現今語音助理蓬勃發展，其中 Amazon Alexa 更是廣泛應用於智慧家庭和物聯網裝置。本文將引領讀者從零開始，逐步建構一個 Alexa 技能，並結合 Python 程式碼與 Raspberry Pi，實作語音控制 IoT 應用。我們將深入探討 Alexa 技能的架構，包含互動模型設計、程式碼邏輯、測試與佈署，以及如何利用 SSML 增強語音互動體驗。同時，本文也將解析技能請求和回應的 JSON 結構，讓讀者深入理解 Alexa 技能的運作機制，並進一步整合 Raspberry Pi，打造個人化的語音控制 IoT 應用。
3.2.2 選擇方法
您可以選擇「Alexa主機」- Node.js或Python，或「自行組態」。在本文中，我們主要使用Python，但也會提供一些Node.js示例或連結。請選擇Node.js或Python。
在右上角，您可以選擇最靠近您的主機區域。點選「建立技能」按鈕。下一個螢幕會提供一些範本。您可以選擇「從頭開始」和「繼續使用範本」。
內容解密：
以上步驟描述了建立Alexa技能的過程，包括選擇互動模型、選擇方法和建立技能。這些步驟是建立一個功能性的Alexa技能的基礎。
圖表翻譯：
此流程圖描述了建立Alexa技能的步驟，包括建立技能、選擇互動模型和選擇方法。每個步驟都對應於建立一個功能性的Alexa技能的特定過程。
建立Alexa技能：邁向語音控制IoT應用程式
3.2.3 呼叫名稱
要開始建立Alexa技能，首先需要設定呼叫名稱。這個名稱是使用者在啟動技能時所說的詞彙，例如「Alexa，開啟我的第一個演示技能」。點選右側欄的「1. 呼叫名稱」或展開左側欄並選擇「技能呼叫名稱」。
有時，呼叫名稱會顯示為「更改我」。如果需要，請將其更改為您的技能名稱（可以是任何名稱，但最好是有意義的）。我使用了「我的第一個演示技能」作為呼叫名稱。使用者將說「Alexa，開啟我的第一個演示技能」來啟動技能。請注意，呼叫名稱只能使用小寫字母。
3.2.4 意圖
點選「互動模型」然後選擇「意圖」以檢視當前的意圖。這些意圖包括取消、幫助、停止、導航回首頁（分別對應使用者說「取消」、「幫助」、「停止」和「回首頁」）等。還有一個名為「HelloWorld」的意圖，它會在使用者說「Hello」時被觸發。另外，有一個名為「Fallback」的意圖，它會在使用者的話語不匹配任何技能意圖時被觸發，允許您提供更多關於技能的細節和如何與之互動的資訊。
3.2.5 程式碼
在測試技能之前，我們需要佈署程式碼。讓我們先看看程式碼。點選「程式碼」標籤。Python程式碼範例從匯入函式庫開始，例如匯入logging函式庫以輸出除錯資訊到Cloudwatch日誌。
import logging
然後是處理器，它們負責處理啟動請求和意圖，如「Hello」或「Help」。
class LaunchRequestHandler(AbstractRequestHandler):
# 處理啟動請求
pass
class HelpIntentHandler(AbstractRequestHandler):
# 處理幫助意圖
pass
剩下的意圖包括停止或取消意圖（當使用者說「停止」或「取消」時）；Fallback意圖（當使用者的話語不匹配任何語音模型意圖時）；會話結束意圖（當會話結束時），等等。這些意圖處理器使用sb.add_request_handler程式碼進行註冊，其中sb是SkillBuilder()程式碼。
sb = SkillBuilder()
sb.add_request_handler(LaunchRequestHandler())
sb.add_request_handler(HelpIntentHandler())
程式碼的入口點在最後：lambda_handler = sb.lambda_handler()。
測試您的技能
現在，我們可以測試技能了。點選「測試」標籤，這將開啟Alexa模擬器。您需要啟用技能測試，將其從「關閉」改為「開發中」。您可以傳送任何命令，就像您通常使用Alexa裝置一樣（試試：「Alexa，什麼是天氣？」）。
現在，啟動技能。輸入（或點選麥克風按鈕並說）「開啟＜啟動名稱＞」，例如「開啟我的第一個演示技能」。您不需要使用喚醒詞（即不需要說或輸入「Alexa，開啟我的第一個演示技能」）。
修改歡迎訊息
在測試之前，讓我們使歡迎訊息更加個人化。點選「程式碼」標籤。找到說「歡迎，您可以說Hello或Help。您想嘗試哪一個？」的行，並將其更改為例如「Hello John，請說Hello或Help。」。您可以使用自己的名字代替我的名字！如果您不熟悉Python，請確保您的程式碼縮排正確。
儲存程式碼，然後點選右上角的佈署按鈕。在修改程式碼並儲存後，您必須佈署程式碼才能測試它。
點選右上角的佈署按鈕，您將在幾秒鐘內收到佈署成功的訊息，例如「上次佈署：2022年4月13日，晚上8:26」。
執行測試
現在，您可以測試您的技能了。點選測試標籤，這將開啟Alexa模擬器。啟用技能測試，然後您就可以傳送任何命令，就像您通常使用Alexa裝置一樣。輸入或說出您的啟動名稱，以啟動您的技能，並開始互動！
建立 Alexa 技能
在上一章中，我們成功建立了第一個 Alexa 技能。現在，我們將深入探討技能的建立過程和相關的技術細節。
技能輸入/輸出
在 Alexa 模擬器的頂部，有幾個選項可以顯示技能的輸入/輸出、裝置顯示、裝置日誌和個人化。裝置顯示用於顯示裝置上的內容，如果裝置有螢幕，則可以顯示技能名稱和離開方式。裝置日誌提供了技能的詳細行動記錄，包括事件和指令。個人化允許 Alexa 裝置識別已識別的技能使用者，如果設定並同意。
技能請求
當使用者與 Alexa 互動時，Alexa 會向技能傳送 JSON 請求。這個請求包含了許多有用的資訊，例如使用者 ID、裝置能力（是否有螢幕）等。以下是 JSON 請求的例子：
{
"version": "1.0",
"session": {
"new": true,
"sessionId": "amzn1.echo-api.session.27d..e7cb",
"application": {
"applicationId": "amzn1.ask.skill.4649..981"
},
"attributes": {},
"user": {
"userId": "amzn1.ask.account.AFCVJZSYW...VY2BH6HI"
}
},
"context": {
"Viewports": [
{
"type": "APL",
"id": "main",
"shape": "RECTANGLE",
...
}
],
"System": {
...
}
}
}
這個 JSON 請求包含了版本、會話、應用程式、使用者和裝置等資訊。其中，context 部分包含了裝置的詳細資訊，例如螢幕大小、形狀等。
技能回應
當技能接收到 JSON 請求後，會傳送 JSON 回應回給 Alexa。這個回應包含了技能的輸出，例如語音回應、顯示內容等。以下是 JSON 回應的例子：
{
"response": {
"outputSpeech": {
"text": "Welcome, you can say...",
"type": "PlainText"
},
...
}
}
這個 JSON 回應包含了語音回應的文字和型別等資訊。
圖表翻譯：
這個圖表顯示了使用者、Alexa 和技能之間的互動過程。使用者傳送請求給 Alexa，Alexa 將請求轉換為 JSON 請求並傳送給技能。技能接收到 JSON 請求後，傳送 JSON 回應回給 Alexa。Alexa 將回應轉換為語音或顯示內容並傳回給使用者。
內容解密：
以上的 JSON 請求和回應是 Alexa 技能的核心部分。透過分析這些 JSON 資料，可以瞭解 Alexa 技能的工作原理和如何建立自己的技能。在下一章中，我們將深入探討 Alexa 技能的開發過程和相關的技術細節。
Voice-controlled IoT 應用程式開發：Alexa 和 Raspberry Pi 的整合
3.4.2 技能回應
技能回應是由玄貓生成的回應，作為對開啟技能啟動請求的回應。以下是完整的回應列表：
{
"body": {
"version": "1.0",
"response": {
"outputSpeech": {
"type": "SSML",
"ssml": "<speak>Welcome, you can say Hello or Help.</speak>"
},
"reprompt": {
//...
}
}
}
}
在這個回應中，我們可以看到 outputSpeech 區塊，裡麵包含了 type 和 ssml 兩個屬性。type 屬性指定了語音輸出的格式，在這裡是 SSML（Speech Synthesis Markup Language），而 ssml 屬性則包含了實際的語音輸出內容。
內容解密：
outputSpeech區塊是技能回應中用於定義語音輸出的部分。type屬性指定了語音輸出的格式，可以是SSML或PlainText。ssml屬性包含了實際的語音輸出內容，使用 SSML 標記語言來定義語音輸出的結構和內容。
圖表翻譯：
在這個圖表中，我們可以看到技能回應的流程：技能回應（A）包含了 outputSpeech 區塊（B），而 outputSpeech 區塊則包含了 SSML 格式的語音輸出內容（C），最終產生語音輸出內容（D）。
技能請求和回應的整合
在開發 Voice-controlled IoT 應用程式時，瞭解技能請求和回應之間的整合是非常重要的。透過分析技能請求和回應的結構和內容，我們可以更好地理解如何設計和實作自己的技能，以提供更好的使用者經驗。
程式碼實作示例：
import json
# 定義技能回應
response = {
"body": {
"version": "1.0",
"response": {
"outputSpeech": {
"type": "SSML",
"ssml": "<speak>Welcome, you can say Hello or Help.</speak>"
}
}
}
}
# 將技能回應轉換為 JSON 格式
response_json = json.dumps(response)
print(response_json)
在這個程式碼實作示例中，我們定義了一個技能回應，包含了 outputSpeech 區塊和 SSML 格式的語音輸出內容。然後，我們使用 json.dumps() 函式將技能回應轉換為 JSON 格式，並列印預出來。
圖表翻譯：
@startuml
skinparam backgroundColor #FEFEFE
skinparam componentStyle rectangle
title Alexa技能開發與實踐案例
package "機器學習流程" {
package "資料處理" {
component [資料收集] as collect
component [資料清洗] as clean
component [特徵工程] as feature
}
package "模型訓練" {
component [模型選擇] as select
component [超參數調優] as tune
component [交叉驗證] as cv
}
package "評估部署" {
component [模型評估] as eval
component [模型部署] as deploy
component [監控維護] as monitor
}
}
collect --> clean : 原始資料
clean --> feature : 乾淨資料
feature --> select : 特徵向量
select --> tune : 基礎模型
tune --> cv : 最佳參數
cv --> eval : 訓練模型
eval --> deploy : 驗證模型
deploy --> monitor : 生產模型
note right of feature
特徵工程包含：
- 特徵選擇
- 特徵轉換
- 降維處理
end note
note right of eval
評估指標：
- 準確率/召回率
- F1 Score
- AUC-ROC
end note
@enduml
在這個圖表中，我們可以看到技能回應（A）被轉換為 JSON 格式（B），然後被列印預出來（D）。
第三章：建立Alexa技能
在建立Alexa技能的過程中，瞭解語音合成標記語言（SSML）是非常重要的。SSML提供了對語音輸出的額外控制，允許開發者定製語音助手的回應。
從技術架構視角來看，本章節深入淺出地介紹了建立Alexa技能的流程，涵蓋了從選擇互動模型、設定呼叫名稱到編寫程式碼及測試的完整過程。透過流程圖和程式碼範例，清晰地展現了技能建立的步驟和核心概念，例如意圖（Intents）、請求處理器（Request Handlers）以及技能建構器（Skill Builder）的使用。同時，本章節也點出了技能請求與回應的JSON結構，揭示了Alexa技能與後端服務互動的核心機制，並以SSML為例，展現瞭如何精細控制語音輸出，提升使用者經驗。然而，本章節的程式碼範例相對簡略，缺乏與實際IoT裝置整合的具體說明，這對於構建完整的語音控制IoT應用程式來說是一個挑戰。展望未來，隨著Alexa技能開發工具的持續發展，預計將出現更便捷的IoT裝置整合方案，簡化開發流程。對於想要深入學習的開發者，建議進一步研究Alexa Skills Kit (ASK) 的官方檔案，並探索更多進階的SSML應用技巧，以打造更豐富、更具互動性的語音應用程式。玄貓認為，掌握這些核心概念和技術細節，將有助於開發者在語音互動的浪潮中搶佔先機。