讯飞语音离线命令词识别

ASDC001

已于 2024-12-06 14:24:09 修改

阅读量1.3k

点赞数 12

分类专栏： C＃学习文章标签： c# visual studio 自然语言处理语音识别

于 2024-12-06 14:04:38 首次发布

本文链接：https://blog.csdn.net/ASDC001/article/details/139684094

版权

C＃学习专栏收录该内容

3 篇文章

订阅专栏

最近买了个小米电视，开机啊、打开爱奇艺啊，都不用遥控板，挺方便，于是想给我们自己的上位机软件也增加一些语音提示、语音控制的功能。简单罗列如下：

一、语音提示功能

设备状态变化、报警等，通过将语音将报警文本读出来。

二、语音指令控制功能

1. 设备启动和停止：
操作人员可以通过简单的语音指令实现设备的启动和停止。例如，“启动生产线一”、“停止压缩机”等。
2. 环境控制：
支持通过语音指令控制空调、灯光等设备的开关和调节。例如，“打开空调”、“关闭车间灯光”。
3.故障复位：
在设备发生故障时，操作人员可以通过语音指令快速执行复位操作，减少停机时间，提高生产效率。例如，“复位CNC机器”。
4.指令组成：
操作类型+设备编号+设备类型。
其中操作类型比如：启动、停止、复位、报警、打开、关闭；前进、后退、左转、右转；增加、减少、提升、下降等，一般一个操作场景估计20种以内。
设备类型比如：小车、提升机、堆垛机、AGV、皮带机、空压机；阀门、门禁、空调、灯光、电视；估计一个场景也是20种以内。
设备编号就不一定了，有的类型只有几个，有的类型几十个，我们常用的一种设备，一条产线200个左右。
这样组合起来，一个应用系统指令最多可以几万个，根据和讯飞技术群沟通的理解，目前无限制指令数，但我猜测指令数量越多，准确性可能会受到影响，但我没测试。最终使用时，将识别指令限定在自己应用的最小范围。

三、曲折的实现过程

因为现场工控上位机操作系统都是Windows系统，目前基本是Win10，开发语言为C#，开发环境为VS2022。所以后续方案都采用C#实现，暂未考虑其他编程语言和操作系统平台。

一、语音提示，采用微软System.Speech.Synthesis，轻松实现。

二、至于语音指令控制，实现过程就曲折了。

1. 百度了一波，System.Speech带语音识别，也叫语音装文本。但自由识别和预设词识别，准确度不高，可能是我们参与测试的几个小伙伴普通话都不太标准吧，读数字编号时，容易错误。整体指令识别率在60%以上。

2. 国内做语音识别听到比较多的是讯飞，当然百度阿里这些大佬肯定也是很牛的。

为了安全，现场工控上位机平常不能连外网，只有特殊时候才打开用一下，所以得考虑离线的。

首先讯飞列表有个离线命令词识别，百度没找到，阿里没仔细找。

讯飞SDK下载，离线命令词识别demo没有C#的，只有C++的，苦了不会C++的我。

以前用过百度的图像识别，调用方法挺简单，于是咨询百度有没有内网离线方案。百度那边说有的，可以将他们的语音识别服务部署在内网，看到这个回复挺开心，有戏啊。后面问到价格，说一套最便宜在20W左右，好像有个同时访问的数量限制，但不限时间和次数访问。因为我们访问数量比较少，一个项目就10几个上位机而已，没关注访问量（可能是50或100吧）。这个价格一出，就把我打退了。

继续讯飞，加了讯飞的官方微信支持群，也没问到C#的demo，给后台发工单，也说没有C#demo，给了我一个语音唤醒的demo，说让我参考。md我连语音换醒概念都还没搞明白，咋参考啊。

这时候，csdn帮助就大了，搜索下载了好多demo，还好开了会员，一年几百个下载随便造。但这些C#例程运行起来，都没能成功识别过。突然有一个离线例程能成功识别了，而且还是自由识别，不需要限定预设指令之类，挺开心。就开始倒腾各种指令测试，感觉还行。突然有天测试时居然识别不成功了，找了半天也没找到啥问天。然后发现是谁把wifi那里搞断电了。md，说好的离线识别例程啊，诚信在哪里。。。

继续折腾下载源码，开始下收费的源码，即使有能下几百个下载的vip，这些源码还是需要另外付费。想到付费嘛，总是靠谱点的，但没啥用，付费的下载了，也是用不了。想到既然付费的，问问卖家点拨下总是行的吧。于是私信卖家，无回复。有天无意看到卖家头像下面，资源1万+，点进去，这些资源都是收费的。因为没下，其他资源能不能用我不知道，但卖家肯定是没空回复我的了。

其中一个大佬的头像下长这样，这里不放具体id，万一是我不会用，有诽谤嫌疑：

下次买资源，还是要看看数量，如果太多数量的，再想想怎么评估风险吧

WC，啰啰嗦嗦了那么多了，还没进入正题啊

四、实现方法

1. 购买appid、下载sdk

首先在讯飞官网，购买离线命令识别能力，有试用版。

下载SDK。这个sdk包含msc.dll库，这个库绑定了购买的appid，在应用这个库时，初始化方法中需要填入这个appid。

参考链接：运行科大讯飞离线命令词识别的SDK使用_讯飞sdk 分词-CSDN博客

2. 初始化注意的地方

初始化语法，有个bnf文件，官方demo叫call.bnf。

注意其中的engine_type = local表示本地。我就在这个语法配置位置耗费太多时间，后面硬着头皮去查看C++的demo，找到了。

3. 主要代码：

//初始化app，appid就是讯飞提供的购买id

public bool Login(string appID,string bnfFileName)
{
bool ret= false;
string login_params =string.Format("appid = {0}, work_dir = .",appID); // 登录参数，appid与msc库绑定,请勿随意改动

int retInt = MSPLogin(null, null, login_params);//第一个参数是用户名，第二个参数是密码，均传NULL即可，第三个参数是登录参数

if(retInt == 0)
{
if (BuildGrammar(bnfFileName))
{
ret = true;
}
}

return ret;

}

//构建语法,grm_parm

private bool BuildGrammar(string bnfFileName)
{
bool ret = false;
// 构建语法
string grm_content = "";
uint grm_cnt_len = 0;
FileInfo fi = new FileInfo(bnfFileName);
grm_content = File.ReadAllText(bnfFileName, Encoding.Default);
grm_cnt_len = (uint)Encoding.UTF8.GetBytes(grm_content).Length;
//UserData bgdata = getUserData();
string userDataString = "Some user data";
IntPtr userData = Marshal.StringToHGlobalAnsi(userDataString);
string grm_parm = "engine_type = local, asr_res_path = fo|res/asr/common.jet, sample_rate = 16000, grm_build_path = res/asr/GrmBuilld,";
int retInt = QISRBuildGrammar("bnf", grm_content, grm_cnt_len, grm_parm, GrammarBuildCallback, userData);
ret= (retInt == 0);
return ret;
}