记录在linux上使用科大讯飞的语音识别的全过程

一、科大讯飞官网

        1.网址讯飞开放平台-以语音交互为核心的人工智能开放平台 (xfyun.cn)。

        2.登录上述网站。

        3.点击控制台，创建应用。

        4.再在网页中找到语音听写功能，就是本次需要使用到的语音转文字功能，有很多入口可以进入，进入后请自行查看相关介绍，有助于后面的程序开发，入口其位置如图1.1所示。

图1.1 语音听写

        5.将网页拉到下面的开发者资源，将Linux的SDK文档打开，本次实验的相关步骤根据该文档进行，文档入口如图1.2所示。

图1.2 Linux的文档入口

        6.下载Linux的SDK资源，找到SDK下载入口，如图1.2所示。

图1.3 SDK下载入口

        7.进入页面口应用选择已经创建好的应用，平台选择Linux，ai能力选择语音听写，点击下载。如图1.4所示。

图1.4 下载SDK

二、SDK包的处理

        1.其处理过程根据上述的SDK文档进行，具体操作如下：

       （1）、 新建目录Demo，将SDK中bin,include,libs文件夹复制到新建工程“Demo”文件夹下，如图2.1创建demo文件夹，并复制文件。

图2.1 demo文件夹

       （2）、将sample文件夹的麦克风输入语音识别的文件拷贝到demo,sample中文件分别对应不同的ai能力。如图2.2所示。

图2.2 移动源码文件夹

        （3）、打开文件夹iat_online_record_sample中的Makefile文件，修改相关路径。如图2.3所示。

图2.3 修改Makefile

        （4）、打开文件夹iat_online_record_sample中的64bit_make.sh文件，修改相关路径。如图2.3所示。

图2.3 修改sh脚本

        2、在测试之前，先检查自己的麦克风，以及虚拟机Linux的联网状态。

        麦克风测试，可以声音输入，如图2.4所示。

图2.4 麦克风测试

        虚拟机网络适配器选择NAT，联网测试，ping通百度，如图2.5所示。   图2.5 联网测试

        3、在虚拟机中编译文件，并执行，详情如图2.6所示。

在操作前可以先配置下必要的环境避免编译不过（安装语音库和G++）。

sudo apt-get install libasound2-dev
sudo apt install g++

图2.6 demo运行结果

三、温馨提示

       1.麦克风的采样率要符合科大讯飞要求（官方文档：sdk目前支持的格式是 pcm 和 wav 格式、音频采样率要是 16k 或者 8k、采样精度16 位、单声道音频），本次测试电脑麦克风和外接麦克风都好使，配置及检测如图3.1所示。

图3.1 麦克风配置及检测

        2.程序执行时，看麦克风是否被当前的虚拟机占用（才是对的），如果被别的进程占用，测试会失败（可能会出现-77的错误），可以重启电脑解决，或和关闭对应进程。

        3.语音文字并不是15秒后一次性转换，而是停止语音输入后，立马输出，可以多次输入与转换。

        4.音频格式

语音听写 Linux SDK 文档 | 讯飞开放平台文档中心 (xfyun.cn)