语音识别（二）

div>

百度公司推出语音识别An⁃droid SDK（离在线），给开发者提供一个语音识别的接口，通过云端的识别，给开发者返回识别结果，使开发者能够使用语音进行二次开发。语音控制具有非接触、非侵入性和易于使用的特点，是智能家居的一个新的方向。该设计是基于语音控制的智能家居系统，采用基于Android平台的移动设备作为控制终端，STM32 模块作为执行设备的主控板，通过服务器命令转发，实现了用语音命令通过Android移动设备对家居的设备控制。</

 

语音唤醒功能。在此功能界面中，无须手动控制，通过检测关键词，唤醒语音识别功能。通过创建唤醒管理器，注册唤醒事件监听器，当有唤醒词出现时，进入处理事件，在处理事件中跳转到语音识别界面，启动录音，等待使用者说话，等语音输入结束，进行预处理，通过百度语音接口上传到服务器并获取识别出来的字符串。

 

 

参考的demo中的"唤醒后识别", 就是比较费电^_

使用demo中的"唤醒后识别"， 这个只要没有主动释放， 就会一直处于被唤醒状态， 你试下官方demo就知道了

使用的手机所以服务是一直在运行导致比较耗电，  智能音箱应该是有单独的低功耗模块识别唤醒

 

百度语音所有功能免费，功能也比较简单实用，包括语音识别，语音合成和语音唤醒，正好可以组成一套完整的语音交互功能。

百度语音的demo里给的语音唤醒是在onResume（）开始唤醒监听，唤醒成功后在onPause（）里就停止唤醒监听。

而我现在要在唤醒成功后弹出语音识别的UI界面，所以弹出UI的同时就会停止唤醒监听。如果语音识别成功，UI界面消失，唤醒监听会重新开始，此时说出唤醒词即可重新唤醒。但是如果识别失败，封装好的UI界面会变成下图情况，这时候就要手动点击重试或者取消才可以，不符合全语音交互的理念。为了解决这个情况，要将停止（应该是开始吧?) 唤醒监听写到onStop（）里，这样即使语音识别失败，也可以重新唤醒。

 

 

 

接口使用及调用流程

SDK调用过程如下：

1. 初始化

   1.1.初始化EventManager类

   1.2.自定义输出事件类

   1.3.注册自己的输出事件类

   1.4.加载离线资源（如果需要离线命令词功能）

2. 开始识别/唤醒

   2.1. 设置识别/唤醒输入参数

   2.2. 发送start开始事件

3. 回调事件

   3.1. 开始回调事件

4. 控制识别/唤醒

   4.1. 控制停止识别/唤醒，可以向SDK发送停止事件

   4.2. 取消本次识别，可以向SDK发送取消事件

5. 事件管理器退出。

   5.1. 卸载离线资源(如果1.4加载离线资源)

   5.2. 释放资源

在线识别调用流程

SDK 的调用过程可以参见DEMO中的ActivityMiniRecog类

集成时请确认已经复制或者修改了一下文件，一共4步：

1. AndroidManifest.xml
2. app/libs/bdasr_V3_xxxxx_xxxxx.jar
3. app/src/main/jniLibs 下armeabi等5个目录
4. 官网申请应用时的包名与build.gradle里一致，demo的包名是"com.baidu.speech.recognizerdemo"。这步没做会导致离线命令词或者唤醒报“no licence” 错误
5. 运行时 getApplicationInfo().nativeLibraryDir 目录下查看是否有完整so文件。 特别是系统app需要手动push so文件到这个目录下。

准备工作：

百度AI开发平台下载语音识别sdk

官网注册应用，将自己的包名填写在官网申请的应用里（应该是包名！！！)

AndroidManifest.xml  中是   包名
<manifest xmlns:android="http://schemas.android.com/apk/res/android"
    package="com.example.smartcar">

 appuild.gradle  中是    applicationId  （应用的唯一标识）

  defaultConfig {
  applicationId "xt.car" 

开始向项目中集成百度语音接口：

1.AndroidManifest.xml 文件

设置权限（Application外）

<uses-permission android:name="android.permission.RECORD_AUDIO" />
<uses-permission android:name="android.permission.ACCESS_NETWORK_STATE" />
<uses-permission android:name="android.permission.INTERNET" />
<uses-permission android:name="android.permission.READ_PHONE_STATE" />
<uses-permission android:name="android.permission.WRITE_EXTERNAL_STORAGE" />

设置APP_ID, APP_KEY, SECRET_KEY  （Application内）

<meta-data android:name="com.baidu.speech.APP_ID"
    android:value="××××××××××" />
<meta-data
    android:name="com.baidu.speech.API_KEY"
    android:value="×××××××××××××" />
<meta-data
    android:name="com.baidu.speech.SECRET_KEY"
    android:value="×××××××××××××" />
<service android:name="com.baidu.speech.VoiceRecognitionService" android:exported="false" />

2.bdasr_V3_xxxxxxxx_xxxx.jar 库

将core/libs/bdasr_V3_xxxxx_xxxxx.jar 复制到您的项目的同名目录中。

右击，add as library

此时观察build.gradle（module ：app）文件，发现自动添加了如下一行  

  implementation files('libs\bdasr_V3_20191210_81acdf5.jar')

3.复制NDK 架构目录     

1. 将 core/src/main/jniLibs 下armeabi等包含so文件的5个目录，复制合并到您的项目的同名或者存放so的目录中。如果build.gradle中定义过jniLibs.srcDirs ，则复制合并到这个目录。
2. 如与第三方库集成，至少要保留armeabi目录。如第三方库有7个架构目录，比语音识别SDK多出2个目录 mips和mips64，请将mips和mips64目录删除，剩下5个同名目录合并。
3. 如第三方库仅有armeabi这一个目录，请将语音识别SDK的额外4个目录如armeabi-v7a删除,合并armeabi目录下的so。 即目录取交集，so文件不可随意更改所属目录。
4. 打包成apk文件，按照zip格式解压出libs目录可以验证。
5. 运行时 getApplicationInfo().nativeLibraryDir 目录下查看是否有完整so文件。 特别是系统app需要手动push so文件到这个目录下。

4.  .xml

5.  MainActivity.java

————————————————————————————————————————————————————————

识别输入事件

,以下参数均为SpeechConstant类的常量，如SpeechConstant.ASR_START**, 实际的String字面值可以参见SpeechConstant类或自行打印

事件名	类型	值	场景	描述
ASR_START	String (JSON结构的字符串）	json内的参数 见下文 “ASR_START 参数”	全部	开始一次识别。 注意不要连续调用ASR_START参数。下次调用需要在CALLBACK_EVENT_ASR_EXIT回调后，或者在ASR_CANCEL输入后。
ASR_STOP			全部	停止录音
ASR_CANCEL			全部	取消本次识别

输出参数

语音回调事件统一由 public void onEvent(String name, String params, byte[] data, int offset, int length) 该方法回调。其中name是回调事件， params是回调参数。（data，offset，length）缓存临时数据，三者一起，生效部分为 data[offset] 开始，长度为length。

事件名（name）	事件参数	类型	值	描述
CALLBACK_EVENT _ASR_READY				引擎准备就绪，可以开始说话
CALLBACK_EVENT _ASR_BEGIN				检测到第一句话说话开始。SDK只有第一句话说话开始的回调，没有长语音每句话说话结束的回调。
CALLBACK_EVENT _ASR_END				检测到第一句话说话结束。SDK只有第一句话说话结束的回调，没有长语音每句话说话结束的回调。
CALLBACK_EVENT _ASR_PARTIAL	params	json		识别结果
	params[results_recognition]	String[]		解析后的识别结果。如无特殊情况，请取第一个结果
	params[result_type]	String	partial_result	临时识别结果
	params[result_type]	String	final_result	最终结果，长语音每一句都有一个最终结果
	params[result_type]	String	nlu_result	语义结果，在final_result后回调。语义结果的内容在(data，offset，length中）
	(data，offset，length）	String		语义结果的内容 ，当 params[result_type]=nlu_result时出现。
CALLBACK_EVENT _ASR_EXIT				识别结束，资源释放
CALLBACK_EVENT _ASR_VOLUME	params	json		当前音量回调。必须输入ACCEPT_AUDIO_VOLUME参数激活
	params[volume]	float		当前音量
	params[volume-percent]	int		当前音量的相对值（0-100）