android 语音唤醒，录音并识别

最新推荐文章于 2024-09-18 11:19:13 发布

suziguai

最新推荐文章于 2024-09-18 11:19:13 发布

阅读量1.6k

点赞数

文章标签： android 百度语音识别自然语言处理

本文链接：https://blog.csdn.net/suziguai/article/details/112505955

版权

本文介绍如何在Android项目中基于百度语音SDK实现语音唤醒、录音和识别功能。详细阐述了从唤醒、录音、说话判断到结果识别的流程，并提供了关键代码示例。

摘要由CSDN通过智能技术生成

在百度语音SDKDemo的基础上保存语音并进行识别

项目参考

https://ai.baidu.com/ai-doc/SPEECH/Ek39uxgre

最近在做公司的一个项目，基于百度的语音识别技术，做了一个API开放平台，准备在里面添加一部分自己的功能，对应的，平台做了就需要考虑提供配套的调用功能，在这里分享一下对百度语音SDK Demo一些使用心得

整个唤醒识别的过程解析如下：

语音唤醒
录音
语音交互结束后自动退出
返回识别结果

SDK中封装了唤醒的方法和识别的方法，现在需要做的就是把步骤2-4替换为自己的方法。

录音

在demo中已经提供了android音频流和需要添加的权限，可以参考demo中对应的文件进行学习

package com.baidu.aip.asrwakeup3.core.inputstream;
public class MyMicrophoneInputStream extends InputStream 

            int bufferSize = AudioRecord.getMinBufferSize(16000,
                    AudioFormat.CHANNEL_IN_MONO, AudioFormat.ENCODING_PCM_16BIT) * 16;
            audioRecord = new AudioRecord(MediaRecorder.AudioSource.MIC,
                    16000, AudioFormat.CHANNEL_IN_MONO, AudioFormat.ENCODING_PCM_16BIT, bufferSize);

这里提供了一个单例的音频流，设置了了录音文件的相关参数，为16000HZ，单声道，保存格式为16Bit，这些参数限定了从音频流里面获取数据进行保存，对音频数据进行分析等使用的参数，也是现在网上各语音分析平台要求上传的参数。
从音频流中获取数据时，使用了与创建音频流时相同的bufferSize大小，同时要求流操作需要放到子线程中进行操作，如果放在UI线程中，会阻塞UI线程

package com.baidu.aip.asrwakeup3.core.recog;
public class MyRecognizer {
   

inputStream.start();
int bufferSize = AudioRecord.getMinBufferSize(16000,
                                        AudioFormat.CHANNEL_IN_MONO, AudioFormat.ENCODING_PCM_16BIT) * 16;
int byteCount = 0;
byte[] bytes = new byte[bufferSize];
int count = 0;
while (inputStream.getRecordingStatus() && (byteCount = inputStream.read(bytes)) != -1) {
   
   outputStream.write(bytes, 0, byteCount);
   if (calculateVolume(bytes,16) == 0 ) {
   
        count++;
     } else {
   
          count = 0;
    }
     if (count > 1) {
   
            break;
    }
}

注意：在使用过程中，遇到因为mic被其他应用占用导致从流中读取不到数据的问题，而且没有错误提示，如果遇到类似的问题，请进行排查是否是类似问题

说话判断

calculateVolume方法是用来判断录音中是否存在人声音的，实现照抄网上的方法，这里注意方法输入的参数和采集到的音频流参数保持一致，这里在两个录音返回数据都判断结果为0时结束录音数据的采集，结束录音进行结果识别

    //识别是否存在说话
    public int calculateVolume(byte[] var0, int var1) {
   
        int[] var3 = null;
        int var4 = var0.length;
        int var2;
        if(var1 == 8) {
   
            var3 = new int[var4];
            for(var2 = 0; var2 < var4; ++var2) {
   
                var3[var2] = var0[var2];
            }
        } else if(var1 == 16) {
   
            var3 = new int[var4 / 2];
            for(var2 = 0; var2 < var4 / 2; ++var2) {
   
                byte var5 = var0[var2 * 2];
                byte var6 = var0[var2 * 2 + 1];
                int var13;
                if(var5 < 0) {
   
                    var13 = var5 + 256;
                } else {
   
                    var13 = var5;
                }
                short var7 = (short)(var13 + 0);
                if(var6 < 0) {
   
                    var13 = var6 + 256;
                } else {
   
                    var13 = var6;
                }
                var3[var2] = (short)(var7 + (var13 << 8));
            }
        }
        int[] var8 = var3;
        if(var3 != null && var3.length != 0) {
   
            float var10 = 0.0F;
            for(int var11 = 0; var11 < var8.length; ++var11) {
   
                var10 += (float)(var8[var11] * var8[var11]