Eric的个人博客

Appearance

需求文档 ​

版本：0.0.1
作者：Eric
日期：2025.2.1
审批人：暂无

1.引言 ​

  • 文档目的：本文档定义了TalkFlow移动应用的详细需求，旨在指导开发、测试和部署过程。文档确保所有利益相关者对应用的功能和性能有统一的理解。
  • 项目背景：面向出国工作、雅思备考、个人爱好等对英语口语需求大的用户，解决用户缺乏英语口语环境、真人对话没有勇气开口的痛点，设计一款Ai英语口语练习应用。项目源于初步的市场调研，用户需求包括简单易用和跨设备同步。
  • 范围：本文档覆盖应用的Core功能，包括语音输入(ASR)、自然语言处理(NLP)、语音输出(TTS)、对话管理、用户管理、系统管理。超出范围的如监控看板、Ai视频对话功能，将在后续版本中考虑。
  • 定义术语：
    • 用户：应用的使用者，包括个人用户和团队成员

2.需求概述 ​

Talkflow是一款AI英语口语练习软件，目的是帮助用户练习口语、纠正发音，成为用户的私人Ai英语教练。其核心功能包括：

  • 实时对话
  • 意图识别
  • 回复生成
  • 登录/权限控制
  • 多轮上下文跟踪，对话日志存储

核心指标：

  • 语音识别准确率(中英混合≥90%)
  • 端到端响应时间≤2s
  • 支持至少10轮的上下文记忆

3.功能需求 ​

3.1 模块划分 ​

功能需求
语音输入(ASR)- 支持实时麦克风录制
- 中英文自动检测
- 环境降噪音(可选)
自然语言处理(NLP引擎)- 中英混合理解
- 敏感词过滤
- 支持天气查询/翻译等技能扩展(可选)
语音输出(TTS)- 可调节语速/音调
- 中英语音无缝切换
对话管理- 多轮对话状态跟踪
- 对话日志记录
用户管理登录/权限控制、使用记录查询
系统管理- API调用监控
- 用户反馈收集
- 错误日志可视化

3.2 详细功能 ​

语音交互流程

用户唤醒 → 语音录制 → ASR转文本 → NLP处理 → TTS语音回复

4.技术架构 ​

技术架构
语音转文本(ASR)Kaldi + WebRTC/WebAudio(Web) + AudioRecord (Android) + AVAudioEngine (iOS)
自然语言处理(NLP引擎)ChatGLM3(清华智谱) 、 BERT(需要知识蒸馏)
语音合成(TTS)微软Azure TTS
对话管理Django实现
用户管理Django实现
系统管理- api监控：Prometheus + Grafana(免费，社区支持)
- 用户反馈：Feedback.js + Google Forms(低成本)
- 日志存储：Grafana Loki(低存储开销)

5. 模块开发方案 ​

预期按6个核心模块开发，通过API解耦

模块1：语音输入处理(ASR) ​

  • 技术栈：Kaldi + WebRTC(Web端)/ AudioRecord (Android) + AVAudioEngine (iOS)
  • 输入：实时音频流
  • 输出：文本/语音(带语言标签，如{"text":"你好Hello", "lang":"zh-en"})
  • 验收标准：中英混合语句分词正确率≥85%

模块2：NLP核心引擎 ​

  • 子模块拆分： NLP子模块拆分
  • 技术方案:
    • 意图识别：微调BERT-wwm模型
    • 回复生成：ChatGLM3 + LoRA微调（行业知识注入）

模块3：语音合成(TTS) ​

  • 关键需求：
    • 中英文语音支持情感合成(如高兴/平静等)
    • 英文支持多发音人选择
  • 优化点：流式传输避免完整生成延迟

模块4：对话状态管理 ​

  • 数据结构示例：
    python
    class DialogState:
    def __init__(self):
        self.history = []  # 存储对话轮次
        self.slots = {}    # 任务型对话填槽（如{"city":"北京"}）
        self.context = ""  # 当前上下文摘要

模块5：前后端交互 ​

  • API设计规范：
    python
    POST /v1/chat
Request: {audio: "base64_encoded_data", lang: "auto"}
Response: {audio: "base64", text: "回复内容"}
  • Web端关键技术：
    • 使用MediaRecorder API实现浏览器录音
    • WebSocket保持长连接

模块6：运维监控 ​

  • 必备组件：
    • Prometheus监控API延迟
    • ELK日志分析系统(记录NLP错误案例)

非功能需求 ​

  • 性能：并发支持≥1000 QPS（云部署）
  • 安全：用户语音数据加密存储（符合GDPR）
  • 兼容性：Android/iOS/Web三端支持(可选)

开发里程碑规划 ​

阶段时间交付物跨模块依赖
原型期2周可演示的ASR→NLP→TTS流水线模块1/2/3基础对接
Alpha4周完整前后端闭环+基础对话管理模块4状态机与模块5联调
Beta3周性能优化+多端适配模块6监控系统接入
发布1周压力测试报告+用户文档-

风险与约束 ​

  • 中文方言识别准确率低
  • 自研NLP模型消耗研发成本巨大

Released under the MIT License.

Copyright © 2024 Eric Miller