003-语音识别＆语音合成＆语义理解

每日一语

2019-第三次更新

调包师

的今日调包项目

过程

项目是做一个教学辅助平台，帮助教师和学生减轻负担（其实也没啥负担）。成品比较像一个手机助手，类似于小爱同学，Siri， 微软小娜和Amazon的alexa。

直接看流程图吧。

讲解一下流程图和我的思路。假设我们的最终成品是一个APP。

首先肯定是软件的唤醒了。从市面上已有的产品来看，手机端的手机助手有些需要通过指定物理操作来启动的，比如我手机上的小爱同学，就是通过长按Home键来唤醒的，其他的如Siri则是通过唤醒词来唤醒的。智能音箱的唤醒也是通过唤醒词来实现的。

唤醒后进行音频的录制。

然后根据接口的限制对音频进行转换，如采样率之类需要进行更改。我接下来使用的讯飞的语音识别就对接受的音频就有一些要求。

之后是上传处理过的音频，提交给语音识别的服务商去识别，然后接收返回的识别出的文本内容。

再接下来是文本的分词，将连续的文本分解为单个的词组。

然后是匹配操作（为什么我想到的是匹配呢？因为语义识别我不会啊。），根据匹配到的操作去进行下一步的任务，比如数据库的擦查找啥的，如果匹配不到的话就提示错误。

照着这个思路，我做了一个Demo, 功能是通过语音命令打开一个word文件，然后通过语音合成读出word的内容。

接下来讲一下具体的实现了。

首先是录音，因为只是一个Demo，所以懒得写格式转换的代码，直接找了一个符合讯飞语音识别要求的录音软件。

然后是语音识别了，我用的是讯飞的服务。如何用呢? 自然是注册 -> 新建应用 -> 添加服务->获取APPID&APIKey这种循规蹈矩的操作了。

这些弄完后你会得到一个这样的界面：

线框圈出来的就是APPID和APIKey，这两个在代码里面调用的时候需要，就相当于你的账号了。

IP白名单也是需要注意的，如果不将你的运行代码的电脑的IP加入白名单，就无法访问。

这个服务每天调用的次数限制是500次，但是我发现有一个小漏洞可以钻，就是如果你创建多个应用，再在每个应用里面都添加一个语音识别的服务，调用次数在不同的应用间是不关联的。所以我们可以在代码里面做个字典，检测到某个应用里面的调用次数用完了之后再换一个应用，操作起来还是很简单的。

上面两个图片展示了不同应用间API调用次数无关

代码我用的是示例代码，稍微改了点。

然后是通过识别出来的文本来分词，确定说话者说的到底是啥意思。

我这里简化了操作。只判断了是不是要打开某个文件，就判断了下面这些关键字。

然后是检查要打开的文件是否存在，判断的也比较简单。先找出所有文件，再匹配。

找到了之后，接下来是打开word。

再接下来是从word中提取文字。

然后是上传文本，做语音合成，用的还是讯飞的代码，改了点。

最后就是接收返回的语音，接着播放了。

播放有个问题没解决，就是播的特别快，可能是默认的播放速率比讯飞返回的要快。

总结

代码很多都参考了网上的，我只是一个小小的搬运工和整合商。感谢开源让世界更美好。

项目上传到了GitHub, 阅读原文可直达。

排版｜Carl

文案｜Carl

乐观生活