写在前面

• 之前上学使用华为的ModelArts平台做了类似的图像识别之类的小项目，零编码，但是需要自己搞数据集，标注、选择算法、训练模型等，用的话直接调API。
• NLP方面之前的一个实习公司有用，对一些类似招股书文件数据进行核查的。那会我作为Java开发做些数据清洗的工作，调NLP的接口去识别一些表格,然后用java写一些逻辑，把数据的按要求分类整理上传。
• 在之后工作中没有接触过，也没有学习过，但是对这方面蛮感兴趣的。基本算是小白，对NLP之类的算法也不懂，买了一本相关的书籍，也落灰了。看到一个Azure认知服务的活动，学习学习。

博文内容主要是：使用Azure认知服务学习，涉及语言理解、文本翻译、语音转文本

我徒然学会了抗拒热闹，却还来不及透悟真正的冷清。--------张大春

在使用之前我们需要先了解下相关概念

一、关于认知服务的一些基本概念和术语

什么是 Azure 认知服务？：

认知服务: 提供认知理解(看、听、说、理解，甚至可以决策的认知)功能的服务。

认知服务主要分为四大类：

• 影像
• 语音
• 语言
• 决策

Azure 认知服务是具有 REST API和客户端库 SDK的基于云的服务，可用于帮助你将认知智能构建到应用程序中。 即使你没有人工智能 (AI) 或数据科学技能，也可向应用程序添加认知功能。Azure 认知服务包含各种 AI 服务，让你能够构建可以看、听、说、理解，甚至可以决策的认知解决方案。

我们要做一个可以和自己聊天的机器人，需要语言理解，即告诉机器人想说什么话，表达什么意思，我们先看看这部分

二、什么是语言理解 (LUIS)？

语言理解 (LUIS) 是一种基于云的对话式 AI 服务，可在用户对话的自然语言文本中应用自定义机器学习智能，以便预测整体含义并提炼出相关的详细信息。 LUIS 通过其自定义门户、API 和 SDK 客户端库提供访问权限。找重点，会提炼出相关信息，换句话讲，就是把要表达的信息转化成机器或者说AI能够识别的信息。

1）、服务构建步骤

1、创建一个资源

使用Azure门户创建新资源
关于Azure 认知服务入门方面的教程，小伙伴可以移步官方文档 https://docs.azure.cn/zh-cn/cognitive-services/cognitive-services-apis-create-account?tabs=multiservice%2Cwindows

2、服务应用构建

步骤
登录到LUIS门户
创建新应用
生成模型
添加意向，即你要说些什么话，即语料，这个随便写点
添加13-15个
添加实体
使用预构建的模型，这里我们全都选择了,上面的2步应该就是生成这个，类似模板
训练模型
发布模型
查看信息

3、发布应用服务测试,使用python脚本调用接口

########### Python 3.6 #############

#
# This quickstart shows how to predict the intent of an utterance by using the LUIS REST APIs.
# 导入模块
import requests

try:
    ##########
    # Values to modify.
    # YOUR-APP-ID: The App ID GUID found on the www.luis.ai Application Settings page.
    # 替换为自己的APP-ID
    appId = '949d3538-07df-4149-bee8-83dc7f4e11bd'
    # YOUR-PREDICTION-KEY: Your LUIS prediction key, 32 character value.
    prediction_key = '24440ef2829c45f0**61599ee00b496a'
    # YOUR-PREDICTION-ENDPOINT: Replace with your prediction endpoint.
    # For example, "https://westus.api.cognitive.microsoft.com/"
    prediction_endpoint = 'https://chatbot0.cognitiveservices.azure.cn/'
    # The utterance you want to use.
    # 你想和他说的话..
    utterance = '一个人怎么生活？'
    ##########
    # The headers to use in this REST call.
    headers = {
    }

    # The URL parameters to use in this REST call.
    params ={
        'query': utterance,
        'timezoneOffset': '0',
        'verbose': 'true',
        'show-all-intents': 'true',
        'spellCheck': 'false',
        'staging': 'false',
        'subscription-key': prediction_key
    }


    # Make the REST call.
    response = requests.get(f'{prediction_endpoint}luis/prediction/v3.0/apps/{appId}/slots/production/predict', headers=headers, params=params)

    # Display the results on the console.
    print(response.json())


except Exception as e:
    # Display the error string.
    print(f'{e}')

这里我们用docker搞一个python环境，然后执行一下脚本，测试一下

┌──[root@liruilongs.github.io]-[/liruilong]
└─$ docker pull centos/python-36-centos7
┌──[root@liruilongs.github.io]-[/liruilong]
└─$ ls
input  luis_run.sh  output  predict.py
┌──[root@liruilongs.github.io]-[/liruilong]
└─$ docker run --rm -it  --name=chatbot -v $PWD/predict.py:/predict.py centos/python-36-centos7  /bin/bash
(app-root) cd /
(app-root) ls
anaconda-post.log  bin  boot  dev  etc  help.1  home  lib  lib64  media  mnt  opt  predict.py  proc  root  run  sbin  srv  sys  tmp  usr  var
(app-root) python predict.py
Traceback (most recent call last):
  File "predict.py", line 6, in <module>
    import requests
ModuleNotFoundError: No module named 'requests'
(app-root) pip install requests
.........................
Collecting requests
  Downloading https:/
  .....
(app-root) python predict.py
{'query': '一个人怎么生活？', 
 'prediction':
     {'topIntent': '生活加油', 'intents': {'生活加油': {'score': 0.8969882}, 'Calendar.ShowNext': {'score': 0.58274937}, 'Calendar.FindCalendarWhen': {'score': 0.25383785}, 'Places.GetReviews': {'score': 0.24764298}, 'Utilities.ReadAloud': {'score': 0.20971665}, 'HomeAutomation.QueryState': {'score': 0.15509635}, 'Calendar.CheckAvailability': {'score': 0.12212229}, 'Places.GetPriceRange': {'score': 0.122063436},........

测试成功 :predict.py脚本

2）、本地部署服务，启动和运行

1、 LUIS环境准备

进入资源
按照部署要求一步步构建
拉取镜像
最好找个镜像加速器配置一下，要不太慢了

2、安装并运行 LUIS 的 Docker 容器

运行步骤
必需的参数:所有认知服务容器都需要三个主要参数。 最终用户许可协议 (EULA) 的值必须为 accept。 此外，终结点URL和API密钥都是必需的。

运行 LUIS 的 Docker 容器

┌──[root@liruilongs.github.io]-[/liruilong]
└─$ mkdir input output
┌──[root@liruilongs.github.io]-[/liruilong]
└─$ ls
input  luis_run.sh  output
┌──[root@liruilongs.github.io]-[/liruilong]
└─$ cat luis_run.sh
docker run --rm -it -p 5000:5000 --memory 4g --cpus 2 -v $PWD/input:/input -v $PWD/output:/output mcr.microsoft.com/azure-cognitive-services/language/luis Eula=accept Billing=https://chatbot0.cognitiveservices.azure.cn/ ApiKey=24440ef2829c45f0**61599ee00b496a  ##这里参数填自己的
┌──[root@liruilongs.github.io]-[/liruilong]
└─$ docker run --rm -it -p 5000:5000 --memory 4g --cpus 2 -v $PWD/input:/input -v $PWD/output:/output mcr.microsoft.com/azure-cognitive-services/language/luis Eula=accept Billing=https://chatbot0.cognitiveservices.azure.cn/ ApiKey=24440ef2829c45f0a**1599ee00b496a  ## 启动容器


EULA Notice: Copyright © Microsoft Corporation 2020. This Cognitive Services Container image is made available to you under the terms [https://go.microsoft.com/fwlink/?linkid=2018657] governing your subscription to Microsoft Azure Services (including the Online Services Terms [https://go.microsoft.com/fwlink/?linkid=2018760]). If you do not have a valid Azure subscription, then you may not use this container.


Using '/input' for reading models and other read-only data.
Using '/output/luis/ff2a18ee78a1' for writing logs and other output data.
Logging to console.
Submitting metering to 'https://chatbot0.cognitiveservices.azure.cn/'.
warn: Microsoft.AspNetCore.DataProtection.KeyManagement.XmlKeyManager[35]
      No XML encryptor configured. Key {d826e89b-febe-4b93-bad8-db07cb994012} may be persisted to storage in unencrypted form.
warn: Microsoft.AspNetCore.Server.Kestrel[0]
      Overriding address(es) 'http://+:80'. Binding to endpoints defined in UseKestrel() instead.
Hosting environment: Production
Content root path: /app
Now listening on: http://0.0.0.0:5000
Application started. Press Ctrl+C to shut down.

测试
查看接口API

应用包上传，放到input文件夹下

┌──(liruilong㉿Liruilong)-[/mnt/c/Users/lenovo/Downloads]
└─$ scp ./949d3538-07df-4149-bee8-83dc7f4e11bd_production.gz  root@192.168.26.55:/
949d3538-07df-4149-bee8-83dc7f4e11bd_production.gz                                    100% 6434KB  19.0MB/s   00:00

放到input文件夹下，启动容器

┌──[root@liruilongs.github.io]-[/]
└─$ cp 949d3538-07df-4149-bee8-83dc7f4e11bd_production.gz  /liruilong/input/
┌──[root@liruilongs.github.io]-[/]
└─$ cd /liruilong/input/
┌──[root@liruilongs.github.io]-[/liruilong/input]
└─$ ls
949d3538-07df-4149-bee8-83dc7f4e11bd_production.gz
┌──[root@liruilongs.github.io]-[/liruilong/input]
└─$ cd ..
┌──[root@liruilongs.github.io]-[/liruilong]
└─$ pwd
/liruilong
┌──[root@liruilongs.github.io]-[/liruilong]
└─$ # 启动容器服务

┌──[root@liruilongs.github.io]-[/liruilong]
└─$ docker run --rm --name=demo  -it -p 5000:5000 --memory 4g --cpus 2 -v $PWD/input:/input -v $PWD/output:/output mcr.microsoft.com/azure-cognitive-services/language/luis Eula=accept Billing=https://chatbot0.cognitiveservices.azure.cn/ ApiKey=24440ef2829c45f0a**1599ee00b496a


EULA Notice: Copyright © Microsoft Corporation 2020. This Cognitive Services Container image is made available to you under the terms [https://go.microsoft.com/fwlink/?linkid=2018657] governing your subscription to Microsoft Azure Services (including the Online Services Terms [https://go.microsoft.com/fwlink/?linkid=2018760]). If you do not have a valid Azure subscription, then you may not use this container.


Using '/input' for reading models and other read-only data.
Using '/output/luis/da43b9631f9d' for writing logs and other output data.
Logging to console.
Submitting metering to 'https://chatbot0.cognitiveservices.azure.cn/'.
warn: Microsoft.AspNetCore.DataProtection.KeyManagement.XmlKeyManager[35]
      No XML encryptor configured. Key {886021ff-6bf5-423d-be12-ba9b52383b9e} may be persisted to storage in unencrypted form.
warn: Microsoft.AspNetCore.Server.Kestrel[0]
      Overriding address(es) 'http://+:80'. Binding to endpoints defined in UseKestrel() instead.
Hosting environment: Production
Content root path: /app
Now listening on: http://0.0.0.0:5000
Application started. Press Ctrl+C to shut down.

文件名不对，需要改一下
用swagger测试一下

随便找一句测试一下：

据悉，该活动由世界休闲组织，杭州市政府主办，中国国际科技促进会三农发展工作委员会等联合会承办。

{
  "query": "据悉，该活动由世界休闲组织，杭州市政府主办，中国国际科技促进会三农发展工作委员会等联合会承办。",
  "topScoringIntent": {
    "intent": "Places.GetPhoneNumber",
    "score": 0.9103095
  },
  "entities": [
    {
      "entity": "工作",
      "type": "Calendar.Subject",
      "startIndex": 35,
      "endIndex": 36,
      "score": 0.63087225
    },
    {
      "entity": "际科技促进会三农发展工作委员会等联合会承办 。",
      "type": "Note.Text",
      "startIndex": 25,
      "endIndex": 46,
      "score": 0.6798551
    },
    {
      "entity": "杭州市",
      "type": "Places.AbsoluteLocation",
      "startIndex": 14,
      "endIndex": 16,
      "score": 0.966151536
    },
    {
      "entity": "国际科",
      "type": "Places.PlaceName",
      "startIndex": 24,
      "endIndex": 26,
      "score": 0.3605822
    },
    {
      "entity": "工作",
      "type": "Calendar.DestinationCalendar",
      "startIndex": 35,
      "endIndex": 36,
      "resolution": {
        "values": [
          "工作"
        ]
      }
    },
    {
      "entity": "工作",
      "type": "Places.OpenStatus",
      "startIndex": 35,
      "endIndex": 36,
      "resolution": {
        "values": [
          "工作"
        ]
      }
    },
    {
      "entity": "休闲",
      "type": "RestaurantReservation.Atmosphere",
      "startIndex": 9,
      "endIndex": 10,
      "resolution": {
        "values": [
          "休闲"
        ]
      }
    }
  ]
}

回过头看看语言理解的定义：

语言理解 (LUIS) 是一种基于云的对话式 AI 服务，可在用户对话的自然语言文本中应用自定义机器学习智能，以便预测整体含义并提炼出相关的详细信息。 LUIS 通过其自定义门户、API 和 SDK 客户端库提供访问权限。找重点，会提炼出相关信息，换句话讲，就是把要表达的信息转化成机器或者说AI能够识别的信息。

简单尝试一下，可以把生成的实体组合，作为关键字给类似图灵机器人用，进行简单对话，简单测试了下，发现效果很一般,可能方法不太对，或者我找的机器人太差了，Azure的机器人需要注册绑卡…所以这个以后有时间研究研究

额…聊天机器人没出写来,唐突了，没法治愈自己了 ^ _ ^

下面看看其他的认知服务，语音合成产品系列，我们现在聊天大都是语音，对于聊天机器人来说，需要把语音转化为文本。然后才是语言理解。

三、什么是语音转文本？

使用语音转文本（也称为语音识别）功能，可将音频流实时听录为文本。 应用程序、工具或设备可以使用、显示和处理此文本即命令输入。

1)、服务构建：

1、创建一个资源

创建一个资源

2) JAVA开发环境准备，拉去github的Demo

这里我们使用过java的方式

Git ：https://github.com/Azure-Samples/cognitive-services-speech-sdk/tree/master/quickstart/java/jre/from-microphone

步骤
克隆代码
导入项目

3）调用API测试

调用API测试
语音文件转文本
找了一首 梁静茹-我还记得 歌曲测试下，发现不行，可能还没这么智能,或者歌词太长了
麦克风转文本：大城小爱中的一句歌词识别：是妈妈告诉我的哲理 ===》妈妈告诉我，我的心里。应该是歌曲的原因，正常说话可以还是不错的，这里调硬件的代码直接封装好了，特别方便

package speechsdk.quickstart;

import com.microsoft.cognitiveservices.speech.*;
import com.microsoft.cognitiveservices.speech.audio.AudioConfig;

import java.util.concurrent.ExecutionException;
import java.util.concurrent.Future;
import java.util.concurrent.Semaphore;

import static com.microsoft.cognitiveservices.speech.ResultReason.*;

/**
 * @Classname Program
 * @Description TODO
 * @Date 2021/10/30 13:58
 * @Created LiRuilong
 */
public class Program {
    private static Semaphore stopTranslationWithFileSemaphore;


    public static void main(String[] args) throws InterruptedException, ExecutionException {
        SpeechConfig speechConfig = SpeechConfig.fromSubscription("eb48f918a90448fe***53633d6301ebb", "chinanorth2");
        speechConfig.setSpeechRecognitionLanguage("zh-cn");
        // 从文件中识别
        // SpeechRecognitionResult result =  fromFile(speechConfig);
        // 从麦克风识别
        SpeechRecognitionResult result =  fromMic(speechConfig);
        switch (result.getReason()) {
            case RecognizedSpeech:
                System.out.println("We recognized: " + result.getText());
                break;
            case NoMatch:
                System.out.println("NOMATCH: 无法识别语音.");
                break;
            case Canceled: {
                CancellationDetails cancellation = CancellationDetails.fromResult(result);
                System.out.println("CANCELED: Reason=" + cancellation.getReason());

                if (cancellation.getReason() == CancellationReason.Error) {
                    System.out.println("CANCELED: ErrorCode=" + cancellation.getErrorCode());
                    System.out.println("CANCELED: ErrorDetails=" + cancellation.getErrorDetails());
                    System.out.println("CANCELED: Did you update the subscription info?");
                }
            }
            default:{};
            break;
        }
    }

    /**
     * @param speechConfig:
     * @return: void
     * @Description  从麦克风识别
     * @author LiRui long
     * @date  2021/11/1  18:30
     **/
    public static SpeechRecognitionResult  fromMic(SpeechConfig speechConfig) throws InterruptedException, ExecutionException {
        AudioConfig audioConfig = AudioConfig.fromDefaultMicrophoneInput();
        SpeechRecognizer recognizer = new SpeechRecognizer(speechConfig, audioConfig);

        System.out.println("对这麦克风说话.");
        Future<SpeechRecognitionResult> task = recognizer.recognizeOnceAsync();
        SpeechRecognitionResult result = task.get();
        return  result;
    }

    /**
     * @param speechConfig:
     * @return: com.microsoft.cognitiveservices.speech.SpeechRecognitionResult
     * @Description          从文件中识别
     * @author LiRui long
     * @date  2021/11/1  18:29
     **/
    public static SpeechRecognitionResult fromFile(SpeechConfig speechConfig) throws InterruptedException, ExecutionException {
        AudioConfig audioConfig = AudioConfig.fromWavFileInput("E:\\docker\\cognitive-services-speech-sdk\\quickstart\\java\\jre\\translate-speech-to-text\\src\\speechsdk\\quickstart\\梁静茹-我还记得.wav");
        SpeechRecognizer recognizer = new SpeechRecognizer(speechConfig, audioConfig);

        // First initialize the semaphore.
        stopTranslationWithFileSemaphore = new Semaphore(0);

        recognizer.recognizing.addEventListener((s, e) -> {
            System.out.println("RECOGNIZING: Text=" + e.getResult().getText());
        });

        recognizer.recognized.addEventListener((s, e) -> {
            if (e.getResult().getReason() == RecognizedSpeech) {
                System.out.println("RECOGNIZED: Text=" + e.getResult().getText());
            }
            else if (e.getResult().getReason() == NoMatch) {
                System.out.println("NOMATCH: Speech could not be recognized.");
            }
        });

        recognizer.canceled.addEventListener((s, e) -> {
            System.out.println("CANCELED: Reason=" + e.getReason());

            if (e.getReason() == CancellationReason.Error) {
                System.out.println("CANCELED: ErrorCode=" + e.getErrorCode());
                System.out.println("CANCELED: ErrorDetails=" + e.getErrorDetails());
                System.out.println("CANCELED: Did you update the subscription info?");
            }

            stopTranslationWithFileSemaphore.release();
        });

        recognizer.sessionStopped.addEventListener((s, e) -> {
            System.out.println("\n    Session stopped event.");
            stopTranslationWithFileSemaphore.release();
        });

        Future<SpeechRecognitionResult> task = recognizer.recognizeOnceAsync();
        SpeechRecognitionResult result = task.get();
        return  result;
        //System.out.println("RECOGNIZED: Text=" + result.getText());
    }



}

四、什么是文本翻译

文本翻译是一种基于云的机器翻译服务，是 Azure 认知服务系列 REST API 的一部分。 翻译器可用于任何操作系统

1)、服务构建：

创建资源

2）Node环境调用API测试

这里我们用node环境来测试一下;

$ docker pull node
$ mkdir translateDemo;cd translateDemo
$ vim translateDemo.js

测试js准备

const axios = require('axios').default;
const { v4: uuidv4 } = require('uuid');

let subscriptionKey = "3c6588c7026b41a4**7f81551cb4a737";
let endpoint = "https://api.translator.azure.cn/";


let location = "chinanorth";

axios({
    baseURL: endpoint,
    url: '/translate',
    method: 'post',
    headers: {
        'Ocp-Apim-Subscription-Key': subscriptionKey,
        'Ocp-Apim-Subscription-Region': location,
        'Content-type': 'application/json',
        'X-ClientTraceId': uuidv4().toString()
    },
    params: {
        'api-version': '3.0',
        'from': 'zh-Hans',
        'to': ['zh-Hant', 'en']
    },
    data: [{
        'text': '我徒然学会了抗拒热闹，却还来不及透悟真正的冷清。--------张大春'
    }],
    responseType: 'json'
}).then(function(response){
    console.log(JSON.stringify(response.data, null, 4));
})

这里测试将 【我徒然学会了抗拒热闹，却还来不及透悟真正的冷清。--------张大春】中文简体翻译为中文繁体，英语。

┌──[root@liruilongs.github.io]-[~/translateDemo]
└─$ vim translateDemo.js
┌──[root@liruilongs.github.io]-[~/translateDemo]
└─$ docker run -it --rm --name=translateDemo -v $PWD/translateDemo.js:/root/translateDemo.js node:latest /bin/bash
root@35376c1c05d8:/# pwd
/
root@35376c1c05d8:/# cd root/;npm install axios uuid

added 3 packages, and audited 4 packages in 7s

1 package is looking for funding
  run `npm fund` for details

found 0 vulnerabilities
root@35376c1c05d8:~# node translateDemo.js
[
    {
        "translations": [
            {
                "text": "我徒然學會了抗拒熱鬧，卻還來不及透悟真正的冷清。 --------張大春",
                "to": "zh-Hant"
            },
            {
                "text": "I learned in vain to resist the excitement, but it is too late to understand the real cold. -------- Zhang Dachun",
                "to": "en"
            }
        ]
    }
]
root@35376c1c05d8:~#

时间原因，关于Azure认知服务免费提供的AI服务就尝试到这里，聊天机器人没有写出来哈，但是对Azure认知服务有一些了解，嘻，生活加油 ^ _ ^