都说语音是人机交互的重要手段，虽然个人觉得在大庭广众之下，对着手机发号施令会显得有些尴尬。但是在资源受限的物联网应用场景下（无法外接鼠标键盘显示器），如果能够通过语音来控制设备，与设备进行交互，那还是很实用的。继上一篇《Windows 10 IoT Serials 4 - 如何在树莓派上使用Cortana语音助手》之后，本文将详细讲述如何为运行Windows 10 IoT Core系统的树莓派添加语音识别和语音交互功能。
1. 硬件准备
- 树莓派2/树莓派3、5V/2A电源、TF卡(8GB以上)
- 麦克风：Microsoft LifeCam HD 3000（该摄像头集成了麦克风），也可以使用其他麦克风，如Blue Snowball iCE Condenser Microphone, Cardioid, Sound Tech CM-1000USB Table Top Conference Meeting Microphone
- 受控对象：这里以两个LED灯为例。用户可以根据实际需求添加受控对象，比如添加继电器模块以后，可以控制强电设备。
- 音频输出设备（可选）：Windows 10 IoT Core系统的树莓派只支持3.5mm接口的音频输出，HDMI的音频输出不支持。所以，可以接一个普通的3.5mm接口的耳机就可以。
- 显示设备（可选）：可以接HDMI接口的显示器，或者使用有源HDMI转VGA模块，转接VGA接口的显示器。
注意，这里音频输出设备和显示设备是可选的，并不是必须的。
2. 硬件连接
这里将LED连接到树莓派的GPIO5和GPIO6两个引脚，同时，把麦克风设备插入到树莓派的USB接口。如果准备了音频输出设备（如耳机或音响）和显示设备（显示器），请连接到树莓派的3.5mm音频接口和HDMI接口。
3. 程序编写
本应用程序使用的开发环境是Windows 10+Visual Studio 2015 Community，注意，Visual Studio需要包含Universal Windows App Development Tools组件。
3.1 新建工程和添加资源
新建工程时，选用Universal模板，工程命名为RPiVoiceControl，如下图所示。
因为要用到GPIO引脚控制LED，所以需要为工程添加Windows IoT Extension for UWP引用，如下图所示。
由于需要使用Microphone，所以需要在工程的Package.appxmanifest文件中，勾选Microphone，如下图所示。
另外，由于需要使用到语音识别、LED和UI控件等资源，需要为应用程序引入命名空间，如下：
using System;
using System.Diagnostics;
此处省略若干…
using Windows.Devices.Gpio; //LED
using Windows.Media.SpeechRecognition;//语音识别
using Windows.Media.SpeechSynthesis;
using Windows.Storage;
using Windows.ApplicationModel;
3.2 新建语音指令定义文件
为项目添加新的xml文件，命名为Grammar.xml，用于定义语音指令。项目中用到的语音指令符合Speech Recognition Grammar Specification Version 1.0 (SRGS)标准，其具体协议可以参考MSDN上的这个文档：Create Grammars Using SRGS XML (Microsoft.Speech)。
之后，打开该文件，为其添加如下语音指令。
<?xml version="1.0" encoding="utf-8" ?>
<grammar
version="1.0"
xml:lang="en-US"
root="automationCommands"
xmlns="http://www.w3.org/2001/06/grammar"
tag-format="semantics/1.0">
<rule id="root">
<item>
<ruleref uri="#automationCommands"/>
<tag>out.command=rules.latest();</tag>
</item>
</rule>
此处省略代码，具体请参考Github上项目的完整代码。
<rule id="deviceActions">
<one-of>
<item>
light <tag> out="LIGHT"; </tag>
</item>
<item>
led <tag> out="LED"; </tag>
</item>
</one-of>
</rule>
</grammar>
3.3 程序界面设计
如果不准备给树莓派接显示器的可以直接忽略这一步，如果需要在程序运行过程中查看状态的，可以加入一些简单的控件，这里只是加入了两个指示LED灯状态的Ellipse 控件、两个指示程序运行状态的TextBlock 控件和一个MediaElement 控件，代码如下。
<Grid Background="{ThemeResource ApplicationPageBackgroundThemeBrush}">
<StackPanel HorizontalAlignment="Center" VerticalAlignment="Center">
<Ellipse x:Name="bedroomLED" Fill="LightGray" Stroke="White" Width="100" Height="100" Margin="10"/>
<Ellipse x:Name="kitchenroomLED" Fill="LightGray" Stroke="White" Width="100" Height="100" Margin="10"/>
<TextBlock x:Name="GpioStatus" Text="Waiting to initialize GPIO..." Margin="10,50,10,10" TextAlignment="Center" FontSize="26.667" />
<TextBlock x:Name="VoiceStatus" Text="Waiting to initialize Microphone" Margin="10,50,10,10" TextAlignment="Center" TextWrapping="Wrap" />
<MediaElement x:Name="mediaElement"></MediaElement>
</StackPanel>
</Grid>
3.4 后台代码
后台代码中，首先需要定义应用程序使用的资源对象，如GPIO、画刷、定时器、部分代码如下，
private const int BedRoomLED_PINNumber = 5;
private GpioPin BedRoomLED_GpioPin;
private GpioPinValue BedRoomLED_GpioPinValue;
private DispatcherTimer bedRoomTimer;
private const int kITCHENLED_PINNumber = 6;
private GpioPin kITCHENLED_GpioPin;
private GpioPinValue kITCHENLED_GpioPinValue;
private DispatcherTimer kITCHENTimer;
private SolidColorBrush redBrush = new SolidColorBrush(Windows.UI.Colors.Red);
private SolidColorBrush grayBrush = new SolidColorBrush(Windows.UI.Colors.LightGray);
然后，在MainPage的构造函数中，添加资源的初始化，部分代码如下：
public MainPage()
{
this.InitializeComponent();
Unloaded += MainPage_Unloaded;
// Initialize Recognizer
initializeSpeechRecognizer();
InitBedRoomGPIO();
InitKITCHENGPIO();
bedRoomTimer = new DispatcherTimer();
bedRoomTimer.Interval = TimeSpan.FromMilliseconds(500);
bedRoomTimer.Tick += BedRoomTimer_Tick;
kITCHENTimer = new DispatcherTimer();
kITCHENTimer.Interval = TimeSpan.FromMilliseconds(500);
kITCHENTimer.Tick += KITCHENTimer_Tick;
}
在initializeSpeechRecognizer函数中，完成语音识别状态改变事件的添加、语音指令文件的加载，部分代码如下：
private async void initializeSpeechRecognizer()
{
// Initialize recognizer
recognizer = new SpeechRecognizer();
// Set event handlers
recognizer.StateChanged += RecognizerStateChanged;
recognizer.ContinuousRecognitionSession.ResultGenerated += RecognizerResultGenerated;
// Load Grammer file constraint
string fileName = String.Format(SRGS_FILE);
StorageFile grammarContentFile = await Package.Current.InstalledLocation.GetFileAsync(fileName);
SpeechRecognitionGrammarFileConstraint grammarConstraint = new SpeechRecognitionGrammarFileConstraint(grammarContentFile);
// Add to grammer constraint
recognizer.Constraints.Add(grammarConstraint);
SpeechRecognitionCompilationResult compilationResult = await recognizer.CompileConstraintsAsync();
Debug.WriteLine("Status: " + compilationResult.Status.ToString());
// If successful, display the recognition result.
if (compilationResult.Status == SpeechRecognitionResultStatus.Success)
{
Debug.WriteLine("Result: " + compilationResult.ToString());
await recognizer.ContinuousRecognitionSession.StartAsync();
}
else
{
Debug.WriteLine("Status: " + compilationResult.Status);
}
}
之后，添加RecognizerResultGenerated和RecognizerStateChanged两个事件的处理，主要用于语音识别结果和状态发生变化的处理。部分代码如下：
private async void RecognizerResultGenerated(SpeechContinuousRecognitionSession session, SpeechContinuousRecognitionResultGeneratedEventArgs args)
{
// Check for different tags and initialize the variables
String location = args.Result.SemanticInterpretation.Properties.ContainsKey(TAG_TARGET) ?
args.Result.SemanticInterpretation.Properties[TAG_TARGET][0].ToString() :
"";
String cmd = args.Result.SemanticInterpretation.Properties.ContainsKey(TAG_CMD) ?
args.Result.SemanticInterpretation.Properties[TAG_CMD][0].ToString() :
"";
String device = args.Result.SemanticInterpretation.Properties.ContainsKey(TAG_DEVICE) ?
args.Result.SemanticInterpretation.Properties[TAG_DEVICE][0].ToString() :
"";
Windows.ApplicationModel.Core.CoreApplication.MainView.CoreWindow.Dispatcher.RunAsync(Windows.UI.Core.CoreDispatcherPriority.Normal, () =>
{
VoiceStatus.Text= "Target: " + location + ", Command: " + cmd + ", Device: " + device;
});
switch (device)
{
case "hiActivationCMD"://Activate device
SaySomthing("hiActivationCMD", "On");
break;
case "LIGHT":
LightControl(cmd, location);
break;
default:
break;
}
}
// Recognizer state changed
private async void RecognizerStateChanged(SpeechRecognizer sender, SpeechRecognizerStateChangedEventArgs args)
{
Windows.ApplicationModel.Core.CoreApplication.MainView.CoreWindow.Dispatcher.RunAsync(Windows.UI.Core.CoreDispatcherPriority.Normal, () =>
{
VoiceStatus.Text = "Speech recognizer state: " + args.State.ToString();
});
}
定义函数SaySomthing，用于反馈的语音生成，这样，用户就可以听到树莓派的语音反馈了。部分代码如下：
private async void SaySomthing(string myDevice, string State, int speechCharacterVoice = 0)
{
if (myDevice == "hiActivationCMD")
PlayVoice($"Hi Jack What can i do for you");
else
PlayVoice($"OK Jack {myDevice} {State}", speechCharacterVoice);
await Windows.ApplicationModel.Core.CoreApplication.MainView.CoreWindow.Dispatcher.RunAsync(Windows.UI.Core.CoreDispatcherPriority.Normal, () =>
{
VoiceStatus.Text = $"OK -> ===== {myDevice} --- {State} =======";
});
}
最后，在两个定时器的溢出事件处理中，加入对LED灯的处理，部分代码如下：
private void BedRoomTimer_Tick(object sender, object e)
{
if (BedRoomLED_GpioPinValue == GpioPinValue.High)
{
BedRoomLED_GpioPinValue = GpioPinValue.Low;
BedRoomLED_GpioPin.Write(BedRoomLED_GpioPinValue);
bedroomLED.Fill = redBrush;
}
else
{
BedRoomLED_GpioPinValue = GpioPinValue.High;
BedRoomLED_GpioPin.Write(BedRoomLED_GpioPinValue);
bedroomLED.Fill = grayBrush;
}
}
4. 应用调试
在Visual Studio中设置编译的平台为ARM，调试设备为Remote Machine，在Debug选项卡中，设置树莓派的IP地址，点击调试。如下图所示。
程序运行以后，用户可以通过语音指令与树莓派进行交互。
首先，用户可以使用“Hi Jack”与设备交互，可以听到设备有回复，用于确认应用程序是否正确运行。
其次，用户可以使用“Turn On/Off Bedroom Light”和“Turn On/Off kitchen Light ”来控制两个LED灯，同时，在应用程序的界面上还可以看到灯的状态和语音识别的状态，如下图所示。
应用程序运行的实物图如下：
5. 代码下载
本项目的代码已经发布到Github上，链接如下：https://github.com/shijiong/RPiVoiceControl，欢迎下载使用。