一般來說，服務(wù)機器人“嘴巴”(人機對話系統(tǒng))由6個功能模塊組成，其外形和系統(tǒng) 結(jié)構(gòu)如圖2.5所示。

(1)語音識別模塊。該模塊將從音頻輸入設(shè)備中獲得的用戶語音信號所包含的詞匯 內(nèi)容轉(zhuǎn)換為計算機可以讀的文本信息或命令。

(2)自然語言理解模塊。得到的文本信息或命令需要經(jīng)過語言理解模塊的分析才能獲取用戶話語的語義信息，主要目的是將自然語言的表達(dá)形式轉(zhuǎn)換成計算機內(nèi)部所表示 的形式化語言，然后經(jīng)過計算和推導(dǎo)后獲取用戶的意圖。

(3)對話管理模塊。人機對話系統(tǒng)是用戶和計算機按照特定次序互相獲取對方信息 來完成特定任務(wù)的過程，此過程要對話管理模塊來進(jìn)行有效的控制管理。其主要根據(jù)當(dāng) 前用戶的話語信息，結(jié)合領(lǐng)域知識和對話歷史來確定用戶意圖，并決定系統(tǒng)下一步將要 采取的動作，如返回查詢結(jié)果，對用戶意圖的猜測詢問，出錯提示等。

(4)后臺服務(wù)處理模塊。該模塊完成系統(tǒng)的管理業(yè)務(wù)，例如數(shù)據(jù)庫查詢和管理等工 作。它在對話管理模塊的控制之下工作。

5)自然語言生成模塊。該模塊用來將系統(tǒng)輸出信息轉(zhuǎn)換成用戶可以理解的自然語言格式，將對話管理模塊輸出的詢問、確認(rèn)、澄清、查詢結(jié)果信息等轉(zhuǎn)變成用戶能夠理解 的自然語言。

(6)語音生成模塊。語音生成也稱為語音合成，該技術(shù)是將自然語言文本格式轉(zhuǎn)換 成為語音格式，Z終以聲音的方式將處理結(jié)果輸 出給用戶。下面介紹幾個服務(wù)機器人“嘴巴”的 實例。

近年來，SCUT “智能計算機”科研團(tuán)隊也對 聊天機器人展開了研究，如圖2.6所示。他們開 發(fā)的SCUT 聊天機器人包括攝像頭及驅(qū)動模塊、 語音拾取模塊、語音識別模塊、知識查詢模塊、語 音生成模塊；攝像頭捕獲人臉圖像，語音信號經(jīng) 由語音拾取模塊和語音識別模塊后識別出語義，聊天機器人根據(jù)用戶的語音來了解用戶的需求，

然后通過知識查詢模塊來形成會話語句，再通過語音生成模塊生成語音與用戶進(jìn)行交 流。該聊天機器具有語音識別和理解能力，它能夠聽懂用戶指令，可以應(yīng)用于學(xué)校、家 庭、賓館、公司、機場、車站、碼頭、會議等地進(jìn)行教育、聊天、會話、咨詢等服務(wù)；它還可以 為用戶提供宣傳介紹、來訪接待、辦事查詢、文秘服務(wù)、外語翻譯等。

日本日立公司也研制了一臺智能機器人EMIEW, 它的個頭和小孩一樣，依靠輪子移 動，如圖2.7(a)所示。由于身上裝有數(shù)碼相機和雷達(dá)探測器，它可以自動地躲避障礙物。 同時它的詞匯儲備量達(dá)到100多個，能夠?qū)σ恍┖唵蔚穆曇糁噶钭龀龇磻?yīng)，并且還能夠 和人進(jìn)行簡單的對話交流，甚至播報天氣預(yù)報等。第二代 EMIEW2 機器人可以通過無 線電裝置接收指令，然后毫不費力地在辦公室之間來回奔波，為辦公室人員跑腿。它站 立時身高大約為31.5英寸，體重為29磅。它能夠?qū)φ系K物應(yīng)付自如，對人的語音做出 回應(yīng)，并且一次充電后即可工作1小時。此外，能說5國語言的機器人及與人對話的機 器人也已經(jīng)誕生了，如圖2.7(b) 所示。在我國舉辦的日語演講大賽現(xiàn)場上，參加比賽的 選手以及日語院校的學(xué)生不但與該機器人進(jìn)行了交流互動，而且該機器人還獻(xiàn)上了許多 精彩舞蹈和歌曲。