語(yǔ)音轉(zhuǎn)文本的三種方案

手機(jī)語(yǔ)音功能越來(lái)越實(shí)用葫督，也越來(lái)越多人實(shí)用叽赊，雖然小菜鳥本人不喜歡使用語(yǔ)音功能，但是語(yǔ)音功能越來(lái)越受到追捧顺呕，也預(yù)研究了一下語(yǔ)音轉(zhuǎn)文本的功能枫攀，這次主要嘗試了使用科大訊飛語(yǔ)音識(shí)別、百度語(yǔ)音識(shí)別塘匣、系統(tǒng)原生的的語(yǔ)音識(shí)別脓豪。

1.科大訊飛的語(yǔ)音識(shí)別

1.1 使用科大訊飛的SDK必須先要到科大的官網(wǎng)上注冊(cè)應(yīng)用巷帝，并開通語(yǔ)音聽寫功能服務(wù)忌卤，獲取APPID，并下載SDK楞泼。

獲取APPID.png

1.2 下載完SDK后驰徊，解壓縮后里面有文檔(Doc)，F(xiàn)ramework(lib)堕阔，版本信息(release.txt)棍厂，Demo(sample)。這方面科大還是做的比較好的超陆，很多東西都一目了然的牺弹，初次使用的話可以研究一下Demo。

SDK文件內(nèi)容.png

1.3 導(dǎo)入Framework时呀，把文件夾下的lib中的iflyMSC.framework導(dǎo)入工程中张漂，并添加iflyMSC.framework所依賴的其他庫(kù)，主要的依賴庫(kù)有以下這些谨娜，其中官網(wǎng)中的CoreTelephoney.framework應(yīng)該修改成CoreTelephony.framework

1.4 關(guān)閉bitcode正压，如果沒有關(guān)閉bitcode則會(huì)出現(xiàn)You must rebuild it with bitcode enabled (Xcode setting ENABLE_BITCODE)錯(cuò)誤.

bitcoe錯(cuò)誤.png

bitcode 設(shè)置方式為 Targets -> Build Settings,搜索bitcode欣福，設(shè)置為NO。

bitcode設(shè)置.png

1.5 在info.plist添加權(quán)限說明

<key>NSMicrophoneUsageDescription</key>
<string></string>
<key>NSLocationUsageDescription</key>
<string></string>
<key>NSLocationAlwaysUsageDescription</key>
<string></string>
<key>NSContactsUsageDescription</key>
<string></string>

1.6 使用科大訊飛要先注冊(cè)服務(wù)焦履，

NSString *initString = [[NSString alloc] initWithFormat:@"appid=%@",APPID];
[IFlySpeechUtility createUtility:initString];

1.7 語(yǔ)音識(shí)別實(shí)現(xiàn)

//創(chuàng)建語(yǔ)音識(shí)別對(duì)象
_iFlySpeechRecognizer = [IFlySpeechRecognizer sharedInstance];
_iFlySpeechRecognizer.delegate = self;
//設(shè)置為聽寫模式
[_iFlySpeechRecognizer setParameter: @"iat" forKey:     [IFlySpeechConstant IFLY_DOMAIN]];
//asr_audio_path 是錄音文件名拓劝，設(shè)置value為nil或者為空取消保存，默認(rèn)保存目錄在Library/cache下嘉裤。
[_iFlySpeechRecognizer setParameter:nil forKey:[IFlySpeechConstant  ASR_AUDIO_PATH]];
//設(shè)置語(yǔ)音輸入等待時(shí)長(zhǎng)
[_iFlySpeechRecognizer setParameter:@"10000" forKey:    [IFlySpeechConstant VAD_BOS]];
[_iFlySpeechRecognizer setParameter:@"10000" forKey:    [IFlySpeechConstant VAD_EOS]];

1.8 啟動(dòng)語(yǔ)音識(shí)別

//啟動(dòng)識(shí)別服務(wù)
_iFlySpeechRecognizer.delegate = self;
[_iFlySpeechRecognizer startListening];

1.9 語(yǔ)音識(shí)別結(jié)果回調(diào)

- (void)onResults:(NSArray *)results isLast:(BOOL)isLast{
NSLog(@"%@",results);
}

1.10 語(yǔ)音識(shí)別完成回調(diào)郑临，該回調(diào)在語(yǔ)音識(shí)別完成或中斷了會(huì)調(diào)用,如果errorCode.errorCode為0，則是錄音完成屑宠。

- (void)onCompleted:(IFlySpeechError *)errorCode {
}

科大訊飛整個(gè)的使用流程基本就這樣了厢洞，科大的SDK用起來(lái)還是比較舒服的，SDK的注釋跟文檔也是很清晰的典奉，開發(fā)使用起來(lái)還是很簡(jiǎn)單的躺翻。

2.百度的語(yǔ)音識(shí)別

2.1 同樣的使用百度語(yǔ)音識(shí)別要到百度開發(fā)者中心創(chuàng)建應(yīng)用，勾選語(yǔ)音識(shí)別項(xiàng)卫玖，獲取到AppID公你，API Key，Secret Key假瞬。

BD應(yīng)用管理.png

2.2 創(chuàng)建完應(yīng)用后下載SDK陕靠，下載完后可以看到文件夾中有頭文件(BDSClientHeaders)，.a文件(BDSClientLib)脱茉，Demo資源(BDSClientResource)剪芥，Demo工程(BDSClientSample)，

BDDemo.png

這里的Demo是不能直接使用的芦劣，你得先對(duì)工程的AppID粗俱，API Key，Secret Key進(jìn)行賦值

BDAppID配置.png

2.3 導(dǎo)入.a庫(kù)虚吟，把文件夾下的BDSClientLib中的libBaiduSpeechSDK.a導(dǎo)入工程中寸认，再把BDSClientHeaders的頭文件也導(dǎo)入工程中，并添加libBaiduSpeechSDK.a所依賴的其他庫(kù)串慰，主要的依賴庫(kù)有以下這些

2.4 關(guān)閉bitcode，這里的設(shè)置跟1.4是一樣的邦鲫。

2.5 在info.plist添加權(quán)限說明

<key>NSMicrophoneUsageDescription</key>
<string></string>
<key>NSLocationUsageDescription</key>
<string></string>
<key>NSLocationAlwaysUsageDescription</key>
<string></string>
<key>NSContactsUsageDescription</key>
<string></string>

2.6 百度語(yǔ)音識(shí)別同樣要注冊(cè)服務(wù)灸叼，

 //初始化錄音對(duì)象
self.asrEventManager = [BDSEventManager createEventManagerWithName:BDS_ASR_NAME];
//配置key
[self.asrEventManager setParameter:@[API_KEY, SECRET_KEY] forKey:BDS_ASR_API_SECRET_KEYS];
[self.asrEventManager setParameter:APP_ID forKey:BDS_ASR_OFFLINE_APP_CODE];

//這里BDS_ASR_ENABLE_LOCAL_VAD不設(shè)置為NO神汹，則會(huì)報(bào)錯(cuò)
[self.asrEventManager setParameter:@(NO) forKey:BDS_ASR_ENABLE_LOCAL_VAD];

2.7 啟動(dòng)語(yǔ)音識(shí)別

- (void)beginListen:(void (^)(NSString *, BOOL, NSError *))block {
self.block = block;
//這里不得不吐槽一下，這代理都沒說要遵守哪些協(xié)議的古今。屁魏。。捉腥。
[self.asrEventManager setDelegate:self];
[self.asrEventManager sendCommand:BDS_ASR_CMD_START];
}

百度的SDK這里有個(gè)吐槽點(diǎn)氓拼，要遵守協(xié)議，但是居然沒有說明是哪個(gè)協(xié)議抵碟，去Demo看了才知道是哪哪個(gè)協(xié)議.....

BD頭文件.png

2.8 語(yǔ)音識(shí)別結(jié)果回調(diào)桃漾，同樣的這里的回調(diào)結(jié)果狀態(tài)居然用的是int類型，其實(shí)是有定義了枚舉的拟逮，百度這樣的大廠寫這樣的代碼有點(diǎn)撬统。。敦迄。恋追。。颅崩。

- (void)VoiceRecognitionClientWorkStatus:(int)workStatus obj:(id)aObj {
//百度這個(gè)做的真不怎么樣几于，都定義了枚舉蕊苗，結(jié)果還用int沿后，這寫都還的去看demo才知道。朽砰。尖滚。。瞧柔。
    switch (workStatus) {
    case EVoiceRecognitionClientWorkStatusFinish: {
       
        NSString *text = [self fetchTextWithObj:aObj];
        if (self.block) {
            self.block(text, YES, nil);
        }
        break;
    }

    case EVoiceRecognitionClientWorkStatusCancel: {
        if (self.block) {
            self.block(@"", YES, nil);
        }
    }
        break;
        
    case EVoiceRecognitionClientWorkStatusError: {
        NSError *error = nil;
        if ([aObj isKindOfClass:[NSError class]]) {
            error = (NSError *)aObj;
        } else {
            error = [NSError errorWithDomain:@"未知錯(cuò)誤" code:1000 userInfo:nil];
        }
        if (self.block) {
            self.block(@"", YES, error);
        }
        
    }
        break;
    }
}

整體來(lái)說漆弄，百度的語(yǔ)音識(shí)別使用期來(lái)是不難的，但是百度這個(gè)SDK的注釋跟代碼有點(diǎn)不敢恭維造锅，特別是遵守什么協(xié)議也沒說明白撼唾，狀態(tài)類型定義了枚舉，協(xié)議中居然用的int類型哥蔚，具體的使用還得去看Demo才能找到倒谷。。糙箍。渤愁。。

3.原生的語(yǔ)音識(shí)別

3.1 原生的語(yǔ)音識(shí)別功能是iOS10之后的才有的功能

3.2 在info.plist中添加一下權(quán)限

<key>NSMicrophoneUsageDescription</key>
<string></string>
<key>NSSpeechRecognitionUsageDescription</key>
<string></string>

3.3 引入語(yǔ)音識(shí)別頭文件

 #import <Speech/Speech.h>

3.4 創(chuàng)建語(yǔ)音識(shí)別對(duì)象

@property (nonatomic, strong) SFSpeechRecognizer *recognizer;  ///< 語(yǔ)音識(shí)別
@property (nonatomic, strong) AVAudioEngine * audioEngine; ///< 語(yǔ)音輸入
@property (nonatomic, strong) SFSpeechAudioBufferRecognitionRequest * recognitionRequest; ///< 語(yǔ)音識(shí)別請(qǐng)求
@property (nonatomic, strong) SFSpeechRecognitionTask * recognitionTask ;   ///< 語(yǔ)音識(shí)別任務(wù)

3.4 判斷是否有語(yǔ)音是被權(quán)限

if (@available(iOS 10.0, *)) {
    [SFSpeechRecognizer requestAuthorization:^(SFSpeechRecognizerAuthorizationStatus status) {
        switch (status) {
                
            case SFSpeechRecognizerAuthorizationStatusAuthorized:{
                //可以使用
                self.canListen = YES;
            }
                break;
                
            case SFSpeechRecognizerAuthorizationStatusNotDetermined:{
                self.errorDomain = @"用戶還沒選擇是否允許錄音";
                self.canListen = NO;
            }
                break;
                
            case SFSpeechRecognizerAuthorizationStatusRestricted: {
                self.errorDomain = @"該設(shè)備不支持錄音";
                self.canListen = NO;
            }
                break;
                
            case SFSpeechRecognizerAuthorizationStatusDenied: {
                self.errorDomain = @"用戶拒絕了錄音";
                self.canListen = NO;
            }
                break;
        }
    }];
    }

3.5 初始化語(yǔ)音輸入對(duì)象深夯，系統(tǒng)的有語(yǔ)言識(shí)別限制抖格，你必須先設(shè)置你識(shí)別的語(yǔ)言環(huán)境。

 //語(yǔ)音識(shí)別為中文@"zh_CN"
    self.recognizer = [[SFSpeechRecognizer alloc] initWithLocale:[NSLocale localeWithLocaleIdentifier:@"zh_CN"]];
    self.recognizer.delegate = self;
    
    self.audioEngine = [[AVAudioEngine alloc] init];
    
    [self.audioEngine.inputNode installTapOnBus:0 bufferSize:1024 format: [self.audioEngine.inputNode outputFormatForBus:0] block:^(AVAudioPCMBuffer * _Nonnull buffer, AVAudioTime * _Nonnull when) {
        [self.recognitionRequest appendAudioPCMBuffer:buffer];
    }];

3.6 啟動(dòng)語(yǔ)音識(shí)別&語(yǔ)音識(shí)別回調(diào)

- (void)beginListen:(void (^)(NSString *, BOOL, NSError *))block {
if (@available(iOS 10.0, *)) {
    if (!self.canListen) {
        if (block) {
            block(@"", YES, [NSError errorWithDomain:self.errorDomain code:1000 userInfo:nil]);
        }
        return;
    }
    
    self.block = block;
    
    self.recognitionRequest = [[SFSpeechAudioBufferRecognitionRequest alloc]init];
    
    __weak typeof(self) weakSelf = self;
    if (@available(iOS 10.0, *)) {
        self.recognitionTask = [self.recognizer recognitionTaskWithRequest:self.recognitionRequest resultHandler:^(SFSpeechRecognitionResult * _Nullable result, NSError * _Nullable error) {//這里為語(yǔ)音識(shí)別回調(diào)
            typeof(weakSelf) self = weakSelf; if (!self) return;
            if (self.block) {
                self.text = result.bestTranscription.formattedString;
                self.block(self.text, NO, error);
            }
        }];
    } else {
        // Fallback on earlier versions
    }
    
    [self.audioEngine prepare];
    NSError *error = nil;
    [self.audioEngine startAndReturnError:&error];
}

}

相對(duì)來(lái)說，使用系統(tǒng)原生的雹拄，步驟相對(duì)復(fù)雜收奔，需要自己控制語(yǔ)音輸入，判斷系統(tǒng)權(quán)限等滓玖；

4.三種語(yǔ)音轉(zhuǎn)文本的對(duì)比

5 Demo

本來(lái)有Demo筹淫，但是在上傳github的時(shí)候操作出錯(cuò)，把Demo的文件都給刪呢撞。损姜。。殊霞。摧阅。。

欲哭無(wú)淚.png