原文地址：https://my.oschina.net/u/2340880/blog/751442

一、引言

? ? ? ? iOS10系統(tǒng)是一個(gè)較有突破性的系統(tǒng)，其在Message，Notification等方面都開(kāi)放了很多實(shí)用性的開(kāi)發(fā)接口。本篇博客將主要探討iOS10中新引入的SpeechFramework框架。有個(gè)這個(gè)框架，開(kāi)發(fā)者可以十分容易的為自己的App添加語(yǔ)音識(shí)別功能，不需要再依賴(lài)于其他第三方的語(yǔ)音識(shí)別服務(wù)，并且，Apple的Siri應(yīng)用的強(qiáng)大也證明了Apple的語(yǔ)音服務(wù)是足夠強(qiáng)大的，不通過(guò)第三方，也大大增強(qiáng)了用戶(hù)的安全性。

二、SpeechFramework框架中的重要類(lèi)

? ? ? ? SpeechFramework框架比較輕量級(jí)，其中的類(lèi)并不十分冗雜，在學(xué)習(xí)SpeechFramework框架前，我們需要對(duì)其中類(lèi)與類(lèi)與類(lèi)之間的關(guān)系有個(gè)大致的熟悉了解。

SFSpeechRecognizer：這個(gè)類(lèi)是語(yǔ)音識(shí)別的操作類(lèi)，用于語(yǔ)音識(shí)別用戶(hù)權(quán)限的申請(qǐng)，語(yǔ)言環(huán)境的設(shè)置，語(yǔ)音模式的設(shè)置以及向Apple服務(wù)發(fā)送語(yǔ)音識(shí)別的請(qǐng)求。

SFSpeechRecognitionTask：這個(gè)類(lèi)是語(yǔ)音識(shí)別服務(wù)請(qǐng)求任務(wù)類(lèi)，每一個(gè)語(yǔ)音識(shí)別請(qǐng)求都可以抽象為一個(gè)SFSpeechRecognitionTask實(shí)例，其中SFSpeechRecognitionTaskDelegate協(xié)議中約定了許多請(qǐng)求任務(wù)過(guò)程中的監(jiān)聽(tīng)方法。

SFSpeechRecognitionRequest:語(yǔ)音識(shí)別請(qǐng)求類(lèi)，需要通過(guò)其子類(lèi)來(lái)進(jìn)行實(shí)例化。

SFSpeechURLRecognitionRequest：通過(guò)音頻URL來(lái)創(chuàng)建語(yǔ)音識(shí)別請(qǐng)求。

SFSpeechAudioBufferRecognitionRequest:通過(guò)音頻流來(lái)創(chuàng)建語(yǔ)音識(shí)別請(qǐng)求。

SFSpeechRecognitionResult：語(yǔ)音識(shí)別請(qǐng)求結(jié)果類(lèi)。

SFTranscription：語(yǔ)音轉(zhuǎn)換后的信息類(lèi)。
SFTranscriptionSegment：語(yǔ)音轉(zhuǎn)換中的音頻節(jié)點(diǎn)類(lèi)。

三、申請(qǐng)用戶(hù)語(yǔ)音識(shí)別權(quán)限與進(jìn)行語(yǔ)音識(shí)別請(qǐng)求

? ? ? ? 開(kāi)發(fā)者若要在自己的App中使用語(yǔ)音識(shí)別功能，需要獲取用戶(hù)的同意。首先需要在工程的Info.plist文件中添加一個(gè)Privacy-Speech Recognition Usage Description鍵，其實(shí)需要對(duì)應(yīng)一個(gè)String類(lèi)型的值，這個(gè)值將會(huì)在系統(tǒng)獲取權(quán)限的警告框中顯示，Info.plist文件如下圖所示：

使用SFSpeechRecognize類(lèi)的requestAuthorization方法來(lái)進(jìn)行用戶(hù)權(quán)限的申請(qǐng)，用戶(hù)的反饋結(jié)果會(huì)在這個(gè)方法的回調(diào)block中傳入，如下：

? ? ? //申請(qǐng)用戶(hù)語(yǔ)音識(shí)別權(quán)限

? ? ? [SFSpeechRecognizer requestAuthorization:^(SFSpeechRecognizerAuthorizationStatus status) {? ?

? ? ? }];

SFSpeechRecognizerAuthorzationStatus枚舉中定義了用戶(hù)的反饋結(jié)果，如下：

? ? typedef NS_ENUM(NSInteger, SFSpeechRecognizerAuthorizationStatus) {

? ? ? ? //結(jié)果未知 用戶(hù)尚未進(jìn)行選擇

? ? ? ? SFSpeechRecognizerAuthorizationStatusNotDetermined,

? ? ? ? //用戶(hù)拒絕授權(quán)語(yǔ)音識(shí)別

? ? ? ? SFSpeechRecognizerAuthorizationStatusDenied,

? ? ? ? //設(shè)備不支持語(yǔ)音識(shí)別功能

? ? ? ? SFSpeechRecognizerAuthorizationStatusRestricted,

? ? ? ? //用戶(hù)授權(quán)語(yǔ)音識(shí)別

? ? ? ? SFSpeechRecognizerAuthorizationStatusAuthorized,

? ? };

如果申請(qǐng)用戶(hù)語(yǔ)音識(shí)別權(quán)限成功，開(kāi)發(fā)者可以通過(guò)SFSpeechRecognizer操作類(lèi)來(lái)進(jìn)行語(yǔ)音識(shí)別請(qǐng)求，示例如下：

? ? ? ? //創(chuàng)建語(yǔ)音識(shí)別操作類(lèi)對(duì)象

? ? ? ? SFSpeechRecognizer * rec = [[SFSpeechRecognizer alloc]init];

? ? ? ? //通過(guò)一個(gè)音頻路徑創(chuàng)建音頻識(shí)別請(qǐng)求

? ? ? ? SFSpeechRecognitionRequest * request = [[SFSpeechURLRecognitionRequest alloc]initWithURL:[[NSBundle mainBundle] URLForResource:@"7011" withExtension:@"m4a"]];

? ? ? ? //進(jìn)行請(qǐng)求

? ? ? ? [rec recognitionTaskWithRequest:request resultHandler:^(SFSpeechRecognitionResult * _Nullable result, NSError * _Nullable error) {

? ? ? ? ? ? //打印語(yǔ)音識(shí)別的結(jié)果字符串

? ? ? ? ? ? NSLog(@"%@",result.bestTranscription.formattedString);

? ? ? ? }];
四、深入SFSpeechRecognizer類(lèi)

????? ? SFSpeechRecognizer類(lèi)的主要作用是申請(qǐng)權(quán)限，配置參數(shù)與進(jìn)行語(yǔ)音識(shí)別請(qǐng)求。其中比較重要的屬性與方法如下：

//獲取當(dāng)前用戶(hù)權(quán)限狀態(tài)

+ (SFSpeechRecognizerAuthorizationStatus)authorizationStatus;

//申請(qǐng)語(yǔ)音識(shí)別用戶(hù)權(quán)限

+ (void)requestAuthorization:(void(^)(SFSpeechRecognizerAuthorizationStatus status))handler;

//獲取所支持的所有語(yǔ)言環(huán)境

+ (NSSet<NSLocale *> *)supportedLocales;

//初始化方法 需要注意 這個(gè)初始化方法將默認(rèn)以設(shè)備當(dāng)前的語(yǔ)言環(huán)境作為語(yǔ)音識(shí)別的語(yǔ)言環(huán)境

- (nullable instancetype)init;

//初始化方法 設(shè)置一個(gè)特定的語(yǔ)言環(huán)境

- (nullable instancetype)initWithLocale:(NSLocale *)locale NS_DESIGNATED_INITIALIZER;

//語(yǔ)音識(shí)別是否可用

@property (nonatomic, readonly, getter=isAvailable) BOOL available;

//語(yǔ)音識(shí)別操作類(lèi)協(xié)議代理

@property (nonatomic, weak) id<SFSpeechRecognizerDelegate> delegate;

//設(shè)置語(yǔ)音識(shí)別的配置參數(shù) 需要注意 在每個(gè)語(yǔ)音識(shí)別請(qǐng)求中也有這樣一個(gè)屬性 這里設(shè)置將作為默認(rèn)值

//如果SFSpeechRecognitionRequest對(duì)象中也進(jìn)行了設(shè)置 則會(huì)覆蓋這里的值

/*

? ? typedef NS_ENUM(NSInteger, SFSpeechRecognitionTaskHint) {

? ? ? ? SFSpeechRecognitionTaskHintUnspecified = 0,? ? // 無(wú)定義

? ? ? ? SFSpeechRecognitionTaskHintDictation = 1,? ? ? // 正常的聽(tīng)寫(xiě)風(fēng)格

? ? ? ? SFSpeechRecognitionTaskHintSearch = 2,? ? ? ? ? // 搜索風(fēng)格

? ? ? ? SFSpeechRecognitionTaskHintConfirmation = 3,? ? // 短語(yǔ)風(fēng)格

? ? };

? ? */

? ? @property (nonatomic) SFSpeechRecognitionTaskHint defaultTaskHint;

? ? //使用回調(diào)Block的方式進(jìn)行語(yǔ)音識(shí)別請(qǐng)求 請(qǐng)求結(jié)果會(huì)在Block中傳入

? ? - (SFSpeechRecognitionTask *)recognitionTaskWithRequest:(SFSpeechRecognitionRequest *)request

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? resultHandler:(void (^)(SFSpeechRecognitionResult * __nullable result, NSError * __nullable error))resultHandler;

? ? //使用代理回調(diào)的方式進(jìn)行語(yǔ)音識(shí)別請(qǐng)求

? ? - (SFSpeechRecognitionTask *)recognitionTaskWithRequest:(SFSpeechRecognitionRequest *)request

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? delegate:(id <SFSpeechRecognitionTaskDelegate>)delegate;

? ? //設(shè)置請(qǐng)求所占用的任務(wù)隊(duì)列

? ? @property (nonatomic, strong) NSOperationQueue *queue;

SFSpeechRecognizerDelegate協(xié)議中只約定了一個(gè)方法，如下:

//當(dāng)語(yǔ)音識(shí)別操作可用性發(fā)生改變時(shí)會(huì)被調(diào)用

? ? - (void)speechRecognizer:(SFSpeechRecognizer *)speechRecognizer availabilityDidChange:(BOOL)available;

? ? ? ? 通過(guò)Block回調(diào)的方式進(jìn)行語(yǔ)音識(shí)別請(qǐng)求十分簡(jiǎn)單，如果使用代理回調(diào)的方式，開(kāi)發(fā)者需要實(shí)現(xiàn)SFSpeechRecognitionTaskDelegate協(xié)議中的相關(guān)方法，如下：

//當(dāng)開(kāi)始檢測(cè)音頻源中的語(yǔ)音時(shí)首先調(diào)用此方法

- (void)speechRecognitionDidDetectSpeech:(SFSpeechRecognitionTask *)task;

//當(dāng)識(shí)別出一條可用的信息后 會(huì)調(diào)用

/*

需要注意，apple的語(yǔ)音識(shí)別服務(wù)會(huì)根據(jù)提供的音頻源識(shí)別出多個(gè)可能的結(jié)果 每有一條結(jié)果可用 都會(huì)調(diào)用此方法

*/

- (void)speechRecognitionTask:(SFSpeechRecognitionTask *)task didHypothesizeTranscription:(SFTranscription *)transcription;

//當(dāng)識(shí)別完成所有可用的結(jié)果后調(diào)用

- (void)speechRecognitionTask:(SFSpeechRecognitionTask *)task didFinishRecognition:(SFSpeechRecognitionResult *)recognitionResult;

//當(dāng)不再接受音頻輸入時(shí)調(diào)用 即開(kāi)始處理語(yǔ)音識(shí)別任務(wù)時(shí)調(diào)用

- (void)speechRecognitionTaskFinishedReadingAudio:(SFSpeechRecognitionTask *)task;

//當(dāng)語(yǔ)音識(shí)別任務(wù)被取消時(shí)調(diào)用

- (void)speechRecognitionTaskWasCancelled:(SFSpeechRecognitionTask *)task;

//語(yǔ)音識(shí)別任務(wù)完成時(shí)被調(diào)用

- (void)speechRecognitionTask:(SFSpeechRecognitionTask *)task didFinishSuccessfully:(BOOL)successfully;

? SFSpeechRecognitionTask類(lèi)中封裝了屬性和方法如下：

//此任務(wù)的當(dāng)前狀態(tài)

/*

typedef NS_ENUM(NSInteger, SFSpeechRecognitionTaskState) {

? ? SFSpeechRecognitionTaskStateStarting = 0,? ? ? // 任務(wù)開(kāi)始

? ? SFSpeechRecognitionTaskStateRunning = 1,? ? ? ? // 任務(wù)正在運(yùn)行

? ? SFSpeechRecognitionTaskStateFinishing = 2,? ? ? // 不在進(jìn)行音頻讀入 即將返回識(shí)別結(jié)果

? ? SFSpeechRecognitionTaskStateCanceling = 3,? ? ? // 任務(wù)取消

? ? SFSpeechRecognitionTaskStateCompleted = 4,? ? ? // 所有結(jié)果返回完成

};

*/

@property (nonatomic, readonly) SFSpeechRecognitionTaskState state;

//音頻輸入是否完成

@property (nonatomic, readonly, getter=isFinishing) BOOL finishing;

//手動(dòng)完成音頻輸入 不再接收音頻

- (void)finish;

//任務(wù)是否被取消

@property (nonatomic, readonly, getter=isCancelled) BOOL cancelled;

//手動(dòng)取消任務(wù)

- (void)cancel;

關(guān)于音頻識(shí)別請(qǐng)求類(lèi)，除了可以使用SFSpeechURLRecognitionRequest類(lèi)來(lái)進(jìn)行創(chuàng)建外，還可以使用SFSpeechAudioBufferRecognitionRequest類(lèi)來(lái)進(jìn)行創(chuàng)建：

@interface SFSpeechAudioBufferRecognitionRequest : SFSpeechRecognitionRequest

@property (nonatomic, readonly) AVAudioFormat *nativeAudioFormat;

//拼接音頻流

- (void)appendAudioPCMBuffer:(AVAudioPCMBuffer *)audioPCMBuffer;

- (void)appendAudioSampleBuffer:(CMSampleBufferRef)sampleBuffer;

//完成輸入

- (void)endAudio;

@end

五、語(yǔ)音識(shí)別結(jié)果類(lèi)SFSpeechRecognitionResult

? ? ? ? SFSpeechRecognitionResult類(lèi)是語(yǔ)音識(shí)別結(jié)果的封裝，其中包含了許多套平行的識(shí)別信息，其每一份識(shí)別信息都有可信度屬性來(lái)描述其準(zhǔn)確程度。SFSpeechRecognitionResult類(lèi)中屬性如下：

? ? //識(shí)別到的多套語(yǔ)音轉(zhuǎn)換信息數(shù)組 其會(huì)按照準(zhǔn)確度進(jìn)行排序

? ? @property (nonatomic, readonly, copy) NSArray<SFTranscription *> *transcriptions;

? ? //準(zhǔn)確性最高的識(shí)別實(shí)例

? ? @property (nonatomic, readonly, copy) SFTranscription *bestTranscription;

? ? //是否已經(jīng)完成 如果YES 則所有所有識(shí)別信息都已經(jīng)獲取完成

? ? @property (nonatomic, readonly, getter=isFinal) BOOL final;

SFSpeechRecognitionResult類(lèi)只是語(yǔ)音識(shí)別結(jié)果的一個(gè)封裝，真正的識(shí)別信息定義在SFTranscription類(lèi)中，SFTranscription類(lèi)中屬性如下：

? ? //完整的語(yǔ)音識(shí)別準(zhǔn)換后的文本信息字符串

? ? @property (nonatomic, readonly, copy) NSString *formattedString;

? ? //語(yǔ)音識(shí)別節(jié)點(diǎn)數(shù)組

? ? @property (nonatomic, readonly, copy) NSArray<SFTranscriptionSegment *> *segments;

當(dāng)對(duì)一句完整的話(huà)進(jìn)行識(shí)別時(shí)，Apple的語(yǔ)音識(shí)別服務(wù)實(shí)際上會(huì)把這句語(yǔ)音拆分成若干個(gè)音頻節(jié)點(diǎn)，每個(gè)節(jié)點(diǎn)可能為一個(gè)單詞，SFTranscription類(lèi)中的segments屬性就存放這些節(jié)點(diǎn)。SFTranscriptionSegment類(lèi)中定義的屬性如下：

//當(dāng)前節(jié)點(diǎn)識(shí)別后的文本信息

@property (nonatomic, readonly, copy) NSString *substring;

//當(dāng)前節(jié)點(diǎn)識(shí)別后的文本信息在整體識(shí)別語(yǔ)句中的位置

@property (nonatomic, readonly) NSRange substringRange;

//當(dāng)前節(jié)點(diǎn)的音頻時(shí)間戳

@property (nonatomic, readonly) NSTimeInterval timestamp;

//當(dāng)前節(jié)點(diǎn)音頻的持續(xù)時(shí)間

@property (nonatomic, readonly) NSTimeInterval duration;

//可信度/準(zhǔn)確度 0-1之間

@property (nonatomic, readonly) float confidence;

//關(guān)于此節(jié)點(diǎn)的其他可能的識(shí)別結(jié)果

@property (nonatomic, readonly) NSArray<NSString *> *alternativeSubstrings;

溫馨提示：SpeechFramework框架在模擬器上運(yùn)行會(huì)出現(xiàn)異常情況，無(wú)法進(jìn)行語(yǔ)音識(shí)別請(qǐng)求。會(huì)報(bào)出kAFAssistantErrorDomain的錯(cuò)誤，還望有知道解決方案的朋友，給些建議，Thanks。