iOS利用Speech Kit實(shí)現(xiàn)語音識別

Siri.jpeg

一、前言

前一段時間彩云小譯上了App Store的推薦，我下載試玩了一下，效果還是非常不錯的。它可以實(shí)現(xiàn)實(shí)時翻譯的功能，我自己粗淺地分析了一下彩云小譯的實(shí)現(xiàn)原理，其中最重要的一步就是聲音轉(zhuǎn)文字。

目前市面上也有很多服務(wù)商提供聲音轉(zhuǎn)文字的服務(wù)，有收費(fèi)的有免費(fèi)的，但是畢竟是第三方的服務(wù)商，接口的性能和穩(wěn)定性都不一定能保證。

2016年Apple在發(fā)布重磅產(chǎn)品iOS10的同時也發(fā)布了Speech Kit語音識別框架，大名鼎鼎的Siri的語音識別就是基于Speech Kit實(shí)現(xiàn)的。有了Speech Kit，我們就可以非常簡單地實(shí)現(xiàn)聲音轉(zhuǎn)文字的功能。下面我就簡單介紹一下Speech Kit的用法。

二、實(shí)現(xiàn)

1、頁面布局

因?yàn)橹皇菍?shí)現(xiàn)一個Demo，頁面不需要多復(fù)雜，只需要在Storyboard上拖入兩個控件：一個UITextView用于展示聲音轉(zhuǎn)文字的結(jié)果，一個UIButton用于觸發(fā)語音識別，最好布置好約束即可。具體效果如下圖：

控件布局

2、申請用戶權(quán)限

首先需要引入Speech Kit框架

#import <Speech/Speech.h>

申請權(quán)限非常簡單，在識別前（viewDidLoad:）加入以下代碼即可申請語音識別的權(quán)限：

- (void)viewDidLoad {
    [super viewDidLoad];
    
    // 請求權(quán)限
    [SFSpeechRecognizer requestAuthorization:^(SFSpeechRecognizerAuthorizationStatus status) {
        NSLog(@"status %@", status == SFSpeechRecognizerAuthorizationStatusAuthorized ? @"授權(quán)成功" : @"授權(quán)失敗");
    }];
}

這時候運(yùn)行起來會崩潰，原因是在iOS10后需要在info.plist文件中添加麥克分和語音識別權(quán)限申請信息：

<key>NSSpeechRecognitionUsageDescription</key>
<string>請?jiān)试S語音識別</string>
<key>NSMicrophoneUsageDescription</key>
<string>請打開麥克風(fēng)</string>

運(yùn)行項(xiàng)目，會提示打開語音識別和打開麥克風(fēng)權(quán)限，至此我們已經(jīng)完成了權(quán)限的申請。

3、初始化語音識別引擎

添加以下代碼：

- (void)initEngine {
    if (!self.speechRecognizer) {
        // 設(shè)置語言
        NSLocale *locale = [NSLocale localeWithLocaleIdentifier:@"zh-CN"];
        self.speechRecognizer = [[SFSpeechRecognizer alloc] initWithLocale:locale];
    }
    if (!self.audioEngine) {
        self.audioEngine = [[AVAudioEngine alloc] init];
    }
    
    AVAudioSession *audioSession = [AVAudioSession sharedInstance];
    [audioSession setCategory:AVAudioSessionCategoryRecord mode:AVAudioSessionModeMeasurement options:AVAudioSessionCategoryOptionDuckOthers error:nil];
    [audioSession setActive:YES withOptions:AVAudioSessionSetActiveOptionNotifyOthersOnDeactivation error:nil];
    
    if (self.recognitionRequest) {
        [self.recognitionRequest endAudio];
        self.recognitionRequest = nil;
    }
    self.recognitionRequest = [[SFSpeechAudioBufferRecognitionRequest alloc] init];
    self.recognitionRequest.shouldReportPartialResults = YES; 
}
  1. 初始化SFSpeechRecognizer時需要傳入一個NSLocle對象，用于標(biāo)識用戶輸入的語種，如"zh-CN"代表普通話，"en_US"代表英文。
  2. AVAudioEngine是音頻引擎，用于音頻輸入。
  3. 利用AVAudioSession對象進(jìn)行音頻錄制的配置。
  4. 在語音識別產(chǎn)生最終結(jié)果之前可能產(chǎn)生多種結(jié)果，設(shè)置SFSpeechAudioBufferRecognitionRequest對象的shouldReportPartialResult屬性為YES意味著每產(chǎn)生一種結(jié)果就馬上返回。

4、啟動語音識別引擎

添加以下代碼：

- (void)startRecording:(UIButton *)recordButton {
    [self initEngine];
    
    AVAudioFormat *recordingFormat = [[self.audioEngine inputNode] outputFormatForBus:0];
    [[self.audioEngine inputNode] installTapOnBus:0 bufferSize:1024 format:recordingFormat block:^(AVAudioPCMBuffer * _Nonnull buffer, AVAudioTime * _Nonnull when) {
        [self.recognitionRequest appendAudioPCMBuffer:buffer];
    }];
    [self.audioEngine prepare];
    [self.audioEngine startAndReturnError:nil];
    
    [recordButton setTitle:@"錄音ing" forState:UIControlStateNormal];
}
  1. 為self.recordButton添加點(diǎn)擊事件。
  2. 設(shè)置音頻錄制的格式及音頻流回調(diào)的處理(把音頻流拼接到self.recognitionRequest)。
  3. 開始錄制音頻。
  4. 修改按鈕文案。

5、重置語音識別引擎

添加以下代碼：

- (void)stopRecording:(UIButton *)recordButton {
    [[self.audioEngine inputNode] removeTapOnBus:0];
    [self.audioEngine stop];
    
    [self.recognitionRequest endAudio];
    self.recognitionRequest = nil;
    
    [recordButton setTitle:@"錄音" forState:UIControlStateNormal];
}
  1. 為self.recordButton添加點(diǎn)擊事件。
  2. 停止音頻錄制引擎。
  3. 停止識別器。
  4. 修改按鈕文案。

6、語音識別結(jié)果的回調(diào)

下面是語音識別器SFSpeechRecognizer的API描述：

// Recognize speech utterance with a request
// If request.shouldReportPartialResults is true, result handler will be called
// repeatedly with partial results, then finally with a final result or an error.
- (SFSpeechRecognitionTask *)recognitionTaskWithRequest:(SFSpeechRecognitionRequest *)request
                                          resultHandler:(void (^)(SFSpeechRecognitionResult * __nullable result, NSError * __nullable error))resultHandler;

// Advanced API: Recognize a custom request with with a delegate
// The delegate will be weakly referenced by the returned task
- (SFSpeechRecognitionTask *)recognitionTaskWithRequest:(SFSpeechRecognitionRequest *)request
                                               delegate:(id <SFSpeechRecognitionTaskDelegate>)delegate;

語音識別結(jié)果的回調(diào)有兩種方式，一種是delegate，一種是block，這里為了簡單，先采用block的方式回調(diào)。

初始化語音識別器SFSpeechRecognizer時添加以下代碼：

[self.speechRecognizer recognitionTaskWithRequest:self.recognitionRequest resultHandler:^(SFSpeechRecognitionResult * _Nullable result, NSError * _Nullable error) {
        NSLog(@"is final: %d  result: %@", result.isFinal, result.bestTranscription.formattedString);
        if (result.isFinal) {
            self.textView.text = [NSString stringWithFormat:@"%@%@", self.textView.text, result.bestTranscription.formattedString];
        }
    }];

7、識別音頻文件

添加以下代碼

- (IBAction)startRecognizing:(id)sender {
    SFSpeechRecognizer *recognizer = [[SFSpeechRecognizer alloc] initWithLocale:[NSLocale localeWithLocaleIdentifier:@"zh_CN"]];
    NSURL *url = [[NSBundle mainBundle] URLForResource:@"test.mp3" withExtension:nil];
    SFSpeechURLRecognitionRequest *request = [[SFSpeechURLRecognitionRequest alloc] initWithURL:url];
    [recognizer recognitionTaskWithRequest:request resultHandler:^(SFSpeechRecognitionResult * _Nullable result, NSError * _Nullable error) {
        if (result.isFinal) {
            UIAlertController *alert = [UIAlertController alertControllerWithTitle:@"識別結(jié)果" message:[NSString stringWithFormat:@"%@", result.bestTranscription.formattedString] preferredStyle:UIAlertControllerStyleAlert];
            UIAlertAction *confirm = [UIAlertAction actionWithTitle:@"OK" style:UIAlertActionStyleCancel handler:nil];
            [alert addAction:confirm];
            [self presentViewController:alert animated:YES completion:nil];
        }
    }];
}
  1. 初始化語音識別器SFSpeechRecognizer。
  2. 獲取音頻文件路徑。
  3. 初始化語音識別請求SFSpeechURLRecognitionRequest。
  4. 設(shè)置回調(diào)。

三、總結(jié)

本文章主要介紹了如何利用iOS系統(tǒng)自帶的Speech Kit框架實(shí)現(xiàn)音頻轉(zhuǎn)文字的功能，Speech Kit相當(dāng)強(qiáng)大，本文章只是非常簡單的介紹了錄音識別及音頻文件識別而已，大家有興趣可以深入研究，有問題也可以一起探討。

聲音轉(zhuǎn)文字的功能我們已經(jīng)實(shí)現(xiàn)了，下一步我們可以找到翻譯服務(wù)提供商的服務(wù)，就可以實(shí)現(xiàn)一個簡易版的實(shí)時翻譯應(yīng)用了。

本文Demo：https://github.com/OuDuShu/SpeechTest

四、參考

http://swift.gg/2016/09/30/siri-speech-framework/
https://developer.apple.com/videos/play/wwdc2016/509/
https://developer.nuance.com/public/Help/DragonMobileSDKReference_iOS/Getting-started.html
https://www.raywenderlich.com/60870/building-ios-app-like-siri

最后編輯于 ：
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
【社區(qū)內(nèi)容提示】社區(qū)部分內(nèi)容疑似由AI輔助生成，瀏覽時請結(jié)合常識與多方信息審慎甄別。
平臺聲明：文章內(nèi)容（如有圖片或視頻亦包括在內(nèi)）由作者上傳并發(fā)布，文章內(nèi)容僅代表作者本人觀點(diǎn)，簡書系信息發(fā)布平臺，僅提供信息存儲服務(wù)。

相關(guān)閱讀更多精彩內(nèi)容

友情鏈接更多精彩內(nèi)容