语音识别技术嵌入网页游戏可行性报告.docx

游戏综述一、 游戏行业概述 随着电子设备和相关产业的发展，单机版电子游戏的发展远远落后于网络版电子游戏。整体看来电子游戏行业的发展比起前两年的白热化还是有所降温的，市场研究公司rncos最新发布的中国网络游戏市场分析报告称，中国网络游戏市场基本面强劲，到2013年网络游戏的收入将增长一倍以上。从游戏策划与设计的角度来看，现在的网络游戏更加的注重对于不同的玩家进行细致的分类和玩家的不同职业特点、性别特点来进行游戏的研发与设定。所以未来的游戏必定是网络化多元化的。网络游戏市场已经成为中国游戏产业中最有活力的部分。互联网和宽带的进一步普及，加快了网络游戏产品开发速度和商业化进程，网络游戏用户呈现两位数的增长速度。2008年中国网游市场总收入超过180亿元人民币(约26.5亿美元)，相比2002年，同比增长约1700%，国内企业占据了中国大多数的网游市场。这些本土公司与国外同行相比，总收入方面保持了快速增长。在2008年，国内企业产生的收入增长将近60%，接近于国外公司的65%，2009年第1季度中国网络游戏市场收入规模达55.14亿。二、网页游戏的崛起在网络游戏发展的同时，有一股新的力量在不断崛起。借着社交网站的蓬勃发展，网页游戏逐渐兴起，受到了广大网民的青睐。虽然，网页游戏在我国的发展目前仍处在初级阶段，难免存在游戏类型过于单一、大公司涉足不深和技术制约等问题，但是，网页游戏有着良好的发展前景，其中一个很大的因素就是3g时代的到来。3g的推出，奠定了网页游戏在手机上运行的基础，网页游戏的移动性得以实现，这将为网页游戏搭建一个新平台。3g时代网页游戏的最大特色是跨越与融合，同一款游戏，用户不仅可以在pc机上进行，在没有pc时，也可以通过手机来进行。这样的特色，不仅可以大大提高用户对游戏的黏度，更提高了3g网络的使用效率。随着3g网络技术和手机终端的不断完善，手机网页游戏将呈现在7亿多手机用户面前，网页游戏必将迎来发展的新局面。网页游戏与语音识别技术一、 什么是网页游戏1.1网页游戏简介 webgame（网页游戏）又称无端网游，是基于web浏览器的网络在线多人互动游戏，无需下载客户端，打开 网页就可以玩，目前为玩家提供服务的网页游戏门户有：网页游戏大全。尤其适合上班一族，只要几分钟的设定，游戏内的自动成长功能即可关掉电脑心满意足的去做工作；如果想随时了解游戏内的情况，还有短信提醒功能。 1.2网页游戏特点 第一：策略游戏内容不断丰富 第二：网页游戏内容多样化 第三：消费群体不断成熟 第四：市场集中度不断提高 第五：盈利模式不断丰富 2网页游戏开发技术尽管网页游戏应用的是服务器端脚本编写，但是运行还是需要一定的客户端技术支持的,比如网页浏览器，或者浏览器上常用的一些插件,如flash. 最新的网页游戏典型应用是大型多人在线角色扮演游戏(mmorpg:massive multiplayer online role-playing game)。 根据开发技术的不同，网页可分为： 浏览器端采用javascript/vbscirpt等开发的网页游戏，这类由于技术限制，多为策略型和简单图片型，现在90%以上的网页游戏都是采用这种技术开发。浏览器端采用flash或flex开发的网页游戏，这类由于flash10的支持，可以做到类似客户端网络游戏的画面。也就是flash做类似客户端，服务端是c#(c+),全部游戏规则及数据校验都由服务器端实现， 客户端只是显示，并接受玩家的操作数据，然后通过socket通信与服务器端交换数据。但受限于flash本身，在处理大规模场景的地图、即时战斗、同屏角色效率问题上有很大的局限。但flash对多媒体的支持是比较强的。这类是网页游戏的开发未来方向之一。点击征收 用户 服务端用户在浏览器上的指令通过传输发送到服务端，服务端接受，判断并校验数据再返回到用户去显示。这样我们就看到玩家的征收银币后的变化了二、什么是语音识别，为什么要引入语音 1语音识别 语音识别是一门交叉学科。近二十年来，语音识别技术取得显著进步，开始从实验室走向市场。人们预计，未来10年内，语音识别技术将进入工业、家电、通信、汽车电子、医疗、家庭服务、消费电子产品等各个领域。 语音识别听写机在一些领域的应用被美国新闻界评为1997年计算机发展十件大事之一。很多专家都认为语音识别技术是2000年至2010年间信息技术领域十大重要的科技发展技术之一。 语音识别技术所涉及的领域包括：信号处理、模式识别、概率论和信息论、发声机理和听觉机理、人工智能等等。与机器进行语音交流，让机器明白你说什么，这是人们长期以来梦寐以求的事情。语音识别技术就是让机器通过识别和理解过程把语音信号转变为相应的文本或命令的高技术。语音识别技术主要包括特征提取技术、模式匹配准则及模型训练技术三个方面根据针对的发音人，可以把语音识别技术分为特定人语音识别和非特定人语音识别，前者只能识别一个或几个人的语音，而后者则可以被任何人使用。显然，非特定人语音识别系统更符合实际需要，但它要比针对特定人的识别困难得多。 另外，根据语音设备和通道，可以分为桌面（pc）语音识别、电话语音识别和嵌入式设备（手机、pda等）语音识别。不同的采集通道会使人的发音的声学特性发生变形，因此需要构造各自的识别系统。 2为何要引入语音识别 早在计算机发明之前，自动语音识别的设想就已经被提上了议事日程，早期的声码器可被视作语音识别及合成的雏形。而1920年代生产的radio rex玩具狗可能是最早的语 汽车语音智能识别系统1音识别器，当这只狗的名字被呼唤的时候，它能够从底座上弹出来。 而现如今的21世纪，人类与机器对话早已不是梦想，人类通过语言命令来操作计算机已经逐渐成熟慢慢地取代了最初的手动操作。下面我们看下语音识别的应用领域 1电话通信的语音拨号 2汽车语音控制 3工业控制及医疗领域 4个人数字助理 5智能玩具 6家电遥控 以上应用领域均已开发成型但是我们发现语音识别系统并没有在游戏领域中得到普及，所以这将是一个广阔的市场。试问大家有没有想过不使用键盘鼠标，只说一句话就可以把你农场里的蔬菜水果全部收获；或者直接在虚拟麻将桌上打出你想要打出的牌。七条 由此我们可以看出语音识别将这种与机器互动的概念将会在今后的游戏领域中蓬勃发展，而语音识别游戏会慢慢取代键盘鼠标按钮的老游戏，选择语音识别发展拓宽我们的游戏道路是势在必行。所以我们有了一个大胆的想法：将语音识别嵌入网页游戏。网络的多元化使我们的信息交流更广泛，语音的嵌入可以让显示器前的你我聊天一样的去玩游戏。我们不需要客户端，只要有一个普通的浏览器和麦克风就可以实现所有的操作。随着3g时代的来临能否将语音识别的网络化应用到3g领域将是一个更大的挑战。 那么怎么实现网页中嵌入语音识别系统呢？下面的内容提供了一些可能性。语音识别嵌入网页游戏的可能性方案一、 dll我们知道声音是模拟信号，而计算机只能处理数字0和1，因此首先要把模拟的声音信号变成计算机能够识别和处理的数字信号，这个过程称为数字化，也叫“模数转换”。通过微软开完成型的sapi sdk在vc环境下配置通过一系列命令可以生成的一个库，也就是如果不进行客户端的安装，语音识别的功能就必须要有一个可以从语音到数字的模数转换这样就需要一个特殊的库文件dll文件。动态链接库（也称为dll，即为“dynamic link library”的缩写）是microsoft windows最重要的组成要素之一，打开windows系统文件夹，你会发现文件夹中有很多dll文件，windows就是将一些主要的系统功能以dll模块的形式实现。动态链接库是不能直接执行的，也不能接收消息，它只是一个独立的文件，其中包含能被程序或其它dll调用来完成一定操作的函数，但这些函数不是执行程序本身的一部分，而是根据进程的需要按需载入，此时才能发挥作用。dll只有在应用程序需要时才被系统加载到进程的虚拟空间中，成为调用进程的一部分，此时该dll也只能被该进程的线程访问，它的句柄可以被调用进程所使用，而调用进程的句柄也可以被该dll所使用。在内存中，一个dll只有一个实例，且它的编制与具体的编程语言和编译器都没有关系，所以可以通过dll来实现混合语言编程。dll函数中的代码所创建的任何对象（包括变量）都归调用它的线程或进程所有。这样我们知道通过vc环境下sapi sdk生成导入语音命令的库文件，接下来如何去调用这个dll库文件呢？二、调用dll库文件 1客户端调用 开发网页游戏的话我们看到flash的前景一片光明，那我们可以直接用flash cs和flash builder 来开发客户端，这样我们自然就认为如果这两种开发工具如果可以直接去调用dll文件则省去大部分时间从而开发变的相对简单，然而实际情况往往并不是那么理想。 flash的主流开发语言是as3，as3 本身只能运行在flash的解释器里，没有办法直接调用ie插件。但as3可调用javascript, 用javascript再调用ie插件应该是可以，所以现在的关键问题是，能否用js 调用语音识别的ie插件。这就和我们播放falsh动画和网页显示flash一样，首先需要安装flash player插件才可以正常播放观看。那么就需要做一个语音识别全部功能的ie插件才可以，那么就是把dll库文件做成插件让使用的用户玩家在网页中安装，js调用之后，直接得到插件识别后返回的命令数据。这个就不传服务器了， 传服务器是as3判断命令之后，如果是合法的出牌，抓牌等具体数据，由as3负责和服务器端通信。这样就可以完成语音与数据的通信。 可是这样的方法使得用户在初次使用的时候需要花费大量的空间去下载这个dll插件，并且后台也需要大量的空间来运行这个插件，在数据传输的效率上目前还未知。再者，客户端是网页形式，那么显示的就是flash的内容，如果需要在客户端完成语音识别的工作就需要flash可以调用dll通过语音判断出命令然后把数值传递给服务端去处理。那么flash在调用dll方面目前不是很理想，如果通过第三方语言去调用那么就意味着是否要在客户端安装第三方软件，这样使客户端安装东西过于庞大了，bs架构就是要以不安装客户端为目的来实现网页化，这样只能反其道而行使网页游戏客户端化。虽然在识别上会很轻松（因为在客户端上直接进行识别），传递数据上不会占用太多带宽并且对服务器来说处理得信息量不会过于冗长，但本意上却舍弃了网页，浏览器的作用仅仅是简单的显示画面，操作起来还是需要靠客户端的文件来支持，所以这种方法暂时不会考虑。2服务端调用如果作为服务端来调用的话想对来说，在技术层面上回简单些，因为服务端是后台语言调用dll非常方便。尤其像c+c#这类调用自己公司开发sdk生成的dll文件简直易如反掌。语音不需要在客户端处理而只是需要去传递，那么就和大多数聊天软件一样客户端只需要安装一个类似语音聊天的小软件就可以，而在服务端，后台可以去调用客户端传递的音频来进行语音识别。这样一来客户端不需要安装sdk以及dll文件，不过随之而来的问题就出现了。我们知道声音是模拟信号，传递的过程中要比相对的数字信号占用网络资源，这样服务端每天要处理大量的声音因为这不像聊天软件是客户端对客户端，而是客户端对服务器。那么如果我们把声音传输的软件做成ie插件的话，在启动ie的时候就会在进程中出现，当然我们可以把他设置成只有在游戏的的时候才会获取声音，那么游戏的过程中每时每刻都会有大量的声音信息传递到服务端，这样一来首先不清楚声音的传输效率，网速毕竟是有限的；再者来说服务端会不会因处理来自四面八方的声音数据而造成当机。这些还需要进一步去研究，不过目前来说这也是我们发展的一个方向之一，为什么呢？客户在使用的时候非常方便不需要下载太多的东西，不会去和用户的其他进程去占用内存资源，开启网页加载软件，关闭网页软件也随之关闭。那么接下来我们到底用什么样的声音传输软件呢，其实这个有很大的选择余地。就目前而言测试过的这一种我来介绍下。三、语音接收 点对点语音通信控件vsession双击vsession语音通信控件适用于vc、vb、 dot net平台、c+builder、delphi、易语言及网页应用程序等常见开发平台。您只要先在系统中安装控件（双击开发包中的文件“install.bat，可完成控件的安装）然后在各种开发环境下就可以像使用一般控件一样地方便地使用了。然后点击exe文件双击这样只要输入对方ip地址就可以连接上，那么对方重复上述操作再输入我方的ip地址就可以完成交互并且进行自由对话了。我们可以把ip设置成服务器的ip这样只需要单向的对话就可以完成语音的传递，那么下一步就是如何把它做成一个插件。四、网页插件 插件是一种遵循一定规范的应用程序接口编写出来的程序。很多软件都有插件，插件有无数种。例如在ie中，安装相关的插件后，web浏览器能够直接调用插件程序，用于处理特定类型的文件。ie插件ie浏览器常见的插件例如：flash插件、realplayer插件、mms插件、midi五线谱插件、activex插件等等;再比如winamp的dfx，也是插件。还有很多插件都是程序员新开发的。ie浏览器及资源管理器支持的插件文件类型1、*.ocx网页浏览时能够后台自动安装、用户可能无法发觉。 2、*.dll网页浏览时能够后台自动安装、用户可能无法发觉。 3、*.cab网页浏览时能够后台自动安装、用户可能无法发觉。 4、*.exe需要下载才能安装、安装权受用户控制。 5、注册表键值有网页或程序通过控制nwscript.exe、cscript.exe、wscript.exe、regedt32.e