參考相關(guān)的rfc5234做進(jìn)一步了解。在本章節(jié)中，我們將會介紹SRGS的基本語法，語義說明和一些關(guān)聯(lián)處理機(jī)制。
1、語音識別的語法是通過對語言限定來支持語音識別的處理。語音識別語法通過語言限定可以減少句子內(nèi)容的不確定性，從而更好地支持語音識別。正式的語法都是由一系列規(guī)則和一些標(biāo)識，象征符號通過恰當(dāng)?shù)呐帕薪M成而成。
SRGS有兩種不同的語法結(jié)構(gòu)。一種是遞歸狀態(tài)，表示了一種語法上下文的語法結(jié)構(gòu)。另外一種則不是遞歸狀態(tài)，表示了一種有限狀態(tài)或規(guī)則語法結(jié)構(gòu)。語音識別的核心Hidden Markov Model（HMM）本身就是一個有限狀態(tài)機(jī)（參考上圖）�，F(xiàn)在的語音識別引擎可以支持從由少量單詞組成的語法也可以支持復(fù)雜的上百單詞組成的語法結(jié)構(gòu)。語音識別的準(zhǔn)確率以及處理速度和語法的復(fù)雜程度和語法的困惑度相關(guān)。換句話說，如果增加了單詞或語法結(jié)構(gòu)，或增加了語法的困惑度會影響語音識別引擎的執(zhí)行效率，也會降低語音識別的準(zhǔn)確率和處理的速度。我們剛才也提到了困惑度的概念，困惑度簡單來說就是一個語法結(jié)構(gòu)中平均支持的分支節(jié)點，如果結(jié)束符越多，需要判斷的點會越多。因此，如果開發(fā)人員需要完成一套高質(zhì)量的語法必須有非常大的投入，前期測試和后期維護(hù)工作�，F(xiàn)在讓我們了解一些關(guān)于SRGS中主要的語法結(jié)構(gòu)和其應(yīng)用。
2、首先，我們介紹一下SRGS的文件結(jié)構(gòu)。SRGS文件支持XML格式，通過媒體類型application/srgs+xml來定義。以下是SRGS支持的屬性：
其基本的語法格式為：
xmlns="http://www.w3.org/2001/06/grammar"
xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
xsi:schemaLocation="http://www.w3.org/2001/06/grammar
http://www.w3.org/TR/speech-grammar/grammar.xsd"
mode="voice"
xml:lang="en-GB"
root="example">
yes
這里，所有的SRGS文件標(biāo)簽都已開始。讀者需要注意到是mode的屬性。默認(rèn)屬性是voice，也可以是DTMF，不支持兩種類型混合使用。如果是vocie表示輸入的值是語音；如果是DTMF則表示輸入的值是DTMF。但是，在一些復(fù)雜配置環(huán)境中，語音識別引擎可以同時激活兩種模式支持。在未來的講座中，我們會涉及這些兩種模式的使用方式。
3、語法包含一個或多個規(guī)則定義。每個規(guī)則定義由一個，名稱和ID構(gòu)成。我們稱每個規(guī)則定義的內(nèi)容為規(guī)則擴(kuò)展。一個規(guī)則擴(kuò)展將匹配完整語句中的部分內(nèi)容。一個簡單的規(guī)則擴(kuò)展由按序排列的標(biāo)志構(gòu)成。一個單詞加一個空格就是一個標(biāo)志單位。
xmlns="http://www.w3.org/2001/06/grammar"
mode="voice"
xml:lang="en-GB"
root="pizza">
在以上的示例中，語音發(fā)音必須全部完整匹配標(biāo)志的順序格式。SRGS語法同樣可以支持添加一個或者多個要素來增加語法的可閱讀性。這里，我們僅介紹了一個非常簡單，定義非常嚴(yán)格的規(guī)則擴(kuò)展。事實上，SRGS可以實現(xiàn)非常強(qiáng)大的語法擴(kuò)展，我們在后續(xù)的章節(jié)中會逐步介紹。
4、在規(guī)則擴(kuò)展中可以支持多個可選項的設(shè)置。SRGS使用和- 要素來表達(dá)。每個
中可以包含多個item規(guī)則擴(kuò)展。
xmlns="http://www.w3.org/2001/06/grammar"
mode="voice"
xml:lang="en-GB"
root="pizza">
I want a hot
pizza
以上可選項支持了非常靈活的語法結(jié)構(gòu)。它可以匹配：
I want a hot pepperoni pizza
I want a hot vegetarian pizza
I want a hot cheese pizza
高級語法中可以對不同的選項設(shè)置不同的權(quán)重。權(quán)重值等于1表示無權(quán)重，小于1表示負(fù)面的偏好，大于1表示正面的偏好。在上面的語法中，我們可以添加權(quán)重來表示特定的優(yōu)先級設(shè)置，發(fā)生幾率高于其他選項設(shè)置：
xmlns="http://www.w3.org/2001/06/grammar"
mode="voice"
xml:lang="en-GB"
root="pizza">
I want a hot
pizza
5、SRGS的規(guī)則擴(kuò)展中可以支持一個參照規(guī)則來引入其他的規(guī)則，通過要素加以說明。規(guī)則參照的主要目的是重用規(guī)則擴(kuò)展。其用法規(guī)則如下：
xmlns="http://www.w3.org/2001/06/grammar"
mode="voice"
xml:lang="en-GB"
root="pizza">
可參照的規(guī)則通過URI屬性的值來定義。當(dāng)然，它也可以通過一個完整的URL來定義：。
6、SRGS通過預(yù)留的名稱定義了三種特別的規(guī)則，它們分別是：NULL，VOID 和GARBAGE。其作用表示：
NULL，如果講話者沒有說任何語句，自動匹配為Null。
VOID，在排列順序中是一個相反的效果，它說明順序從來沒有匹配。
GARBAGE，則會一直匹配，直到下一個標(biāo)志，語法擴(kuò)展或結(jié)束輸入。
xmlns="http://www.w3.org/2001/06/grammar"
mode="voice"
xml:lang="en-GB"
root="pizza">
在以上的語法中，任何語句內(nèi)容都可以匹配此語法規(guī)則（介于hot和pizza之間的輸入內(nèi)容）。例如，“I want a hot something or other pizza”就可以匹配以上語法規(guī)則。
7、SRGS提供了一個結(jié)構(gòu)支持規(guī)則擴(kuò)展重復(fù)。通過一個重復(fù)的要素設(shè)置可以增加語法的緊湊性。大家可以想象一下，如果在語法中需要定義一個數(shù)值長度的話，可能需要從0到9這樣的設(shè)置，我們使用，則需要很多次重復(fù)的語句，語句就會顯得非常冗長。以下是repeat 屬性的設(shè)置語法：
repeat 表示的取值范圍如下：
0-1表示包含的規(guī)則開展內(nèi)容是可選的
0-表示至少包含零次，一次或多次規(guī)則擴(kuò)展
1-表示至少發(fā)生一次匹配
以下就是一個使用repeat的示例，表示允許用戶說“very” 三次。
xmlns="http://www.w3.org/2001/06/grammar"
mode="voice"
xml:lang="en-GB"
root="pizza">
SRGS的語法也可以支持在語音通信領(lǐng)域中用戶經(jīng)常使用的DTMF按鍵。很多時候，用戶通過DTMF輸入來確認(rèn)一些系統(tǒng)信息，例如密碼或其他語音選項設(shè)置。SRGS的DTMF和通信領(lǐng)域中的DTMF按鍵有所不同，通信領(lǐng)域的可以接受0-9數(shù)字，ABCD等其他字符設(shè)置，而SRGS支持0-9數(shù)字，語法結(jié)構(gòu)也比較簡單，以下是一個可以接受4位數(shù)DTMF的語法格式：
xmlns="http://www.w3.org/2001/06/grammar"
mode="dtmf"
root="digits">
8、在SRGS語法提供了對語義解釋（SISR）的兩種方式，它們可以通過tag-format來獲得支持。很多情況下，我們使用不同的表達(dá)方式來解釋同一種結(jié)果。其中一種是semantics/1.0-literals的方式，這里無論用戶以哪種方式說yes/no，都會返回yes/no的結(jié)果，其數(shù)值結(jié)構(gòu)是ECMAScript 的數(shù)據(jù)格式。
xmlns="http://www.w3.org/2001/06/grammar"
mode="voice"
xml:lang="en-GB"
root="yesno"
tag-format="semantics/1.0-literals">
另外一種是使用語義腳本語言，通過tag-format-semantics/1.0獲得支持。tag中的內(nèi)容被看作是ECMAScript 代碼。ECMAScript是一種腳本語言，類似于我們現(xiàn)在通常用到的JavaScript。
xmlns="http://www.w3.org/2001/06/grammar"
mode="voice"
xml:lang="en-GB"
root="pizza"
tag-format="semantics/1.0">
I want a
pizza
這里，我們假設(shè)發(fā)音是”I want a large vegetarian pizza“，那么返回ECMAScript 腳本對象的兩個屬性是size 和 sort類型，其值分別是large和2。其取值變量遵循的是ECMAScript 標(biāo)準(zhǔn)。腳本的對象數(shù)值是：
{
size: "large",
sort: 2
}
這個標(biāo)識符表示了腳本的數(shù)據(jù)結(jié)構(gòu)，語音應(yīng)用程序?qū)⑵鋽?shù)值存儲為數(shù)據(jù)庫的數(shù)據(jù)以便將來使用。semantics/1.0還支持了meta 數(shù)據(jù)的表達(dá)方式等靈活的處理方式，我們這里不再做更多介紹。具體的實現(xiàn)方式建議大家參考相關(guān)的SISR技術(shù)資料。另外，語義腳本語言支持的是ECMScript， 關(guān)于腳本語言的使用方式和變量取值等內(nèi)容，讀者可以參考我們的鏈接。
9、在本章節(jié)中，我們重點介紹了SRGS技術(shù)細(xì)節(jié)中幾個主要的概念和要素使用方式以及其相關(guān)的語法結(jié)構(gòu)。首先，筆者對語音識別語法的背景做了簡單介紹，然后對一些關(guān)鍵語法做了細(xì)致的介紹，包括的關(guān)鍵語法為可選項設(shè)置，重復(fù)語法設(shè)置，預(yù)留的三種特殊設(shè)置，語義腳本結(jié)構(gòu)（SISR），DTMF設(shè)置等設(shè)置語法。這些關(guān)鍵語法可以幫助優(yōu)化語法文件的結(jié)構(gòu)，增加其靈活性和緊湊性，從而使其語法規(guī)則更接近于人類的自然語言。
在接下來的章節(jié)中，筆者會介紹自然語言語義標(biāo)識語言（NLSML）的語法結(jié)構(gòu)和其使用方式。
參考資料：
https://tools.ietf.org/rfc/rfc5234.txt
http://cs229.stanford.edu/section/cs229-hmm.pdf
關(guān)于SISR標(biāo)準(zhǔn)技術(shù)：https://www.w3.org/TR/semantic-interpretation/
http://www.ecma-international.org/publications/standards/Ecma-327.htm
HMM介紹-A Tutorial on Hidden Markov Models and
Selected Applications in Speech Recognition
unimrcp-MRCP協(xié)議學(xué)習(xí)分享，QQ群號：208136295
關(guān)注微信公眾號：asterisk-cn，獲得有價值的行業(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
