linux語音識別程序就是這么簡單
時間：2018-07-19 來源：未知
linux語音識別技術對于一些熟練掌握的人而言是很有意思的，但是對于一些對這方面苦惱的人來說，linux語音識別毫無樂趣而言，而對于我這久經沙場的人來說，linux語音識別程序是很容易的，在這里分享一些linux語音識別程序的詳細步驟，對這方面有迷惑的人，讓你加快學習的速度。
我之前在學習的時候做過一個貪吃蛇小游戲，本來打算想把這個游戲弄成語音控制的，在我工作了以后一直也沒有時間，就在幾天前，應一位小學弟的要求，今天就用這個小游戲來舉例，讓你學會linux語音識別。
剛開始你需要去下載一個科大訊飛的SDK-linux版本，需要注冊先。。。在下載下來的include文件夾下，有四個文件：msp_errors.h msp_types.h qisr.h qtts.h。這四個文件前面的兩個是通用的數據結構，而后面的一個是語音識別用的頭文件，一個是語音合成用的頭文件，因為我就需要語音識別的功能，只要在我的代碼中include進qisr.h頭文件就OK啦。在bin文件夾下比較亂，但主要就是libmsc.so和libspeex.so兩個動態(tài)庫，我直接把這兩個動態(tài)庫拷到/usr/lib里面。
在bin文件夾下注意到一個asr_keywords_utf8.txt的文件，這個SDK的你需要知道思路：你把你想識別的文字寫到asr_keywords_utf8.txt中，接下來上傳到訊飛的服務器上，然后返回一個GrammarID，據說上傳一次“終身有效”，意思就是不讓重復上傳占用服務器空間，反正有了這個GrammarID以后在不同的程序中想識別相同的文字就直接用好了，比如我想識別“左，右，上，下，圖書館，獨自”，把這些漢字寫到asr_keywords_utf8.txt中，而且必須是utf-8的格式，當然在linux下默認如此。下面展示一下我寫的上傳這個txt并獲得GrammarID的代碼：
#include
#include
#include
#include
#include
#define TRUE 1
#define FALSE 0
int main()
{
int ret = QISRInit("appid=xxxxxxx");
if(ret != MSP_SUCCESS)
{
printf("QISRInit with errorCode: %d \n", ret);
return 0;
}
char GrammarID[128];
memset(GrammarID, 0, sizeof(GrammarID));
const int MAX_KEYWORD_LEN = 4096;
ret = MSP_SUCCESS;
const char * sessionID = NULL;
sessionID = QISRSessionBegin(NULL, "ssm=1,sub=asr", &ret);
if(ret != MSP_SUCCESS)
{
printf("QISRSessionBegin with errorCode: %d \n", ret);
return ret;
}
char UserData[MAX_KEYWORD_LEN];
memset(UserData, 0, MAX_KEYWORD_LEN);
FILE* fp = fopen("asr_keywords_utf8.txt", "rb");
if (fp == NULL)
{
printf("keyword file cannot open\n");
return -1;
}
unsigned int len = (unsigned int)fread(UserData, 1, MAX_KEYWORD_LEN, fp);
UserData[len] = 0;
fclose(fp);
const char* testID = QISRUploadData(sessionID, "contact", UserData, len, "dtt=keylist", &ret);
if(ret != MSP_SUCCESS)
{
printf("QISRUploadData with errorCode: %d \n", ret);
return ret;
}
memcpy((void*)GrammarID, testID, strlen(testID));
printf("GrammarID: \"%s\" \n", GrammarID);
QISRSessionEnd(sessionID, "normal");
return 0;
}
記住要達到這個效果以后，把這些記下來就好了，接下來的一個步驟要好好挺，就是錄制了，在這里有一個點需要注意一下，就是不能直接用ubuntu自帶的錄音機，那樣會識別不了，自帶的錄音軟件都是默認32位采樣，只能用ffmpeg或自己寫代碼錄制，ffmpeg命令如下：
ffmpeg -f alsa -i hw:0 -ar 16000 -ac 1 lib.wav
我錄制了2秒音頻，就會有識別代碼：
#include
#include
#include
#include
#include
#define TRUE 1
#define FALSE 0
int run_asr(const char* asrfile);
const int BUFFER_NUM = 4096;
const int MAX_KEYWORD_LEN = 4096;
int main(int argc, char* argv[])
{
int ret = MSP_SUCCESS;
const char* asrfile ="lib.wav";
ret = QISRInit("appid=xxxxxx");
if(ret != MSP_SUCCESS)
{
printf("QISRInit with errorCode: %d \n", ret);
return 0;
}
ret = run_asr(asrfile);
QISRFini();
char key = getchar();
return 0;
}
int run_asr(const char* asrfile)
{
int ret = MSP_SUCCESS;
int i = 0;
FILE* fp = NULL;
char buff[BUFFER_NUM];
unsigned int len;
int status = MSP_AUDIO_SAMPLE_CONTINUE, ep_status = -1, rec_status = -1, rslt_status = -1;
//const char* GrammarID="e7eb1a443ee143d5e7ac52cb794810fe";
const char *GrammarID="c66d4eecd37d4fe1c8274a2224b832d5";
const char* param = "rst=json,sub=asr,ssm=1,aue=speex,auf=audio/L16;rate=16000";//注意sub=asr
const char* sess_id = QISRSessionBegin(GrammarID, param, &ret);
if ( MSP_SUCCESS != ret )
{
printf("QISRSessionBegin err %d\n", ret);
return ret;
}
fp = fopen( asrfile , "rb");
if ( NULL == fp )
{
printf("failed to open file,please check the file.\n");
QISRSessionEnd(sess_id, "normal");
return -1;
}
printf("writing audio...\n");
//
int count=0;
//
while ( !feof(fp) )
{
len = (unsigned int)fread(buff, 1, BUFFER_NUM, fp);
feof(fp) ? status = MSP_AUDIO_SAMPLE_LAST : status = MSP_AUDIO_SAMPLE_CONTINUE;
if(status==MSP_AUDIO_SAMPLE_LAST)
printf("MSP_AUDIO_SAMPLE_LAST\n");
if(status==MSP_AUDIO_SAMPLE_CONTINUE)
printf("MSP_AUDIO_SAMPLE_CONTINUE\n");
//
ret = QISRAudioWrite(sess_id, buff, len, status, &ep_status, &rec_status);
if ( ret != MSP_SUCCESS )
{
printf("\nQISRAudioWrite err %d\n", ret);
break;
}
//
printf("%d\n",count++);
//
if ( rec_status == MSP_REC_STATUS_SUCCESS )
{
const char* result = QISRGetResult(sess_id, &rslt_status, 0, &ret);
if (ret != MSP_SUCCESS )
{
printf("error code: %d\n", ret);
break;
}
else if( rslt_status == MSP_REC_STATUS_NO_MATCH )
printf("get result nomatch\n");
else
{
if ( result != NULL )
printf("get result[%d/%d]:len:%d\n %s\n", ret, rslt_status,strlen(result), result);
}
}
printf(".");
}
printf("\n");
if (ret == MSP_SUCCESS)
{
printf("get reuslt~~~~~~~\n");
char asr_result[1024] = "";
unsigned int pos_of_result = 0;
int loop_count = 0;
do
{
const char* result = QISRGetResult(sess_id, &rslt_status, 0, &ret);
if ( ret != 0 )
{
printf("QISRGetResult err %d\n", ret);
break;
}
if( rslt_status == MSP_REC_STATUS_NO_MATCH )
{
printf("get result nomatch\n");
}
else if ( result != NULL )
{
//
FILE*f=fopen("data.txt","wb");
printf("~~~%d\n",strlen(result));
fwrite(result,1,strlen(result),f);
fclose(f);
//
printf("[%d]:get result[%d/%d]: %s\n", (loop_count), ret, rslt_status, result);
strcpy(asr_result+pos_of_result,result);
pos_of_result += (unsigned int)strlen(result);
}
else
{
printf("[%d]:get result[%d/%d]\n",(loop_count), ret, rslt_status);
}
usleep(500000);
} while (rslt_status != MSP_REC_STATUS_COMPLETE && loop_count++ < 30);
if (strcmp(asr_result,"")==0)
{
printf("no result\n");
}
}
QISRSessionEnd(sess_id, NULL);
printf("QISRSessionEnd.\n");
fclose(fp);
return 0;
}
識別后，你就會看到輸出結果如下：
kl@kl-Latitude:~/xunfeiSDK$ ./a.out
writing audio...
MSP_AUDIO_SAMPLE_CONTINUE
0
.MSP_AUDIO_SAMPLE_CONTINUE
1
.MSP_AUDIO_SAMPLE_CONTINUE
2
.MSP_AUDIO_SAMPLE_CONTINUE
3
.MSP_AUDIO_SAMPLE_CONTINUE
4
.MSP_AUDIO_SAMPLE_CONTINUE
5
.MSP_AUDIO_SAMPLE_CONTINUE
6
.MSP_AUDIO_SAMPLE_CONTINUE
7
.MSP_AUDIO_SAMPLE_CONTINUE
8
.MSP_AUDIO_SAMPLE_CONTINUE
9
.MSP_AUDIO_SAMPLE_CONTINUE
10
.MSP_AUDIO_SAMPLE_CONTINUE
11
.MSP_AUDIO_SAMPLE_CONTINUE
12
.MSP_AUDIO_SAMPLE_CONTINUE
13
.MSP_AUDIO_SAMPLE_CONTINUE
14
.MSP_AUDIO_SAMPLE_CONTINUE
15
.MSP_AUDIO_SAMPLE_CONTINUE
16
.MSP_AUDIO_SAMPLE_CONTINUE
17
.MSP_AUDIO_SAMPLE_CONTINUE
18
.MSP_AUDIO_SAMPLE_CONTINUE
19
.MSP_AUDIO_SAMPLE_CONTINUE
20
.MSP_AUDIO_SAMPLE_CONTINUE
21
.MSP_AUDIO_SAMPLE_CONTINUE
22
.MSP_AUDIO_SAMPLE_LAST
23
.
get reuslt~~~~~~~
[0]:get result[0/2]
~~~123
[1]:get result[0/5]: {"sn":1,"ls":true,"bg":0,"ed":0,"ws":[{"bg":0,"cw":[{"sc":"85","gm":"0","w":"圖書館","mn":[{"contact":"圖書館"}]}]}]}
QISRSessionEnd.
還有一個注意的點這個輸出格式是個坑，因為官方的例子默認是直接輸出識別的結果，但是結果是GB2312格式的，在linux終端下是亂碼，在這里你要注意：在QISRSessionBegin()函數初始化的時候第二個參數param中的rst改成json，就是按照json格式把所有結果全輸出來后，是utf8格式的漢字，之后再用json模塊來解就妥妥的了~整體代碼很清晰。
1.先要調用QISRInit()函數，參數是自己的appid，每個SDK都是注冊才能下載的，所以是唯一的，用來區(qū)分用戶的，不同級別的用戶每天可以使用SDK的次數有限制，畢竟人用的多了語音識別的性能肯定會下降;
2.之后就是把GrammarID，輸入輸出的參數param和調用狀態(tài)返回值ret作為參數傳入QISRSessionBegin()函數中進行初始化，返回值是sessionID，這個是后面所有函數的主要參數之一;
3.打開自己的音頻文件，調用QISRAudioWrite()函數寫入，可以分段也可以一次，第一個參數是sessionID，上面初始化函數返回的值，第二個參數是音頻數據頭指針，第三個參數是音頻文件大小，第四個參數是音頻發(fā)送的狀態(tài)，表示發(fā)送完了沒有，剩下兩個是服務器端檢測語音狀態(tài)和識別狀態(tài)的返回值;
4.調用QISRGetResult()函數獲取識別的結果，第一個參數還是sessionID，第二個參數是輸出識別的狀態(tài)，第三個參數是與服務器交互的間隔時間，官方建議5000，我取為0，第四個參數是調用狀態(tài)返回值ret，最后這個函數的返回值就是上面結果的json數據了;
linux語音識別程序你是不是已經掌握了呢，你可以多看幾遍，先做一個簡單的，接下來有簡到難，明白了其中的道理，那么你就是linux語音識別程序的大神了。
