在 2016 年的 WWDC 上，Apple 介绍了一个十分有用的语音识别 API，分分钟秒杀科大讯飞的
早在2011年iPhone4s 的上,iOS 5系统就有了语音识别.
有以下缺陷
- 需要- 弹出键盘
- 只支持实时语音
- 无法自定义录音
- 单一的输出结果
在 2016 年的 WWDC 上，Apple 终于开发了语音识别 API，那就是 Speech 框架。事实上，Siri 的语音识别正是由 Speech Kit 提供支持。
- 超过50种语言获得支持
- 任何运行iOS10的设备都可用
- 加入用户授权使其更安全
- 可以转化音频文件和实时语音
下面通过一个语音转换为文本介绍Speech 框架的使用
##界面设计
首先，让我们来创建一个 iOS Single View Application 工程。然后在 Main.storyboard 上添加
UILabel用于标题
UITextView用于显示识别内容
UIButton 用于触发
下一步，连线 textView变量,Button变量和事件
```
@IBOutlet weak var textView: UITextView!
@IBOutlet weak var speakerBtn: UIButton!
@IBAction func speakAction(_ sender: Any) {
}
```
##使用 Speech 框架
import这个框架，并遵循 SFSpeechRecognizerDelegate 协议。
##用户权限
在使用 Speech 框架进行语音识别之前，你必须先请求用户许可，原因是识别不仅发生在 iOS 设备本地，还需要依赖 Apple 的服务器。具体来说，所有音频数据都会被传输到苹果后台进行处理。因此需要获取用户的权限,其中包括用户必须允许应用使用的音频输入和语音识别权限。
```
//用于apple语言识别的变量
private let speechRecognizer = SFSpeechRecognizer(locale: Locale.init(identifier: "zh-CN"))
```
```
// MARK: - *** 获取用户权限 ***
func authRequest(){
speakerBtn.isEnabled = false
speechRecognizer?.delegate = self
SFSpeechRecognizer.requestAuthorization { (authStatus) in
var isBtnEndable = false
switch authStatus{
case.authorized:
isBtnEndable = true
case .denied:
isBtnEndable = false
print("User denied access to speech recognition")
case .restricted:
isBtnEndable = false
print("Speech recognition restricted on this device")
case .notDetermined:
isBtnEndable = false
}
OperationQueue.main.addOperation {
self.speakerBtn.isEnabled = isBtnEndable
}
}
}
```
* 创建一个区域标志符 (locale identifier) 为 zh-CN 的 SFSpeechRecognizer 实例，这时候语音识别就会知道用户录入的语种。简单说，这就是语音识别的处理对象。
* 在语音识别被激活之前，默认设置麦克风按钮为禁用状态。
* 然后，将语音识别的 delegate 设置为 ViewController 中的 self。
* 之后，就到了请求语音识别权限的阶段了，这时我们通过调用 SFSpeechRecognizer.requestAuthorization 来达到目的。
* 最后，检查验证状态，如果得到了授权，则启用麦克风按钮。否则，打印错误信息，继续禁用麦克风按钮。
你可能会认为，现在我们启动应用将会看到一个授权提示框，很遗憾你错了。运行应用带来的是崩溃。你可能会想问，这是为什么？
## 提供授权信息Apple 要求应用为所有请求的权限提供自定义消息，对于语音权限的情况，我们必须为两个行为请求授权：麦克风的使用语音的识别要自定义消息，你需要在 info.plist 文件中定义这些消息。让我们打开 info.plist 文件的源代码。方法是在 info.plist 上点击右键。然后选择 Open As > Source Code。最后，复制下面的 XML 代码并将它们插入到 标签前。
```
NSMicrophoneUsageDescription麦克风输入请求信息NSSpeechRecognitionUsageDescription语音识别请求信息
```
_注意：务必在IPhone真机上运行测试,iOS 模拟器并不会连接 Mac 的麦克风。
_处理语音识别
```
// 可以将识别请求的结果返回给你，它带来了极大的便利，必要时，可以取消或停止任务。
private var recognitionTask: SFSpeechRecognitionTask?
//对象用于处理语音识别请求，为语音识别提供音频输入
private var recognitionRequest: SFSpeechAudioBufferRecognitionRequest?
// 音频引擎 用于进行音频输入
private let audioEngine = AVAudioEngine()
```
``` // MARK: - *** 处理语音识别 ***
func startRecording(){
if recognitionTask != nil{
recognitionTask?.cancel()
recognitionTask = nil
}
let audioSession = AVAudioSession.sharedInstance()
do {
try audioSession.setCategory(AVAudioSessionCategoryRecord)
try audioSession.setMode(AVAudioSessionModeMeasurement)
try audioSession.setActive(true, with: .notifyOthersOnDeactivation)
}catch{
fatalError("会话创建失败")
}
recognitionRequest = SFSpeechAudioBufferRecognitionRequest()
guard let inputNode = audioEngine.inputNode else {
fatalError("音频引擎 没有输入节点")
}
guard let recognitionRequest = recognitionRequest else {
fatalError("创建音频缓存失败")
}
//结果报告
recognitionRequest.shouldReportPartialResults = true
//开启授权任务
recognitionTask = speechRecognizer?.recognitionTask(with: recognitionRequest, resultHandler: { (result, error) in
var isFinal = false
if result != nil {
self.textView.text = result?.bestTranscription.formattedString
isFinal = (result?.isFinal)!
}
if error != nil || isFinal {
self.audioEngine.stop()
inputNode.removeTap(onBus: 0)
self.recognitionRequest = nil
self.recognitionTask = nil
self.speakerBtn.isEnabled = true
}
})
let recordingFormat = inputNode.outputFormat(forBus: 0)
inputNode.installTap(onBus: 0, bufferSize: 1024, format: recordingFormat) { (buffer, when) in
self.recognitionRequest?.append(buffer)
}
audioEngine.prepare()
do {
try audioEngine.start()
} catch {
print("audioEngine couldn't start because of an error.")
}
// textView.text = "说点啥......"
}
}
```
* 检查 recognitionTask 的运行状态，如果正在运行，取消任务。
* 创建一个 AVAudioSession 对象为音频录制做准备。这里我们将录音分类设置为 Record，模式设为 Measurement，然后启动。注意，设置这些属性有可能会抛出异常，因此你必须将其置于 try catch 语句中。
* 实例化 recognitionResquest。创建 SFSpeechAudioBufferRecognitionRequest 对象，然后我们就可以利用它将音频数据传输到 Apple 的服务器。
* 检查 audioEngine (你的设备)是否支持音频输入以录音。如果不支持，报一个 fatal error。
* 检查 recognitionRequest 对象是否已被实例化，并且值不为 nil。
* 告诉 recognitionRequest 不要等到录音完成才发送请求，而是在用户说话时一部分一部分发送语音识别数据。
* 在调用 speechRecognizer 的 recognitionTask 函数时开始识别。该函数有一个完成回调函数，每次识别引擎收到输入时都会调用它，在修改当前识别结果，亦或是取消或停止时，返回一个最终记录。
* 定义一个 boolean 变量来表示识别是否已结束。
* 倘若结果非空，则设置 textView.text 属性为结果中的最佳记录。同时若为最终结果，将 isFinal 置为 true。
* 如果请求没有错误或已经收到最终结果，停止 audioEngine (音频输入)，recognitionRequest 和 recognitionTask。同时，将开始录音按钮的状态切换为可用。
* 向 recognitionRequest 添加一个音频输入。值得留意的是，在 recognitionTask 启动后再添加音频输入完全没有问题。Speech 框架会在添加了音频输入之后立即开始识别任务。
* 将 audioEngine 设为准备就绪状态，并启动引擎。
## 触发语音识别
在创建语音识别任务时，我们首先得确保语音识别的可用性，需要实现delegate 方法。如果语音识别不可用，或是改变了状态，应随之设置 按钮的enable ,我们通过扩展来实现代理
```
// MARK: - *** delegate ***
//这个方法会在按钮的可用性改变时被调用。如果语音识别可用，录音按钮也将被启用。
extension ViewController: SFSpeechRecognizerDelegate{
func speechRecognizer(_ speechRecognizer: SFSpeechRecognizer, availabilityDidChange available: Bool) {
if available {
speakerBtn.isEnabled = true
} else {
speakerBtn.isEnabled = false
}
}
}
```
最后，我们还需要更新一下 按钮的点击方法：
```
@IBAction func speakAction(_ sender: Any) {
if audioEngine.isRunning {
audioEngine.stop()
recognitionRequest?.endAudio()
speakerBtn.isEnabled = false
speakerBtn.setTitle("开始说话", for: .normal)
// textView.text = "说点啥"
} else {
startRecording()
speakerBtn.setTitle("说完了", for: .normal)
}
}
```
**Apple忠告**
* 确保使用语音之别之前,通过UI界面告知用户
* 在涉及密码或者敏感信息时,请勿使用
* 在你操作识别结果之前,请先把结果展示给用户
* Apple 对每台设备的识别有限制。详情未知，不过你可以尝试联系 Apple 获得更多信息。
* Apple 对每个应用的识别也有限制。
* 如果你总是遭遇限制，务必联系 Apple，他们或许可以解决这个问题。
* 语音识别会消耗不少电量和流量。
* 语音识别每次只能持续大概一分钟。
参考 [WWDC 2016 - Session 509 - iOS](https://developer.apple.com/videos/play/wwdc2016/509/)
Github地址:https://github.com/roycehe/SpeechToText-use-Speech-Framework ✨给起来
网友评论