iOS中 语音识别功能／语音转文字教程详解

 

iOS中 语音识别功能／语音转文字教程详解 

前言：最近研究了一下语音识别，从百度语音识别到讯飞语音识别；首先说一下个人针对两者的看法，讯飞毫无疑问比较专业，识别率也很高真对语音识别是比较精准的，但是很多开发者和我一样期望离线识别，而讯飞离线是收费的；请求次数来讲，两者都可以申请高配额，真对用户较多的几乎都一样。基于免费并且支持离线我选择了百度离线语音识别。比较简单，UI设计多一点，下面写一下教程：

1.首先：需要的库

2.我是自定义的UI所以以功能实现为主（头文件）

[objc]  view plain  copy

 

1. // 头文件  
2. #import "BDVRCustomRecognitonViewController.h"  
3. #import "BDVRClientUIManager.h"  
4. #import "WBVoiceRecordHUD.h"  
5. #import "BDVRViewController.h"  
6. #import "MyViewController.h"  
7. #import "BDVRSConfig.h"  

3.需要知道的功能：能用到的如下：

[objc]  view plain  copy

 

1. //－－－－－－－－－－－－－－－－－－－类方法－－－－－－－－－－－－－－－－－－－－－－－－  
2. // 创建语音识别客户对像，该对像是个单例  
3. + (BDVoiceRecognitionClient *)sharedInstance;  
4.   
5. // 释放语音识别客户端对像  
6. + (void)releaseInstance;  
7.   
8.   
9. //－－－－－－－－－－－－－－－－－－－识别方法－－－－－－－－－－－－－－－－－－－－－－－  
10. // 判断是否可以录音  
11. - (BOOL)isCanRecorder;  
12.   
13. // 开始语音识别，需要实现MVoiceRecognitionClientDelegate代理方法，并传入实现对像监听事件  
14. // 返回值参考 TVoiceRecognitionStartWorkResult  
15. - (int)startVoiceRecognition:(id<MVoiceRecognitionClientDelegate>)aDelegate;  
16.   
17. // 说完了，用户主动完成录音时调用  
18. - (void)speakFinish;  
19.   
20. // 结束本次语音识别  
21. - (void)stopVoiceRecognition;  
22.   
23. /** 
24.  * @brief 获取当前识别的采样率 
25.  * 
26.  * @return 采样率(16000/8000) 
27.  */  
28. - (int)getCurrentSampleRate;  
29.   
30. /** 
31.  * @brief 得到当前识别模式(deprecated) 
32.  * 
33.  * @return 当前识别模式 
34.  */  
35. - (int)getCurrentVoiceRecognitionMode __attribute__((deprecated));  
36.   
37. /** 
38.  * @brief 设置当前识别模式(deprecated)，请使用-(void)setProperty:(TBDVoiceRecognitionProperty)property; 
39.  * 
40.  * @param 识别模式 
41.  * 
42.  * @return 是否设置成功 
43.  */  
44. - (void)setCurrentVoiceRecognitionMode:(int)aMode __attribute__((deprecated));  
45.   
46. // 设置识别类型  
47. - (void)setProperty:(TBDVoiceRecognitionProperty)property __attribute__((deprecated));  
48.   
49. // 获取当前识别类型  
50. - (int)getRecognitionProperty __attribute__((deprecated));  
51.   
52. // 设置识别类型列表, 除EVoiceRecognitionPropertyInput和EVoiceRecognitionPropertySong外  
53. // 可以识别类型复合  
54. - (void)setPropertyList: (NSArray*)prop_list;  
55.   
56. // cityID仅对EVoiceRecognitionPropertyMap识别类型有效  
57. - (void)setCityID: (NSInteger)cityID;  
58.   
59. // 获取当前识别类型列表  
60. - (NSArray*)getRecognitionPropertyList;  
61.   
62. //－－－－－－－－－－－－－－－－－－－提示音－－－－－－－－－－－－－－－－－－－－－－－  
63. // 播放提示音，默认为播放,录音开始，录音结束提示音  
64. // BDVoiceRecognitionClientResources/Tone  
65. // record_start.caf   录音开始声音文件  
66. // record_end.caf     录音结束声音文件  
67. // 声音资源需要加到项目工程里，用户可替换资源文件，文件名不可以变，建音提示音不宜过长，0。5秒左右。  
68. // aTone 取值参考 TVoiceRecognitionPlayTones，如没有找到文件，则返回ＮＯ  
69. - (BOOL)setPlayTone:(int)aTone isPlay:(BOOL)aIsPlay;  

4.录音按钮相关动画（我自定义的，大家可以借鉴）

每日更新关注:http://weibo.com/hanjunqiang  新浪微博

[objc]  view plain  copy

 

1. // 录音按钮相关  
2. @property (nonatomic, weak, readonly) UIButton *holdDownButton;// 说话按钮  
3. /** 
4.  *  是否取消錄音 
5.  */  
6. @property (nonatomic, assign, readwrite) BOOL isCancelled;  
7.   
8. /** 
9.  *  是否正在錄音 
10.  */  
11. @property (nonatomic, assign, readwrite) BOOL isRecording;  
12. /** 
13.  *  当录音按钮被按下所触发的事件，这时候是开始录音 
14.  */  
15. - (void)holdDownButtonTouchDown;  
16.   
17. /** 
18.  *  当手指在录音按钮范围之外离开屏幕所触发的事件，这时候是取消录音 
19.  */  
20. - (void)holdDownButtonTouchUpOutside;  
21.   
22. /** 
23.  *  当手指在录音按钮范围之内离开屏幕所触发的事件，这时候是完成录音 
24.  */  
25. - (void)holdDownButtonTouchUpInside;  
26.   
27. /** 
28.  *  当手指滑动到录音按钮的范围之外所触发的事件 
29.  */  
30. - (void)holdDownDragOutside;  

5.初始化系统UI

[objc]  view plain  copy

 

1. #pragma mark - layout subViews UI  
2.   
3. /** 
4.  *  根据正常显示和高亮状态创建一个按钮对象 
5.  * 
6.  *  @param image   正常显示图 
7.  *  @param hlImage 高亮显示图 
8.  * 
9.  *  @return 返回按钮对象 
10.  */  
11. - (UIButton *)createButtonWithImage:(UIImage *)image HLImage:(UIImage *)hlImage ;  
12. - (void)holdDownDragInside;  
13. - (void)createInitView; // 创建初始化界面，播放提示音时会用到  
14. - (void)createRecordView;  // 创建录音界面  
15. - (void)createRecognitionView; // 创建识别界面  
16. - (void)createErrorViewWithErrorType:(int)aStatus; // 在识别view中显示详细错误信息  
17. - (void)createRunLogWithStatus:(int)aStatus; // 在状态view中显示详细状态信息  
18.   
19. - (void)finishRecord:(id)sender; // 用户点击完成动作  
20. - (void)cancel:(id)sender; // 用户点击取消动作  
21.   
22. - (void)startVoiceLevelMeterTimer;  
23. - (void)freeVoiceLevelMeterTimerTimer;  

6.最重要的部分

[objc]  view plain  copy

 

1. // 录音完成  
2.  [[BDVoiceRecognitionClient sharedInstance] speakFinish];  

[objc]  view plain  copy

 

1. // 取消录音  
2. [[BDVoiceRecognitionClient sharedInstance] stopVoiceRecognition];  

7.两个代理方法

[objc]  view plain  copy

 

1. - (void)VoiceRecognitionClientWorkStatus:(int)aStatus obj:(id)aObj  
2. {  
3.     switch (aStatus)  
4.     {  
5.         case EVoiceRecognitionClientWorkStatusFlushData: // 连续上屏中间结果  
6.         {  
7.             NSString *text = [aObj objectAtIndex:0];  
8.               
9.             if ([text length] > 0)  
10.             {  
11. //                [clientSampleViewController logOutToContinusManualResut:text];  
12.                   
13.                 UILabel *clientWorkStatusFlushLabel = [[UILabel alloc]initWithFrame:CGRectMake(kScreenWidth/2 - 100,64,200,60)];  
14.                 clientWorkStatusFlushLabel.text = text;  
15.                 clientWorkStatusFlushLabel.textAlignment = NSTextAlignmentCenter;  
16.                 clientWorkStatusFlushLabel.font = [UIFont systemFontOfSize:18.0f];  
17.                 clientWorkStatusFlushLabel.numberOfLines = 0;  
18.                 clientWorkStatusFlushLabel.backgroundColor = [UIColor whiteColor];  
19.                 [self.view addSubview:clientWorkStatusFlushLabel];  
20.                   
21.             }  
22.   
23.             break;  
24.         }  
25.         case EVoiceRecognitionClientWorkStatusFinish: // 识别正常完成并获得结果  
26.         {  
27.             [self createRunLogWithStatus:aStatus];  
28.               
29.             if ([[BDVoiceRecognitionClient sharedInstance] getRecognitionProperty] != EVoiceRecognitionPropertyInput)  
30.             {  
31.                 //  搜索模式下的结果为数组，示例为  
32.                 // ["公园", "公元"]  
33.                 NSMutableArray *audioResultData = (NSMutableArray *)aObj;  
34.                 NSMutableString *tmpString = [[NSMutableString alloc] initWithString:@""];  
35.                   
36.                 for (int i=0; i < [audioResultData count]; i++)  
37.                 {  
38.                     [tmpString appendFormat:@"%@\r\n",[audioResultData objectAtIndex:i]];  
39.                 }  
40.                   
41.                 clientSampleViewController.resultView.text = nil;  
42.                 [clientSampleViewController logOutToManualResut:tmpString];  
43.                   
44.             }  
45.             else  
46.             {  
47.                 NSString *tmpString = [[BDVRSConfig sharedInstance] composeInputModeResult:aObj];  
48.                 [clientSampleViewController logOutToContinusManualResut:tmpString];  
49.                   
50.             }  
51.              
52.             if (self.view.superview)  
53.             {  
54.                 [self.view removeFromSuperview];  
55.             }  
56.               
57.             break;  
58.         }  
59.         case EVoiceRecognitionClientWorkStatusReceiveData:  
60.         {  
61.             // 此状态只有在输入模式下使用  
62.             // 输入模式下的结果为带置信度的结果，示例如下：  
63.             //  [  
64.             //      [  
65.             //         {  
66.             //             "百度" = "0.6055192947387695";  
67.             //         },  
68.             //         {  
69.             //             "摆渡" = "0.3625582158565521";  
70.             //         },  
71.             //      ]  
72.             //      [  
73.             //         {  
74.             //             "一下" = "0.7665404081344604";  
75.             //         }  
76.             //      ],  
77.             //   ]  
78. //暂时关掉 -- 否则影响跳转结果  
79. //            NSString *tmpString = [[BDVRSConfig sharedInstance] composeInputModeResult:aObj];  
80. //            [clientSampleViewController logOutToContinusManualResut:tmpString];  
81.               
82.             break;  
83.         }  
84.         case EVoiceRecognitionClientWorkStatusEnd: // 用户说话完成，等待服务器返回识别结果  
85.         {  
86.             [self createRunLogWithStatus:aStatus];  
87.             if ([BDVRSConfig sharedInstance].voiceLevelMeter)  
88.             {  
89.                 [self freeVoiceLevelMeterTimerTimer];  
90.             }  
91.               
92.             [self createRecognitionView];  
93.               
94.             break;  
95.         }  
96.         case EVoiceRecognitionClientWorkStatusCancel:  
97.         {              
98.             if ([BDVRSConfig sharedInstance].voiceLevelMeter)   
99.             {  
100.                 [self freeVoiceLevelMeterTimerTimer];  
101.             }  
102.               
103.             [self createRunLogWithStatus:aStatus];    
104.               
105.             if (self.view.superview)   
106.             {  
107.                 [self.view removeFromSuperview];  
108.             }  
109.             break;  
110.         }  
111.         case EVoiceRecognitionClientWorkStatusStartWorkIng: // 识别库开始识别工作，用户可以说话  
112.         {  
113.             if ([BDVRSConfig sharedInstance].playStartMusicSwitch) // 如果播放了提示音，此时再给用户提示可以说话  
114.             {  
115.                 [self createRecordView];  
116.             }  
117.               
118.             if ([BDVRSConfig sharedInstance].voiceLevelMeter)  // 开启语音音量监听  
119.             {  
120.                 [self startVoiceLevelMeterTimer];  
121.             }  
122.               
123.             [self createRunLogWithStatus:aStatus];   
124.   
125.             break;  
126.         }  
127.         case EVoiceRecognitionClientWorkStatusNone:  
128.         case EVoiceRecognitionClientWorkPlayStartTone:  
129.         case EVoiceRecognitionClientWorkPlayStartToneFinish:  
130.         case EVoiceRecognitionClientWorkStatusStart:  
131.         case EVoiceRecognitionClientWorkPlayEndToneFinish:  
132.         case EVoiceRecognitionClientWorkPlayEndTone:  
133.         {  
134.             [self createRunLogWithStatus:aStatus];  
135.             break;  
136.         }  
137.         case EVoiceRecognitionClientWorkStatusNewRecordData:  
138.         {  
139.             break;  
140.         }  
141.         default:  
142.         {  
143.             [self createRunLogWithStatus:aStatus];  
144.             if ([BDVRSConfig sharedInstance].voiceLevelMeter)   
145.             {  
146.                 [self freeVoiceLevelMeterTimerTimer];  
147.             }  
148.             if (self.view.superview)   
149.             {  
150.                 [self.view removeFromSuperview];  
151.             }  
152.    
153.             break;  
154.         }  
155.     }  
156. }  

[objc]  view plain  copy

 

1. - (void)VoiceRecognitionClientNetWorkStatus:(int) aStatus  
2. {  
3.     switch (aStatus)   
4.     {  
5.         case EVoiceRecognitionClientNetWorkStatusStart:  
6.         {     
7.             [self createRunLogWithStatus:aStatus];  
8.             [[UIApplication sharedApplication] setNetworkActivityIndicatorVisible:YES];  
9.             break;     
10.         }  
11.         case EVoiceRecognitionClientNetWorkStatusEnd:  
12.         {  
13.             [self createRunLogWithStatus:aStatus];  
14.             [[UIApplication sharedApplication] setNetworkActivityIndicatorVisible:NO];  
15.             break;     
16.         }            
17.     }  
18. }  

8.录音按钮的一些操作

[objc]  view plain  copy

 

1. #pragma mark ------ 关于按钮操作的一些事情-------  
2. - (void)holdDownButtonTouchDown {  
3.     // 开始动画  
4.     _disPlayLink = [CADisplayLink displayLinkWithTarget:self selector:@selector(delayAnimation)];  
5.     _disPlayLink.frameInterval = 40;  
6.     [_disPlayLink addToRunLoop:[NSRunLoop currentRunLoop] forMode:NSDefaultRunLoopMode];  
7.       
8.     self.isCancelled = NO;  
9.     self.isRecording = NO;  
10.       
11.  // 开始语音识别功能，之前必须实现MVoiceRecognitionClientDelegate协议中的VoiceRecognitionClientWorkStatus:obj方法  
12.     int startStatus = -1;  
13.     startStatus = [[BDVoiceRecognitionClient sharedInstance] startVoiceRecognition:self];  
14.     if (startStatus != EVoiceRecognitionStartWorking) // 创建失败则报告错误  
15.     {  
16.         NSString *statusString = [NSString stringWithFormat:@"%d",startStatus];  
17.         [self performSelector:@selector(firstStartError:) withObject:statusString afterDelay:0.3];  // 延迟0.3秒，以便能在出错时正常删除view  
18.         return;  
19.     }  
20.     // "按住说话－松开搜索"提示  
21.     [voiceImageStr removeFromSuperview];  
22.     voiceImageStr = [[UIImageView alloc]initWithFrame:CGRectMake(kScreenWidth/2 - 40, kScreenHeight - 153, 80, 33)];  
23.     voiceImageStr.backgroundColor = [UIColor colorWithPatternImage:[UIImage imageNamed:@"searchVoice"]];  
24.     [self.view addSubview:voiceImageStr];  
25.      
26. }  
27.   
28. - (void)holdDownButtonTouchUpOutside {  
29.     // 结束动画  
30.     [self.view.layer removeAllAnimations];  
31.     [_disPlayLink invalidate];  
32.     _disPlayLink = nil;  
33.       
34.     // 取消录音  
35.     [[BDVoiceRecognitionClient sharedInstance] stopVoiceRecognition];  
36.       
37.     if (self.view.superview)  
38.     {  
39.         [self.view removeFromSuperview];  
40.     }  
41. }  
42.   
43. - (void)holdDownButtonTouchUpInside {  
44.     // 结束动画  
45.     [self.view.layer removeAllAnimations];  
46.     [_disPlayLink invalidate];  
47.     _disPlayLink = nil;  
48.       
49.     [[BDVoiceRecognitionClient sharedInstance] speakFinish];  
50. }  
51.   
52. - (void)holdDownDragOutside {  
53.       
54.     //如果已經開始錄音了, 才需要做拖曳出去的動作, 否則只要切換 isCancelled, 不讓錄音開始.  
55.     if (self.isRecording) {  
56. //        if ([self.delegate respondsToSelector:@selector(didDragOutsideAction)]) {  
57. //            [self.delegate didDragOutsideAction];  
58. //        }  
59.     } else {  
60.         self.isCancelled = YES;  
61.     }  
62. }  
63.   
64.   
65. #pragma mark - layout subViews UI  
66.   
67. - (UIButton *)createButtonWithImage:(UIImage *)image HLImage:(UIImage *)hlImage {  
68.     UIButton *button = [[UIButton alloc] initWithFrame:CGRectMake(kScreenWidth/2 -36, kScreenHeight - 120, 72, 72)];  
69.       
70.     if (image)  
71.         [button setBackgroundImage:image forState:UIControlStateNormal];  
72.     if (hlImage)  
73.         [button setBackgroundImage:hlImage forState:UIControlStateHighlighted];  
74.       
75.     return button;  
76. }  
77.   
78. #pragma mark ----------- 动画部分 -----------  
79. - (void)startAnimation  
80. {  
81.     CALayer *layer = [[CALayer alloc] init];  
82.     layer.cornerRadius = [UIScreen mainScreen].bounds.size.width/2;  
83.     layer.frame = CGRectMake(0, 0, layer.cornerRadius * 2, layer.cornerRadius * 2);  
84.     layer.position = CGPointMake([UIScreen mainScreen].bounds.size.width/2,[UIScreen mainScreen].bounds.size.height - 84);  
85.     //    self.view.layer.position;  
86.     UIColor *color = [UIColor colorWithRed:arc4random()%10*0.1 green:arc4random()%10*0.1 blue:arc4random()%10*0.1 alpha:1];  
87.     layer.backgroundColor = color.CGColor;  
88.     [self.view.layer addSublayer:layer];  
89.       
90.     CAMediaTimingFunction *defaultCurve = [CAMediaTimingFunction functionWithName:kCAMediaTimingFunctionDefault];  
91.       
92.     _animaTionGroup = [CAAnimationGroup animation];  
93.     _animaTionGroup.delegate = self;  
94.     _animaTionGroup.duration = 2;  
95.     _animaTionGroup.removedOnCompletion = YES;  
96.     _animaTionGroup.timingFunction = defaultCurve;  
97.       
98.     CABasicAnimation *scaleAnimation = [CABasicAnimation animationWithKeyPath:@"transform.scale.xy"];  
99.     scaleAnimation.fromValue = @0.0;  
100.     scaleAnimation.toValue = @1.0;  
101.     scaleAnimation.duration = 2;  
102.       
103.     CAKeyframeAnimation *opencityAnimation = [CAKeyframeAnimation animationWithKeyPath:@"opacity"];  
104.     opencityAnimation.duration = 2;  
105.     opencityAnimation.values = @[@0.8,@0.4,@0];  
106.     opencityAnimation.keyTimes = @[@0,@0.5,@1];  
107.     opencityAnimation.removedOnCompletion = YES;  
108.       
109.     NSArray *animations = @[scaleAnimation,opencityAnimation];  
110.     _animaTionGroup.animations = animations;  
111.     [layer addAnimation:_animaTionGroup forKey:nil];  
112.       
113.     [self performSelector:@selector(removeLayer:) withObject:layer afterDelay:1.5];  
114. }  
115.   
116. - (void)removeLayer:(CALayer *)layer  
117. {  
118.     [layer removeFromSuperlayer];  
119. }  
120.   
121.   
122. - (void)delayAnimation  
123. {  
124.     [self startAnimation];  
125. }  

完成以上操作，就大功告成了！

温馨提示：

1.由于是语音识别，需要用到麦克风相关权限，模拟器会爆12个错误，使用真机可以解决；

2.涉及到授权文件相关并不复杂，工程Bundle Identifier只需要设置百度的离线授权一致即可，如下图：

最终效果如下：