IOS开发学习笔记（二） 语音识别

    上次简单地讲解了如何利用科大讯飞完成语音合成，今天接着也把语音识别整理一下。当然，写代码前我们需要做的一些工作（如申请appid、导库），在上一篇语音合成的文章当中已经说过了，不了解的可以看看我上次的博文，那么这次直接从堆代码开始吧。

详细步骤：

1.导完类库之后，在工程里添加好用的头文件。在视图里只用了一个UITextField显示识别的内容，两个UIButton（一个开始监听语音，一个结束监听），然后引入类、添加代理，和语音合成的一样。

MainViewController.h

#import <UIKit/UIKit.h>
#import "iflyMSC/IFlySpeechRecognizerDelegate.h"
//引入语音识别类
@class IFlyDataUploader;
@class IFlySpeechUnderstander;
//注意要添加语音识别代理
@interface MainViewController : UIViewController<IFlySpeechRecognizerDelegate>
@property (nonatomic,strong) IFlySpeechUnderstander *iFlySpeechUnderstander;
@property (strong, nonatomic) IBOutlet UITextField *content;
@property (nonatomic,strong) NSString               *result;
@property (nonatomic,strong) NSString               *str_result;
@property (nonatomic)         BOOL                  isCanceled;

- (IBAction)understand:(id)sender;
- (IBAction)finish:(id)sender;

@end

MainViewController.m

#import "MainViewController.h"
#import <QuartzCore/QuartzCore.h>
#import <AVFoundation/AVAudioSession.h>
#import <AudioToolbox/AudioSession.h>

#import "iflyMSC/IFlyContact.h"
#import "iflyMSC/IFlyDataUploader.h"
#import "iflyMSC/IFlyUserWords.h"
#import "iflyMSC/IFlySpeechUtility.h"
#import "iflyMSC/IFlySpeechUnderstander.h"

@interface MainViewController ()

@end

@implementation MainViewController

- (void)viewDidLoad
{
    [super viewDidLoad];
    //创建识别对象
    //创建语音配置
    NSString *initString = [[NSString alloc] initWithFormat:@"appid=%@,timeout=%@",@"53b5560a",@"20000"];   
    
    //所有服务启动前，需要确保执行createUtility
    [IFlySpeechUtility createUtility:initString];
    _iFlySpeechUnderstander = [IFlySpeechUnderstander sharedInstance];
    _iFlySpeechUnderstander.delegate = self;
}

-(void)viewWillDisappear:(BOOL)animated
{
    [_iFlySpeechUnderstander cancel];
    _iFlySpeechUnderstander.delegate = nil;
    //设置回非语义识别
    [_iFlySpeechUnderstander destroy];
    [super viewWillDisappear:animated];
}

- (void)didReceiveMemoryWarning
{
    [super didReceiveMemoryWarning];
}

- (IBAction)understand:(id)sender {
    bool ret = [_iFlySpeechUnderstander startListening];  //开始监听
    if (ret) {
        self.isCanceled = NO;
    }
    else{
        NSLog(@"启动识别失败!");
    }  
}

- (IBAction)finish:(id)sender {
    [_iFlySpeechUnderstander stopListening];   //结束监听，并开始识别
}

#pragma mark - IFlySpeechRecognizerDelegate
/**
 * @fn      onVolumeChanged
 * @brief   音量变化回调
 * @param   volume      -[in] 录音的音量，音量范围1~100
 * @see
 */
- (void) onVolumeChanged: (int)volume
{
    
}

/**
 * @fn      onBeginOfSpeech
 * @brief   开始识别回调
 * @see
 */
- (void) onBeginOfSpeech
{
   
}

/**
 * @fn      onEndOfSpeech
 * @brief   停止录音回调
 * @see
 */
- (void) onEndOfSpeech
{
   
}

/**
 * @fn      onError
 * @brief   识别结束回调
 * @param   errorCode   -[out] 错误类，具体用法见IFlySpeechError
 */
- (void) onError:(IFlySpeechError *) error
{
    NSString *text ;
    if (self.isCanceled) {
        text = @"识别取消";
    }
    else if (error.errorCode ==0 ) {
        if (_result.length==0) {
            text = @"无识别结果";
        }
        else{
            text = @"识别成功";
        }
    }
    else{
        text = [NSString stringWithFormat:@"发生错误：%d %@",error.errorCode,error.errorDesc];
        NSLog(@"%@",text);
    }
}

/**
 * @fn      onResults
 * @brief   识别结果回调
 * @param   result      -[out] 识别结果，NSArray的第一个元素为NSDictionary，NSDictionary的key为识别结果，value为置信度
 * @see
 */
- (void) onResults:(NSArray *) results isLast:(BOOL)isLast
{
    NSArray * temp = [[NSArray alloc]init];
    NSString * str = [[NSString alloc]init];
    NSMutableString *result = [[NSMutableString alloc] init];
    NSDictionary *dic = results[0];
    for (NSString *key in dic) {
        [result appendFormat:@"%@",key];
        
    }
    NSLog(@"听写结果：%@",result);
    //---------讯飞语音识别JSON数据解析---------//
    NSError * error;
    NSData * data = [result dataUsingEncoding:NSUTF8StringEncoding];
    NSLog(@"data: %@",data);
    NSDictionary * dic_result =[NSJSONSerialization JSONObjectWithData:data options:NSJSONReadingMutableLeaves error:&error];
    NSArray * array_ws = [dic_result objectForKey:@"ws"];
    //遍历识别结果的每一个单词
    for (int i=0; i<array_ws.count; i++) {
        temp = [[array_ws objectAtIndex:i] objectForKey:@"cw"];
        NSDictionary * dic_cw = [temp objectAtIndex:0];
        str = [str  stringByAppendingString:[dic_cw objectForKey:@"w"]];
        NSLog(@"识别结果:%@",[dic_cw objectForKey:@"w"]);
    }
    NSLog(@"最终的识别结果:%@",str);
    //去掉识别结果最后的标点符号
    if ([str isEqualToString:@"。"] || [str isEqualToString:@"？"] || [str isEqualToString:@"！"]) {
        NSLog(@"末尾标点符号：%@",str);
    }
    else{
        self.content.text = str;
    }
    _result = str;
}

@end

2.语音识别和语音合成在api函数的使用上大体相似，但语音识别返回的结果是json数据格式的。然后我在查看官方提供的sdk文件中，发现有UI界面的Sample里使用的语音识别返回的竟是原原本本的字符串，本来是想换掉原来的语音识别方法，但实在不想用官方的UI界面，所以就自己分析识别结果，写了一个Json数据解析。经过测试，Json数据解析的效果还是可以的，通过遍历把分割的识别内容拼接起来，最后组合成一句完整的话就行了。

语法识别结果示例：

{"sn":1,"ls":true,"bg":0,"ed":0,"ws":[{"bg":0,"cw":[{"w":" 今天 ","sc":0}]},{"bg":0,"cw":[{"w":" 的
","sc":0}]},{"bg":0,"cw":[{"w":" 天气 ","sc":0}]},{"bg":0,"cw":[{"w":" 怎么
样 ","sc":0}]},{"bg":0,"cw":[{"w":" 。","sc":0}]}]}

这次的文章就到这里，大家还有什么不懂的，可以给我留言，我会尽快回复！