基于javascript用olamisdk实现web端语音识别语义理解（speex压缩）

最新推荐文章于 2025-09-10 16:00:26 发布

原创

最新推荐文章于 2025-09-10 16:00:26 发布 · 置顶 · 1.6w 阅读

14 ·

CC 4.0 BY-SA版权

文章标签：

#javascript #语音识别 #olami-sdk #speex

本文介绍了如何利用olami开放平台的JavaScript SDK在web端实现语音识别和语义理解功能。通过麦克风录音、speex压缩、服务器交互，获取并解析识别结果，实现对语音指令的响应。示例代码展示了从初始化、录音、上传到显示识别结果的完整流程。

转载请注明原文地址：http://blog.csdn.net/ls0609/article/details/73920229

olami开放平台sdk除了支持语音识别功能外，更强大的在于支持语义理解功能，在android平台和ios平台都有示例demo供大家下载。

语音在线听书demo：http://blog.csdn.net/ls0609/article/details/71519203

语音记账demo：http://blog.csdn.net/ls0609/article/details/72765789

在web端，基于javascript用olami开放平台sdk也可以实现语音识别语义理解。本文就实现了这样一个小程序，web客户端本地用麦克风录音，录音的数据用speex压缩，然后跨域向服务器发送请求，返回识别的语音和语义字符串并显示。

先上图：

如下图刚载入的时候，未录音前界面

这里写图片描述

点击开始录音button后

这里写图片描述

一句话说完自动检测尾音结束标志然后压缩上传给服务器进行识别

这里写图片描述

将从服务器获取的识别结果显示到界面上

这里写图片描述

本例中说的语音是：“我要听三国演义这本书”，用的是android平台听书app建立的语法。
返回的json字串如下：

{
“data”: {
“asr”: {
“result”: “我要听三国演义这本书”,
“speech_status”: 0,
“final”: true,
“status”: 0
},
“nli”: [
{
“desc_obj”: {
“result”: “正在努力搜索中，请稍等”,
“status”: 0
},
“semantic”: [
{
“app”: “musiccontrol”,
“input”: “我要听三国演义这本书”,
“slots”: [
{
“name”: “songname”,
“value”: “三国演义”
}
],
“modifier”: [
“play”
],
“customer”: “58df512384ae11f0bb7b487e”
}
],
“type”: “musiccontrol”
}
]
},
“status”: “ok”
}
通过解析这段json，可以得到app类型，songname(用于查询书名)，modifier是play表示行为是播放。
这段json的语法当然是用户自定义的，获得了json字串就可以解析得到程序需要的字段用于对应的操作，从而实现了语义理解功能。olami开放平台语法编写介绍http://blog.csdn.net/ls0609/article/details/71624340

下面来看看实现的code，用eclipse建立J2EE工程WebVoiceRecognize
初次搭建可以参考如下网站：
http://jingyan.baidu.com/article/1709ad808caf9d4634c4f0f8.html

下面是建立的工程目录结构，发布后，网页打开运行在chrome或者QQ浏览器均可。
这里写图片描述

下面讲述下voiceRecognize.html这个文件，其他都是min.js,只需知道如何调用就可以了。

<!DOCTYPE HTML>
<html>
    <head>
    <meta charset="utf-8">
    <title>voice recognize test</title> 
    <script

最低0.47元/天解锁文章