前言

今年最夯的AI應用非『對話機器人』(ChatBot)莫屬了，許多大企業都已建置相關應用系統，並配置一組專案人員維運，一方面提昇機器人智慧，另一方面不斷擴展應用範疇(Skills)。

『對話機器人』可以廣泛應用在行銷、銷售及客服等方面，它對比真人有許多優點：

1. 24小時服務，永不喊累，也不會違反勞基法。
2. 顧客面對對話機器人，不會感受到銷售壓力，可以問好問滿。
3. 背後資料庫的支援，遠勝智商157的人類。
4. 一台伺服器可以同時支援上百位客戶。

對話機器人(ChatBot)的情境如下圖：

1. 使用者以語音或文字提出問題，如果是語音，一般需轉成文字(Speech to Text)，以便後端機器人作語意解析。
2. 自然語言理解(Natural Language Understanding, NLU)：語意解析後，系統可以找出使用者意圖(Intent)及實體(Entity)，包括人、事、時、地、物。
3. 回應(Response)：根據使用者意圖回應訊息，如果，結合物聯網(IOT)，回應也可能是直接驅動硬體，例如，打開電燈或撥放音樂。另外，也可能查詢資料庫，找到答案，加以回應。
4. 文字轉語音(Text to Speech)：如果是使用智慧音箱或手機，就可以利用Text to Speech技術，將回應轉為語音，直接播放。

說那麼多，不如實作，寫個程式示範一下。

實作

程式提供錄音、語音辨識、分詞，執行程式後，講一段話，例如，周杰倫到永康街吃牛肉麵，程式輸出結果為：
周杰倫/到/永康街/吃/牛肉麵
程式會將語音轉文字，並分詞，程式即可進一步解析，作出回應：

1. 意圖：吃
2. 實體：周杰倫(人)、永康街(地)、牛肉麵(物)

執行以下程式，需安裝三個套件：

1. SpeechRecognition
2. pyaudio
3. jieba

import speech_recognition as sr

# 錄音
recognizer = sr.Recognizer()
microphone = sr.Microphone()
with microphone as source:
    recognizer.adjust_for_ambient_noise(source)
    audio = recognizer.listen(source)

# 語音辨識    
# pip install SpeechRecognition
# pip install pyaudio
try:
    text=recognizer.recognize_google(audio, language='zh-tw')
    print(text)
except:
    pass

# jieba 分詞
# pip install jieba
import jieba
# 加詞
#jieba.add_word('三天三夜')

seg_list = jieba.cut(text)
print("/".join(seg_list))

結語

以上近20行程式，就可以搞定略具雛形的對話機器人了，至於如何回應，就待下回分解了。