iOS 10 的 Speech 框架实现语音识别 (Swift)

原创
2016/12/05 15:44
阅读数 1W

什么都不说先上效果

输入图片说明

早在2011年iPhone4s 的上,iOS 5系统就有了语音识别. 但有以下缺陷

  • 需要- 弹出键盘
  • 只支持实时语音
  • 无法自定义录音
  • 单一的输出结果
  • 不开放

在 2016 年的 WWDC 上,Apple 终于开放了语音识别 Speech Recognition API,那就是 Speech 框架。事实上,Siri 的语音识别正是由 Speech Kit 提供支持。

输入图片说明

  • 超过50种语言获得支持
  • 任何运行iOS10的设备都可用
  • 加入用户授权使其更安全
  • 可以转化音频文件和实时语音 输入图片说明

下面通过一个语音转换为文本介绍Speech 框架的使用

##界面设计 首先,让我们来创建一个 iOS Single View Application 工程。然后在 Main.storyboard 上添加 UILabel用于标题 UITextView用于显示识别内容 UIButton 用于触发 输入图片说明 下一步,连线 textView变量,Button变量和事件

    @IBOutlet weak var textView: UITextView!

    @IBOutlet weak var speakerBtn: UIButton!
    @IBAction func speakAction(_ sender: Any) {
        
    }

##使用 Speech 框架 import这个框架,并遵循 SFSpeechRecognizerDelegate 协议。

##用户权限 在使用 Speech 框架进行语音识别之前,你必须先请求用户许可,原因是识别不仅发生在 iOS 设备本地,还需要依赖 Apple 的服务器。具体来说,所有音频数据都会被传输到苹果后台进行处理。因此需要获取用户的权限,其中包括用户必须允许应用使用的音频输入和语音识别权限。

//用于apple语言识别的变量
    private let speechRecognizer = SFSpeechRecognizer(locale: Locale.init(identifier: "zh-CN"))
 // MARK: - *** 获取用户权限 ***
    func authRequest(){
        
        speakerBtn.isEnabled = false
        
        speechRecognizer?.delegate = self
        
        SFSpeechRecognizer.requestAuthorization { (authStatus) in
            var isBtnEndable = false
            
            switch authStatus{
            case.authorized:
                isBtnEndable = true
            case .denied:
                isBtnEndable = false
                print("User denied access to speech recognition")
                
            case .restricted:
                isBtnEndable = false
                print("Speech recognition restricted on this device")
                
            case .notDetermined:
                isBtnEndable = false
                
                
                
            }
            
            OperationQueue.main.addOperation {
                self.speakerBtn.isEnabled = isBtnEndable
            }
            
        }
    
    }
  • 创建一个区域标志符 (locale identifier) 为 zh-CN 的 SFSpeechRecognizer 实例,这时候语音识别就会知道用户录入的语种。简单说,这就是语音识别的处理对象。
  • 在语音识别被激活之前,默认设置麦克风按钮为禁用状态。
  • 然后,将语音识别的 delegate 设置为 ViewController 中的 self。
  • 之后,就到了请求语音识别权限的阶段了,这时我们通过调用 SFSpeechRecognizer.requestAuthorization 来达到目的。
  • 最后,检查验证状态,如果得到了授权,则启用麦克风按钮。否则,打印错误信息,继续禁用麦克风按钮。 你可能会认为,现在我们启动应用将会看到一个授权提示框,很遗憾你错了。运行应用带来的是崩溃。你可能会想问,这是为什么?

提供授权信息

Apple 要求应用为所有请求的权限提供自定义消息,对于语音权限的情况,我们必须为两个行为请求授权: 麦克风的使用 语音的识别 要自定义消息,你需要在 info.plist 文件中定义这些消息。 让我们打开 info.plist 文件的源代码。方法是在 info.plist 上点击右键。然后选择 Open As > Source Code。最后,复制下面的 XML 代码并将它们插入到 </dict> 标签前。

<key>NSMicrophoneUsageDescription</key>  
<string>麦克风输入请求信息</string>
 
<key>NSSpeechRecognitionUsageDescription</key>
<string>语音识别请求信息</string>

注意:务必在IPhone真机上运行测试,iOS 模拟器并不会连接 Mac 的麦克风。

处理语音识别

    // 可以将识别请求的结果返回给你,它带来了极大的便利,必要时,可以取消或停止任务。
    private var recognitionTask: SFSpeechRecognitionTask?
    //对象用于处理语音识别请求,为语音识别提供音频输入
    private var recognitionRequest: SFSpeechAudioBufferRecognitionRequest?
    
    // 音频引擎 用于进行音频输入
    private let audioEngine = AVAudioEngine()
    
// MARK: - *** 处理语音识别 ***
    func startRecording(){
    
        if recognitionTask != nil{
            recognitionTask?.cancel()
            recognitionTask = nil
 
        }
    let audioSession = AVAudioSession.sharedInstance()
        
        do {
            try audioSession.setCategory(AVAudioSessionCategoryRecord)
            try audioSession.setMode(AVAudioSessionModeMeasurement)
            try audioSession.setActive(true, with: .notifyOthersOnDeactivation)

        
        }catch{
        
        fatalError("会话创建失败")
        }
        
        recognitionRequest = SFSpeechAudioBufferRecognitionRequest()
        
        guard let inputNode = audioEngine.inputNode else {
            fatalError("音频引擎 没有输入节点")
        }
        
        guard let recognitionRequest = recognitionRequest else {
            fatalError("创建音频缓存失败")
        }
        //结果报告
        recognitionRequest.shouldReportPartialResults = true
        
        //开启授权任务
        recognitionTask = speechRecognizer?.recognitionTask(with: recognitionRequest, resultHandler: { (result, error) in
            
            var isFinal = false
            
            if result != nil {
                
                self.textView.text = result?.bestTranscription.formattedString
                isFinal = (result?.isFinal)!
            }
            
            if error != nil || isFinal {
                self.audioEngine.stop()
                inputNode.removeTap(onBus: 0)
                
                self.recognitionRequest = nil
                self.recognitionTask = nil
                
                self.speakerBtn.isEnabled = true
            }
        })
        let recordingFormat = inputNode.outputFormat(forBus: 0)
        inputNode.installTap(onBus: 0, bufferSize: 1024, format: recordingFormat) { (buffer, when) in
            self.recognitionRequest?.append(buffer)
            
        }
        audioEngine.prepare()
        
        do {
            try audioEngine.start()
        } catch {
            print("audioEngine couldn't start because of an error.")
        }

    }



}
  • 检查 recognitionTask 的运行状态,如果正在运行,取消任务。
  • 创建一个 AVAudioSession 对象为音频录制做准备。这里我们将录音分类设置为 Record,模式设为 Measurement,然后启动。注意,设置这些属性有可能会抛出异常,因此你必须将其置于 try catch 语句中。
  • 实例化 recognitionResquest。创建 SFSpeechAudioBufferRecognitionRequest 对象,然后我们就可以利用它将音频数据传输到 Apple 的服务器。
  • 检查 audioEngine (你的设备)是否支持音频输入以录音。如果不支持,报一个 fatal error。
  • 检查 recognitionRequest 对象是否已被实例化,并且值不为 nil。
  • 告诉 recognitionRequest 不要等到录音完成才发送请求,而是在用户说话时一部分一部分发送语音识别数据。
  • 在调用 speechRecognizer 的 recognitionTask 函数时开始识别。该函数有一个完成回调函数,每次识别引擎收到输入时都会调用它,在修改当前识别结果,亦或是取消或停止时,返回一个最终记录。
  • 定义一个 boolean 变量来表示识别是否已结束。
  • 倘若结果非空,则设置 textView.text 属性为结果中的最佳记录。同时若为最终结果,将 isFinal 置为 true。
  • 如果请求没有错误或已经收到最终结果,停止 audioEngine (音频输入),recognitionRequest 和 recognitionTask。同时,将开始录音按钮的状态切换为可用。
  • 向 recognitionRequest 添加一个音频输入。值得留意的是,在 recognitionTask 启动后再添加音频输入完全没有问题。Speech 框架会在添加了音频输入之后立即开始识别任务。
  • 将 audioEngine 设为准备就绪状态,并启动引擎。

触发语音识别

在创建语音识别任务时,我们首先得确保语音识别的可用性,需要实现delegate 方法。如果语音识别不可用,或是改变了状态,应随之设置 按钮的enable ,我们通过扩展来实现代理

// MARK: - *** delegate ***
//这个方法会在按钮的可用性改变时被调用。如果语音识别可用,录音按钮也将被启用。
extension ViewController: SFSpeechRecognizerDelegate{

    func speechRecognizer(_ speechRecognizer: SFSpeechRecognizer, availabilityDidChange available: Bool) {
        if available {
            speakerBtn.isEnabled = true
        } else {
            speakerBtn.isEnabled = false
        }
    }

    }

最后,我们还需要更新一下 按钮的点击方法:

@IBAction func speakAction(_ sender: Any) {
       if audioEngine.isRunning {
           audioEngine.stop()
           recognitionRequest?.endAudio()
           speakerBtn.isEnabled = false
           speakerBtn.setTitle("开始说话", for: .normal)
       } else {
           startRecording()
           speakerBtn.setTitle("说完了", for: .normal)
       }
   }

输入图片说明

Apple忠告

  • 确保使用语音之别之前,通过UI界面告知用户
  • 在涉及密码或者敏感信息时,请勿使用
  • 在你操作识别结果之前,请先把结果展示给用户
  • Apple 对每台设备的识别有限制。详情未知,不过你可以尝试联系 Apple 获得更多信息。
  • Apple 对每个应用的识别也有限制。
  • 如果你总是遭遇限制,务必联系 Apple,他们或许可以解决这个问题。
  • 语音识别会消耗不少电量和流量。
  • 语音识别每次只能持续大概一分钟。

参考 WWDC 2016 - Session 509 - iOS

欢迎打赏 点赞,收藏,关注博主

展开阅读全文
加载中
点击引领话题📣 发布并加入讨论🔥
打赏
0 评论
7 收藏
1
分享
返回顶部
顶部