Vamos a ver como crear nuestro propio bot que interactue usando la voz. Algo, salvando las distancias, al estilo Siri, Alexa o Cortana. En esta entrada voy a hablar solo de la arquitectura y no del procesamiento del lenguaje natural o de la síntesis del mismo.
Lo primero que necesita todo bot es estar escuchando a la espera de oír su nombre o alguna frase que pueda reconocer como su orden. Aunque hay implementaciones por hardware que esperan oír el nombre del bot para activar la captura de audio, en nuestro caso deberemos estar escuchando constantemente. Así que nuestro primer componente va ser un proceso que escucha constantemente y transforma el audio en texto.
Posteriormente ese texto ha de ser analizado por un sistema de reglas que determine si el audio contiene algún comando valido, en nuestro caso el sistema de reglas estará basado en expresiones regulares.
Una vez tengamos una coincidencia valida se tienen que extraer los datos del comando y ejecutar el código asociado.
El resultado de la ejecución de ese código ha de ser transformado a una frase de texto que sea entendible por el usuario.
Finalmente ese texto será leído en voz alta por nuestro bot. Por lo que necesitaremos un sistema que sintetice la voz a partir del texto.
Los navegadores modernos incluyen una API tanto de reconocimiento del habla como de síntesis del habla . Aunque la verdad que el único que les da un soporte decente es Chrome, de hecho es el único en que logré que funcionara en español. Con eso tenemos parte de lo que necesita un bot, falta una forma de definir los comando validos y otra de componer las frases que el bot necesite decir. Para ello, y alguna cosa más, se ha creado la librería jsBotVoice
En resumen:
- Captura del audio
- Conversión a texto
- Análisis del texto en busca de coincidencias con los comandos de texto definidos
- Extracción de datos y ejecución del código asociado al comando
- Creación del texto en respuesta
- Síntesis de voz a partir del texto
Diagrama de funcionamiento de un bot que se comunica por voz
Los puntos del 1 al 4 están explicados en esta entrada del blog y del 5 al 6 en esta otra.
Construyendo a Chispas 