背景：
公司每年会给出两天时间让大家各自提出、准备、实现和展示自己的idea。源于这次活动，对于语音识别做了一番了解，并对一些工具和API做了一些实战调用。最后选择调用一个神奇的js库实现了语音识别和指令识别，融入了项目当中。
Demo的视频地址：http://pan.baidu.com/s/1c1OsQYk 提取密码：229p
起初，准备使用百度语音API实现语音识别，但是面临下面的困扰：
1.REST方式，百度推出的基于跨平台的REST 方式的语音识别，但是API文档中明确说明，该方式只支持音频文件上传的方式
2.Android平台，搭建好android环境并导入项目后，Demo程序可以运行，而且导出的apk文件也可以在android真机上运行。但是我们的产品是web应用，要将android平台的代码抽出来放进产品，从时间上来说，显然不够
后来，我们找到了一个js库——annyang。
该库是一个很小的JavaScript库，可以让你的访客用语音命令来控制你的网站。annyang支持多国语言，没有依赖性，重量仅为2KB，可以免费使用。
所以今天的主要内容分为以下三部分
百度语音Android平台
1.导入项目代码
在上篇《玩转百度语音识别，就是这么简单》我们已经搭建了android的环境，并导入百度给出的Android Demo代码。但是之前我们只看到了一个名为"Speech Recorder"的应用，后来我再次启动模拟器的时候，除了"Speech Recorder"以外还有一个"百度语音示例(2.x)"的应用。
在模拟器中似乎没有办法访问到麦克风，于是安装到android机上测试。当然首先你需要将代码Export为apk文件，具体操作网上很多。
2.安装过程和测试过程
安装完成
应用界面：
语音输入及识别结果
（太不要脸了，但是说的都是大实话^^）
至此，亲测android平台可用，而且从识别结果来看，还是蛮准确的。
百度语音REST API
在上篇中我们也对REST API的方式做了介绍并亲测上传录制好的音频文件再调用API是能够返回结果的。REST API的调用方式跨平台，轻便好用，但是需要录好音频文件上传后才能得到语音识别的结果，显得不是很方便。
1.设计思路
- 绘制一个界面包含开始和结束用于控制语音输入
- 点击开始时，开始调用麦克风
- 添加线程监控麦克风，将麦克风输入的内容存储为指定音频格式的文件
- 当点击停止按钮时，调用语音识别的REST API，读取刚刚生成的音频文件
- 请求远程识别服务，返回音频文件识别后的结果
有了以上思路，具体实现的代码如下
package com.baidu.speech.serviceapi;
import javax.swing.*;
import javax.xml.bind.DatatypeConverter;
import org.json.JSONObject;
import java.awt.*;
import java.awt.event.*;
import java.io.*;
import java.net.HttpURLConnection;
import java.net.URL;
import javax.sound.sampled.*;
public class AudioUI extends JFrame {
AudioFormat audioFormat;
TargetDataLine targetDataLine;
final JButton captureBtn = new JButton("Capture");
final JButton stopBtn = new JButton("Stop");
final JPanel btnPanel = new JPanel();
final ButtonGroup btnGroup = new ButtonGroup();
final JRadioButton aifcBtn = new JRadioButton("AIFC");
final JRadioButton aiffBtn = new JRadioButton("AIFF");
final JRadioButton auBtn = // selected at startup
new JRadioButton("AU", true);
final JRadioButton sndBtn = new JRadioButton("SND");
final JRadioButton waveBtn = new JRadioButton("WAVE");
//definition variable for REST
private static final String serverURL = "http://vop.baidu.com/server_api";
private static String token = "";
private static final String testFileName = "C:\\Users\\Administrator\\workspace\\speechrecognition\\output.wav";
//put your own params here
private static final String apiKey = "***";//这里的apiKey就是前面申请在应用卡片中的apiKey
private static final String secretKey = "***";//这里的secretKey就是前面申请在应用卡片中的secretKey
private static final String cuid = "***";//cuid是设备的唯一标示，因为我用的是PC，所以这里用的是网卡Mac地址
public static void main(String args[]) {
new AudioUI();
}// end main
public AudioUI() {// constructor
captureBtn.setEnabled(true);
stopBtn.setEnabled(false);
// Register anonymous listeners
captureBtn.addActionListener(new ActionListener() {
public void actionPerformed(ActionEvent e) {
captureBtn.setEnabled(false);
stopBtn.setEnabled(true);
// Capture input data from the
// microphone until the Stop button is
// clicked.
captureAudio();
}// end actionPerformed
}// end ActionListener
);// end addActionListener()
stopBtn.addActionListener(new ActionListener() {
public void actionPerformed(ActionEvent e) {
captureBtn.setEnabled(true);
stopBtn.setEnabled(false);
// Terminate the capturing of input data
// from the microphone.
targetDataLine.stop();
targetDataLine.close();
try {
getToken();
method1();
method2();
} catch (Exception e1) {
// TODO Auto-generated catch block
e1.printStackTrace();
}
}// end actionPerformed
}// end ActionListener
);// end addActionListener()
// Put the buttons in the JFrame
getContentPane().add(captureBtn);
getContentPane().add(stopBtn);
// Include the radio buttons in a group
btnGroup.add(aifcBtn);
btnGroup.add(aiffBtn);
btnGroup.add(auBtn);
btnGroup.add(sndBtn);
btnGroup.add(waveBtn);
// Add the radio buttons to the JPanel
btnPanel.add(aifcBtn);
btnPanel.add(aiffBtn);
btnPanel.add(auBtn);
btnPanel.add(sndBtn);
btnPanel.add(waveBtn);
// Put the JPanel in the JFrame
getContentPane().add(btnPanel);
// Finish the GUI and make visible
getContentPane().setLayout(new FlowLayout());
setTitle("Copyright 2003, R.G.Baldwin");
setDefaultCloseOperation(EXIT_ON_CLOSE);
setSize(300, 120);
setVisible(true);
}// end constructor
// This method captures audio input from a
// microphone and saves it in an audio file.
private void captureAudio() {
try {
// Get things set up for capture
audioFormat = getAudioFormat();
DataLine.Info dataLineInfo = new DataLine.Info(TargetDataLine.class, audioFormat);
targetDataLine = (TargetDataLine) AudioSystem.getLine(dataLineInfo);
// Create a thread to capture the microphone
// data into an audio file and start the
// thread running. It will run until the
// Stop button is clicked. This method
// will return after starting the thread.
new CaptureThread().start();
} catch (Exception e) {
e.printStackTrace();
System.exit(0);
} // end catch
}// end captureAudio method
// This method creates and returns an
// AudioFormat object for a given set of format
// parameters. If these parameters don‘t work
// well for you, try some of the other
// allowable parameter values, which are shown
// in comments following the declarations.
private AudioFormat getAudioFormat() {
float sampleRate = 8000.0F;
// 8000,11025,16000,22050,44100
int sampleSizeInBits = 16;
// 8,16
int channels = 1;
// 1,2
boolean signed = true;
// true,false
boolean bigEndian = false;
// true,false
return new AudioFormat(sampleRate, sampleSizeInBits, channels, signed, bigEndian);
}// end getAudioFormat
// =============================================//
// Inner class to capture data from microphone
// and write it to an output audio file.
class CaptureThread extends Thread {
public void run() {
AudioFileFormat.Type fileType = null;
File audioFile = null;
// Set the file type and the file extension
// based on the selected radio button.
if (aifcBtn.isSelected()) {
fileType = AudioFileFormat.Type.AIFC;
audioFile = new File("output.aifc");
} else if (aiffBtn.isSelected()) {
fileType = AudioFileFormat.Type.AIFF;
audioFile = new File("output.aif");
} else if (auBtn.isSelected()) {
fileType = AudioFileFormat.Type.AU;
audioFile = new File("output.au");
} else if (sndBtn.isSelected()) {
fileType = AudioFileFormat.Type.SND;
audioFile = new File("output.snd");
} else if (waveBtn.isSelected()) {
fileType = AudioFileFormat.Type.WAVE;
audioFile = new File("output.wav");
} // end if
try {
targetDataLine.open(audioFormat);
targetDataLine.start();
AudioSystem.write(new AudioInputStream(targetDataLine), fileType, audioFile);
} catch (Exception e) {
e.printStackTrace();
} // end catch
}// end run
}// end inner class CaptureThread
// =============================================//
private static void getToken() throws Exception {
String getTokenURL = "https://openapi.baidu.com/oauth/2.0/token?grant_type=client_credentials" +
"&client_id=" + apiKey + "&client_secret=" + secretKey;
HttpURLConnection conn = (HttpURLConnection) new URL(getTokenURL).openConnection();
token = new JSONObject(printResponse(conn)).getString("access_token");
}
private static void method1() throws Exception {
File pcmFile = new File(testFileName);
HttpURLConnection conn = (HttpURLConnection) new URL(serverURL).openConnection();
// construct params
JSONObject params = new JSONObject();
params.put("format", "pcm");
params.put("rate", 8000);
params.put("lan", "en");
params.put("channel", "1");
params.put("token", token);
params.put("cuid", cuid);
params.put("len", pcmFile.length());
params.put("speech", DatatypeConverter.printBase64Binary(loadFile(pcmFile)));
// add request header
conn.setRequestMethod("POST");
conn.setRequestProperty("Content-Type", "application/json; charset=utf-8");
conn.setDoInput(true);
conn.setDoOutput(true);
// send request
DataOutputStream wr = new DataOutputStream(conn.getOutputStream());
wr.writeBytes(params.toString());
wr.flush();
wr.close();
printResponse(conn);
}
private static void method2() throws Exception {
File pcmFile = new File(testFileName);
HttpURLConnection conn = (HttpURLConnection) new URL(serverURL
+ "?cuid=" + cuid + "&token=" + token).openConnection();
// add request header
conn.setRequestMethod("POST");
conn.setRequestProperty("Content-Type", "audio/pcm; rate=8000");
conn.setDoInput(true);
conn.setDoOutput(true);
// send request
DataOutputStream wr = new DataOutputStream(conn.getOutputStream());
wr.write(loadFile(pcmFile));
wr.flush();
wr.close();
printResponse(conn);
}
private static String printResponse(HttpURLConnection conn) throws Exception {
if (conn.getResponseCode() != 200) {
// request error
return "";
}
InputStream is = conn.getInputStream();
BufferedReader rd = new BufferedReader(new InputStreamReader(is));
String line;
StringBuffer response = new StringBuffer();
while ((line = rd.readLine()) != null) {
response.append(line);
response.append(‘\r‘);
}
rd.close();
System.out.println(new JSONObject(response.toString()).toString(4));
return response.toString();
}
private static byte[] loadFile(File file) throws IOException {
InputStream is = new FileInputStream(file);
long length = file.length();
byte[] bytes = new byte[(int) length];
int offset = 0;
int numRead = 0;
while (offset < bytes.length
&& (numRead = is.read(bytes, offset, bytes.length - offset)) >= 0) {
offset += numRead;
}
if (offset < bytes.length) {
is.close();
throw new IOException("Could not completely read file " + file.getName());
}
is.close();
return bytes;
}
}
注意上面的apiKey,secretKey,cuid都要填写自己申请后的值。
2.效果展示
弹出的ui界面
选择"wave"，点击Capture，开始语音输入，然后点击stop，得到结果
{
"access_token": "24.***a82646fffd31.259**2335-7980222",
"refresh_token": "25.18***6f.315360000.1***-7980222",
"scope": "public audio_voice_assistant_get wise_adapt lebo_resource_base lightservice_public hetu_basic lightcms_map_poi kaidian_kaidian",
"session_key": "***URC38LpHQ+crR5n6hQ***zVZRBK/rpVGeNviJXnmJpFIwpsT97C4xvsD",
"session_secret": "***db82f505cba***",
"expires_in": 2592000
}
{
"result": [
"hello how are you, ",
"hello oh how are you, ",
"hello how are u, ",
"halo how are you, ",
"hollow how are you, "
],
"err_msg": "success.",
"sn": "776663153181460775167",
"corpus_no": "6273981573367938505",
"err_no": 0
}
{
"result": ["哈喽好玩哟，"],
"err_msg": "success.",
"sn": "496395116711460775168",
"corpus_no": "6273981574058301747",
"err_no": 0
}
这里LZ输入的语音为“hello，how are you”。从识别结果来看很理想。而且百度语音识别支持三种语言（中文，英语，粤语），这里第一个返回的结果是英文版本，第二个返回的结果是中文版本。
有了麦克风的支持，REST API的调用方式显得可操作性更强了，你可以将这种方式集成到你的应用，实现在线输入，在线搜索等等功能。
annyang
1.annyang介绍
annyang就是一个js库，可以集成到你的应用中，只有2kb的大小，它到底有多好用我们可以去它的demo网站体验下就知道了
http://www.jq22.com/yanshi216 annyang1.0.0版本
https://www.talater.com/annyang/ annyang2.3.0版本
从console控制台可以看到该网站共加载了四条指令：hello(there)， show me * search， show :type report以及let‘s get started
这里LZ说出了指令"hello there",产生的效果就是console显示了识别的结果为hello there并与网站加载的指令hello there匹配上了，所以网站会自动跳转到显示hell的部分
这里LZ说的是show me voice search,所以匹配的show me *search指令，并且页面跳转到“show me”的部分
2.集成annyang到自己的应用
在自己的github angelloExtend中加入annyang的支持，只需要两步：
（1）引入annyang.js
在boot.js中添加
{ file: ‘//cdnjs.cloudflare.com/ajax/libs/annyang/2.3.0/annyang.min.js‘},
（2）在DataCtroller.js中添加一条command并启动annyang服务
if (annyang) {
// Let‘s define our first command. First the text we expect, and then the function it should call
var commands = {
‘show bar chart‘: function() {
alert("hahahha~~~~");
myUser.show(‘bar‘);
}
};
// Add our commands to annyang
annyang.addCommands(commands);
// Start listening. You can call this here, or attach this call to an event, button, etc.
annyang.start();
}
具体参见项目：https://github.com/DMinerJackie/angelloExtend
至此，我们主要介绍了
1.基于android平台的百度语音识别的测试和验证
2.基于REST API方式的语音识别，并实现调用麦克风实现在线语音输入和识别的功能
3.介绍annyang并演示如何使用与集成该库
如果您觉得阅读本文对您有帮助，请点一下“推荐”按钮，您的“推荐”将是我最大的写作动力！如果您想持续关注我的文章，请扫描二维码，关注JackieZheng的微信公众号，我会将我的文章推送给您，并和您一起分享我日常阅读过的优质文章。
时间： 2024-08-29 19:56:25