iOS语音识别功能实现

作者: 小冰山口 | 来源:发表于2016-12-02 15:41 被阅读2192次

现在市面上的即时通讯app都有语音转文本的功能, 那么语音转文本如何实现呢? 自己写是不现实的, 因为这涉及到模式识别的算法, 所以只能用到第三方SDK了, 我在项目中用到的是百度语音SDK, 自己也是刚刚实现功能, 很多地方都还需要优化, 就简单介绍一下如何实现吧

一注册应用

首先登录百度语音
登录百度语音
在应用管理中添加新的应用

创建新应用
创建到第4步时, 把bundle identifier填进去

填入应用包名
创建成功后, 可以拿到App ID, API Key ,Secret Key, 这些东西都是后面配置用得到的

查看Key

二配置环境

下载iOS版本的SDK

下载iOS版本的SDK
下载了官方的SDK之后, 可以看到以下文件

官方SDK文件目录

如果嫌麻烦的话, 直接把除了Doc和Sample文件的其余文件全部拖到工程里去
添加依赖库

添加依赖库1

添加依赖库2

关于添加依赖库, 百度官方是这样解释的:

BDVRClient 使用了录音和播放功能,因此需要在 Xcode 工程中引入 AudioToolbox.framework和 AVFoundation.framework;BDVRClient 还使用到了网络状态检测功能,因此还需要引入SystemConfiguration.framework;为了生成设备 UDID,需要引入 Security.framework;为了支持 gzip压缩,需要引入 libz.1.dylib; 网络模块需要引入 CFNetwork.framework;某些场景需要获取设备地理位置以高识别准确度,需引入 CoreLocation.framework。为了支持识别控件,需要引入 OpenGLES.framework,QuartzCore.framework,GLKit.framework,CoreGraphics.framework 和 CoreText.framework。

添加方式:右键点击 Xcode 中的工程文件,在出现的界面中,选中 TARGETS 中应用,在出现的界面中选中 Build Phase->Link Binary With Libraries,点击界面中的“+”图标,在弹出的界面中选择此 7 个 Framework 即可,添加完成效果图如图 8 所示(libBDVoiceRecognitionClient.a 将在随后添加

添加完成后先预编译一下, 我在编译的时候遇到的问题都是由于libBDVoiceRecognitionClient.a这个静态库没有正确添加导致的
另外一个问题是我现在的工程文件只能在真机环境下运行, 在模拟器的环境运行始终报错, 目前我还没找到合适的解决方法

三开始写代码

首先创建一个音频识别管理类

创建音频识别管理类

**Note: 需要注意的是, 静态库采用Objective C++实现, 因此, 需要保证工程中引用静态库头文件的实现文件的扩展名必须为.mm **

我们实现一个单例构造方法

+ (instancetype)sharedRecognizer {
   static ZHLVoiceRecognizer *recognizer = nil;
   static dispatch_once_t onceToken;
   dispatch_once(&onceToken, ^{
       recognizer = [[ZHLVoiceRecognizer alloc] init];
   });
   return recognizer;
}

在这个类中,我们添加一个BDVoiceRecognitionClient类的属性

/**
 语音识别代理
 */
@property (nonatomic,strong)BDVoiceRecognitionClient *client;

对它进行懒加载

- (BDVoiceRecognitionClient *)client {
    if (!_client) {
        _client = [BDVoiceRecognitionClient sharedInstance];
        [_client setPropertyList:@[@(EVoiceRecognitionPropertyMusic),                  // 音乐
                                   @(EVoiceRecognitionPropertyVideo),                  // 视频
                                   @(EVoiceRecognitionPropertyApp),                    // 应用
                                   @(EVoiceRecognitionPropertyWeb),                    // web
                                   @(EVoiceRecognitionPropertySearch),                 // 热词
                                   @(EVoiceRecognitionPropertyEShopping),              // 电商&购物
                                   @(EVoiceRecognitionPropertyHealth),                 // 健康&母婴
                                   @(EVoiceRecognitionPropertyCall),                   // 打电话
                                   @(EVoiceRecognitionPropertyMedicalCare) ,           // 医疗
                                   @(EVoiceRecognitionPropertyCar),                    // 汽车
                                   @(EVoiceRecognitionPropertyCatering),               // 娱乐餐饮
                                   @(EVoiceRecognitionPropertyFinanceAndEconomics),    // 财经
                                   @(EVoiceRecognitionPropertyGame),                   // 游戏
                                   @(EVoiceRecognitionPropertyCookbook),               // 菜谱
                                   @(EVoiceRecognitionPropertyAssistant),              // 助手
                                   @(EVoiceRecognitionPropertyRecharge),               // 话费充值
                                   /* 离线垂类 */
                                   @(EVoiceRecognitionPropertyContacts) ,              // 联系人指令
                                   @(EVoiceRecognitionPropertySetting),                // 手机设置
                                   @(EVoiceRecognitionPropertyTVInstruction),          // 电视指令
                                   @(EVoiceRecognitionPropertyPlayerInstruction),      // 播放器指令
                                   @(EVoiceRecognitionPropertyRadio)]];
        /* 设置识别语言为中文 */
        [_client setLanguage:EVoiceRecognitionLanguageChinese];
        /* 设置不禁用标点符号 */
        [_client disablePuncs:NO];
        /* 设置对语音进行端点检测 */
        [_client setNeedVadFlag:YES];
        /* 设置对上传的语音进行压缩 */
        [_client setNeedCompressFlag:YES];
        /* 设置在线识别的响应等待时间,如果超时,触发同步离线识别 */
        [_client setOnlineWaitTime:5];
        [_client setPlayTone:EVoiceRecognitionPlayTonesRecStart isPlay:YES];
        [_client setPlayTone:EVoiceRecognitionPlayTonesRecEnd isPlay:YES];
        /* 在开始识别前,需要加载离线识别引擎, 需要传入授权信息、语言模型文件信息及语法槽信息 */
        /* 识别垂类语法槽信息 */
        
        NSDictionary* recogGrammSlot = @{@"$name_CORE" : @"张三\n 李四\n",
                                         @"$song_CORE" : @"小苹果\n 我的滑板鞋\n", @"$app_CORE" : @"百度\n 百度地图\n",
                                         @"$artist_CORE" : @"刘德华\n 周华健\n"};
        NSString *licensePath = [[NSBundle mainBundle] pathForResource:@"bdasr_temp_license" ofType:@"dat"];
        NSString *datFilePath = [[NSBundle mainBundle] pathForResource:@"s_1" ofType:nil];
        int result = [_client loadOfflineEngine:@"8979326" license:licensePath  datFile:datFilePath LMDatFile:nil grammSlot:recogGrammSlot];
        if (result == 0) {
            NSLog(@"加载离线识别引擎成功");
        }else {
            NSLog(@"加载离线识别引擎失败");
        }
        [_client setApiKey:@"UsLZWXdC45BHo1YXMni2M4Ga" withSecretKey:@"ebb161770a7c78d2df8e46ddc4badf25"];
        
    }
    return _client;
}

其实懒加载中我们做了很多事情, 而我们进行语音识别主要也是靠BDVoiceRecognitionClient这个类的对象,
1.设置属性列表

 EVoiceRecognitionPropertyMap = 10060,  // 地图
 EVoiceRecognitionPropertyInput = 20000, // 输入

以上两个要单独使用, 不能添加到数组中,否则就会出现这个错误

EVoiceRecognitionStartWorkPropertyInvalid

2.进行各种设置

        /* 设置识别语言为中文 */
        [_client setLanguage:EVoiceRecognitionLanguageChinese];
        /* 设置不禁用标点符号 */
        [_client disablePuncs:NO];
        /* 设置对语音进行端点检测 */
        [_client setNeedVadFlag:YES];
        /* 设置对上传的语音进行压缩 */
        [_client setNeedCompressFlag:YES];
        /* 设置在线识别的响应等待时间,如果超时,触发同步离线识别 */
        [_client setOnlineWaitTime:5];
        [_client setPlayTone:EVoiceRecognitionPlayTonesRecStart isPlay:YES];
        [_client setPlayTone:EVoiceRecognitionPlayTonesRecEnd isPlay:YES];```

3.在开始识别前,需要加载离线识别引擎, 需要传入授权信息、语言模型文件信息及语法槽信息

    /* 在开始识别前,需要加载离线识别引擎, 需要传入授权信息、语言模型文件信息及语法槽信息 */
    /* 识别垂类语法槽信息 */
    
    NSDictionary* recogGrammSlot = @{@"$name_CORE" : @"张三\n 李四\n",
                                     @"$song_CORE" : @"小苹果\n 我的滑板鞋\n", @"$app_CORE" : @"百度\n 百度地图\n",
                                     @"$artist_CORE" : @"刘德华\n 周华健\n"};
    NSString *licensePath = [[NSBundle mainBundle] pathForResource:@"bdasr_temp_license" ofType:@"dat"];
    NSString *datFilePath = [[NSBundle mainBundle] pathForResource:@"s_1" ofType:nil];
    int result = [_client loadOfflineEngine:@"8979326" license:licensePath  datFile:datFilePath LMDatFile:nil grammSlot:recogGrammSlot];
    if (result == 0) {
        NSLog(@"加载离线识别引擎成功");
    }else {
        NSLog(@"加载离线识别引擎失败");
    }

**Note: 其中, 在方法``` - (int)loadOfflineEngine: (NSString*)appCode
                 license: (NSString*)licenseFile
                 datFile: (NSString*)datFilePath
               LMDatFile: (NSString*)LMDatFilePath
               grammSlot: (NSDictionary*)dictSlot;```中的第一个参数appCode, 就是之前在百度语音官网上注册的你的AppID**


![查看key](http:https://img.haomeiwen.com/i2868984/8bed501e49e1b6fa.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240)

然后再设置API key 和 Secret Key

[_client setApiKey:@"你的ApiKey" withSecretKey:@"你的SecretKey"];


4.接着, 就要写一个开始语音识别的代码了, 其实也是一句代码的事情, 剩下的都是错误处理

(void)beginVoiceRecognition {
int beginStatus = [self.client startVoiceRecognition:self];
switch (beginStatus) {
case EVoiceRecognitionStartWorking:
NSLog(@"启动成功");
break;
case EVoiceRecognitionStartWorkNOMicrophonePermission:
NSLog(@"没有系统麦克风使用权限");
break;
case EVoiceRecognitionStartWorkNoAPIKEY:
NSLog(@"没有ApiKey");
break;
case EVoiceRecognitionStartWorkGetAccessTokenFailed:
NSLog(@"获取有效的 AccessToken 错误,需要验证开放云平台的注册信息");
break;
case EVoiceRecognitionStartWorkNetUnusable:
NSLog(@"没有网络");
break;
case EVoiceRecognitionStartWorkDelegateInvaild:
NSLog(@"没有实现语音回调结果");
break;
case EVoiceRecognitionStartWorkRecorderUnusable:
NSLog(@"录音设备不可用");
break;
case EVoiceRecognitionStartWorkPreModelError:
NSLog(@"启动预处理模块出错");
break;
case EVoiceRecognitionStartWorkPropertyInvalid:
NSLog(@"识别属性设置不合法");
break;
default:
break;
}
}

然后把这个方法暴露给外界使用

5.遵守代理


6.实现代理回调方法

(void)VoiceRecognitionClientWorkStatus:(int)aStatus obj:(id)aObj {
switch (aStatus) {
case EVoiceRecognitionClientWorkStatusFlushData: {
// 该状态值表示服务器返回了中间结果,如果想要将中间结果展示给用户(形成连续上屏的效果), // 可以利用与该状态同时返回的数据,每当接到新的该类消息应当清空显示区域的文字以免重复
NSMutableString *tmpString = [[NSMutableString alloc] initWithString:@""];
[tmpString appendFormat:@"%@",[aObj objectAtIndex:0]];
NSLog(@"result: %@", tmpString);
if (self.delegate && [self.delegate respondsToSelector:@selector(getVoiceToMessage:fromRecognizer:)]) {
[self.delegate getVoiceToMessage:tmpString fromRecognizer:self];
}
break;
}
case EVoiceRecognitionClientWorkStatusFinish: {
// 该状态值表示语音识别服务器返回了最终结果,结果以数组的形式保存在 aObj 对象中 // 接受到该消息时应当清空显示区域的文字以免重复
if ([_client getRecognitionProperty] != EVoiceRecognitionPropertyInput) {
NSMutableArray *resultData = (NSMutableArray *)aObj;
NSMutableString *tmpString = [[NSMutableString alloc] initWithString:@""];
// 获取识别候选词列表
for (int i=0; i<[resultData count]; i++) {
[tmpString appendFormat:@"%@\r\n",[resultData objectAtIndex:i]]; }
NSLog(@"result: %@", tmpString);
} else {
NSMutableString *sentenceString = [[NSMutableString alloc] initWithString:@""];
for (NSArray *result in aObj) { // 此时 aObj 是 array,result 也是 array
// 取每条候选结果的第0条,进行组合
// result 的元素是 dictionary,对应每个候选词和对应的可信度
NSDictionary *dic = [result objectAtIndex:0];
NSString *candidateWord = [[dic allKeys] objectAtIndex:0];
[sentenceString appendString:candidateWord];
}
NSLog(@"result: %@", sentenceString);
}
break;
}
case EVoiceRecognitionClientWorkStatusReceiveData: {
// 此状态只在输入模式下发生,表示语音识别正确返回结果,每个子句会通知一次(全量, // 即第二次收到该消息时所携带的结果包含第一句的识别结果),应用程序可以
// 逐句显示。配合连续上屏的中间结果,可以进一步升语音输入的体验
NSMutableString *sentenceString = [[NSMutableString alloc] initWithString:@""];
for (NSArray *result in aObj) { // 此时 aObj 是 array,result 也是 array
// 取每条候选结果的第条,进组合
// result 的元素是 dictionary,对应个候选词和对应的可信度
NSDictionary *dic = [result objectAtIndex:0];
NSString *candidateWord = [[dic allKeys] objectAtIndex:0];
[sentenceString appendString:candidateWord];
}
NSLog(@"result: %@", sentenceString);
if (self.delegate && [self.delegate respondsToSelector:@selector(getVoiceToMessage:fromRecognizer:)]) {
[self.delegate getVoiceToMessage:sentenceString fromRecognizer:self];
}
break;
}
case EVoiceRecognitionClientWorkStatusNewRecordData: {
// 有音频数据输出,音频数据格式为 PCM,在有 WiFi 连接的条件下为 16k16bit,非 WiFi
// 为 8k16bit
```
  }
      break;
  case EVoiceRecognitionClientWorkStatusEnd: {
      // 用户说话完成,但服务器尚未返回结果
      NSLog(@"用户说话完成,但服务器尚未返回结果");
      MBProgressHUD *hud = [MBProgressHUD showHUDAddedTo:[UIApplication sharedApplication].keyWindow.rootViewController.view animated:YES];
      hud.mode = MBProgressHUDModeCustomView;
      hud.labelText = @"正在语音转文字中,请稍候";
      [hud hide:YES afterDelay:2];
  }
      break;
      
  case EVoiceRecognitionClientWorkStatusCancel: {
      
      break;
  }
  case EVoiceRecognitionClientWorkStatusError: {
      MBProgressHUD *hud = [MBProgressHUD showHudTo:[UIApplication sharedApplication].keyWindow.rootViewController.view image:nil text:@"语音转文字失败,请重试" animated:YES];
      hud.mode = MBProgressHUDModeCustomView;
      [hud hide:YES afterDelay:2];
      NSLog(@"语音转文字发生错误");
      break;
  }
  case EVoiceRecognitionClientWorkPlayStartTone:
  case EVoiceRecognitionClientWorkPlayStartToneFinish:
  case EVoiceRecognitionClientWorkStatusStartWorkIng:
  case EVoiceRecognitionClientWorkStatusStart:
  case EVoiceRecognitionClientWorkPlayEndToneFinish:
  case EVoiceRecognitionClientWorkPlayEndTone: ;
```
}
}

在上面这个方法实现中, 我将语音识别的结果传给我本类的代理方法

@class ZHLVoiceRecognizer;
@protocol ZHLVoiceRecognizerDelegate <NSObject>
@optional

(void)getVoiceToMessage:(NSString *)message fromRecognizer:(ZHLVoiceRecognizer *)recognizer;

@end


7.这样,我在其他类中遵守```ZHLVoiceRecognizerDelegate```这个代理, 实现代理方法时, 就能拿到语音识别的结果, 就是那个字符串啦

比如,在我们公司的项目中, 我就将其赋值给textView.text,这样就用户就可以看到语音识别的结果了

(void)getVoiceToMessage:(NSString *)message fromRecognizer:(ZHLVoiceRecognizer *)recognizer {
self.textView.text = message;
}


#####给大家看看实现效果, 我觉得语音识别的准确率是很高的,请原谅我不是很标准的普通话
![实现效果](http:https://img.haomeiwen.com/i2868984/ea8bd94681f05432.gif?imageMogr2/auto-orient/strip)

网友评论

匹洛曹:我在这种状态下要获取录音文件EVoiceRecognitionClientWorkStatusNewRecordData 我需要如何转写
Grt12:您好！请问，只能真机运行，模拟运行不了。这个问题，作者解决了吗？如何解决？可否告知？
小冰山口:没解决, 真机可以正常运行的
23ba61eaf598:大神有demo吗
ssim:还需要导入一个依赖库 CoreTelephony.framework
414b236b0957:模拟器跑不起来，作者有没有解决？
Grt12:大神，请问您解决这个问题了吗？
爱死了昨天:蔡总,好样的
小冰山口:@爱死了昨天哈哈.谢谢

本文标题：iOS语音识别功能实现

本文链接：https://www.haomeiwen.com/subject/zxgfmttx.html

延伸阅读

深度阅读

您也可以注册成为美文阅读网的作者，发表您的原创作品、分享您的心情！

iOS语音识别功能实现

一注册应用

二配置环境

三开始写代码

相关文章

网友评论

延伸阅读

深度阅读

栏目导航

热点阅读

iOS小记

IOS

iOS学习开发

iOS Developer

语音类

codeER.tec

iOS语音识别功能实现

一 注册应用

二 配置环境

三 开始写代码

相关文章

网友评论

延伸阅读

深度阅读

栏目导航

热点阅读

iOS小记

IOS

iOS学习开发

iOS Developer

语音类

codeER.tec

一注册应用

二配置环境

三开始写代码