阿里语音识别看这一篇就够了

最新推荐文章于 2024-07-26 13:24:37 发布
最新推荐文章于 2024-07-26 13:24:37 发布
阅读量1.6k 收藏 3
点赞数 2
文章标签： 语音识别 人工智能 android
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_39852372/article/details/127666812
版权

先看效果

效果视频

首先到阿里页面创建项目

传送门:https://help.aliyun.com/document_detail/71936.htm?spm=a2c4g.11186623.0.0.12a03787uqgGAh#2572188

下载sdk引入到项目并且依赖

传送门:https://gw.alipayobjects.com/os/bmw-prod/d5d24de6-599d-41ac-aad7-3bfa6fc38f42.zip?spm=a2c4g.11186623.0.0.12a037872vUnOu&file=d5d24de6-599d-41ac-aad7-3bfa6fc38f42.zip

解压ZIP包，在app/libs目录下获取AAR格式的SDK包，将AAR包集成到您的工程项目中进行依赖。

获取Token

Token需要请求服务器获取，可以跟后台沟通获取方式 以及后台给你返回的格式 ，如果只是玩玩demo 可以使用官网给的测试Token
传送门：https://help.aliyun.com/document_detail/450514.htm?spm=a2c4g.11186623.0.0.12a0344eej4i75#587dee8029x7r

以上准备工作结束接下来开始集成

集成还是很简单的基本上官网讲的还是很全面的
需要注意的几个点是在使用语音识别之前必须获取录音权限 否则识别失败。

接下来看主要代码封装成简单的工具类

public class AutomaticSpeechRecognitionUtils implements INativeNuiCallback {
    private static final String TAG = AutomaticSpeechRecognitionUtils.class.getName();


    private NativeNui nui_instance = new NativeNui();
    private final static int WAVE_FRAM_SIZE = 20 * 2 * 1 * 16000 / 1000; //20ms audio for 16k/16bit/mono
    public final static int SAMPLE_RATE = 16000;
    private AudioRecord mAudioRecorder;
    private AutomaticSpeechRecognitionListener mAutomaticSpeechRecognitionListener;
    private Context mContext;
    private boolean mInit = false;//初始化是否成功


    /**
     * @date 8/17/22 4:02 PM
     * @description 请求token并且初始化
     **/
    public void voiceInitToken(Context context, AutomaticSpeechRecognitionListener automaticSpeechRecognitionListener) {
        this.mContext = context;
        this.mAutomaticSpeechRecognitionListener = automaticSpeechRecognitionListener;
        int time = (int) (System.currentTimeMillis() / 1000); //获取当前时间
        if (time > (SearchVoiceSp.getInstance(UKidsApplication.getInstance()).getSearchVoiceTime())) {
            RetrofitManager.getInstance().getAutomaticSpeechRecognition(new UkidsObserver<VoiceRecognitionEntity>() {
                @Override
                public void onSubscribe(Disposable d) {
                    super.onSubscribe(d);
                }

                @Override
                public void onNext(VoiceRecognitionEntity voiceRecognitionEntity) {
                    super.onNext(voiceRecognitionEntity);
                    if (voiceRecognitionEntity != null) {
                        String token = voiceRecognitionEntity.getToken();
                        int expire = voiceRecognitionEntity.getExpire();
                        SearchVoiceSp.getInstance(UKidsApplication.getInstance()).setSearchVoiceToken(token);
                        SearchVoiceSp.getInstance(UKidsApplication.getInstance()).setSearchVoiceTime(expire);
                        Log.i(TAG, "voiceInitToken onNext " + token);
                        voiceInit(token);
                    }

                }

                @Override
                public void onError(Throwable e) {
                    super.onError(e);
                    mInit = false;
                    if (mAutomaticSpeechRecognitionListener != null)
                        mAutomaticSpeechRecognitionListener.initError();
                    Log.i(TAG, "voiceInitToken onError " + e.toString());
                }

                @Override
                public void onComplete() {
                    super.onComplete();
                }
            });

        } else {
            String searchVoiceToken = SearchVoiceSp.getInstance(UKidsApplication.getInstance()).getSearchVoiceToken();
            voiceInit(searchVoiceToken);
        }

    }

    public boolean isInitVoice() {
        return mInit;

    }

    /**
     * @param
     * @date 8/17/22 2:46 PM
     * @description 初始化
     **/
    private void voiceInit(String token) {
        //获取工作路径
        String asset_path = CommonUtils.getModelPath(mContext);
        Log.i(TAG, "use workspace " + asset_path);
        String debug_path = mContext.getExternalCacheDir().getAbsolutePath() + "/debug_" + System.currentTimeMillis();
        FileUtils.createDir(debug_path);

        //这里主动调用完成SDK配置文件的拷贝
        if (CommonUtils.copyAssetsData(mContext)) {
            Log.i(TAG, "copy assets data done");
        } else {
            Log.i(TAG, "copy assets failed");
            return;
        }

        //初始化SDK，注意用户需要在Auth.getAliYunTicket中填入相关ID信息才可以使用。
        int ret = nui_instance.initialize(this, genInitParams(asset_path, debug_path, token), Constants.LogLevel.LOG_LEVEL_VERBOSE, true);
        Log.i(TAG, "是否初始化成功" + ret);
        //设置相关识别参数，具体参考API文档
        nui_instance.setParams(genParams());

        if (ret == Constants.NuiResultCode.SUCCESS) {
            mInit = true;
            if (mAutomaticSpeechRecognitionListener != null)
                mAutomaticSpeechRecognitionListener.initSucceed();
        } else {
            mInit = false;
            if (mAutomaticSpeechRecognitionListener != null)
                mAutomaticSpeechRecognitionListener.initError();
        }
    }

    /**
     * @param
     * @description 初始化录音功能
     **/
    public void initAudioRecorder() {
        if (mAudioRecorder == null) {
            //录音初始化，录音参数中格式只支持16bit/单通道，采样率支持8K/16K
            mAudioRecorder = new AudioRecord(MediaRecorder.AudioSource.DEFAULT, SAMPLE_RATE,
                    AudioFormat.CHANNEL_IN_MONO, AudioFormat.ENCODING_PCM_16BIT, WAVE_FRAM_SIZE * 4);
        }
    }

    /**
     * @date 8/17/22 2:46 PM
     * @description 开始识别
     **/
    public void startDialog() {
        if (nui_instance != null && mInit) {
            int ret = nui_instance.startDialog(Constants.VadMode.TYPE_P2T,
                    genDialogParams());
            Log.i(TAG, "start done with " + ret);
        } else {
            ToastUtil.showShortToast(mContext, "初始化失败");
        }
    }

    /**
     * @param
     * @description 停止识别
     **/
    public void stopDialog() {
        if (nui_instance != null && mInit) {
            long ret = nui_instance.stopDialog();
            Log.i(TAG, "cancel dialog " + ret + " end");
        } else {
            ToastUtil.showShortToast(mContext, "初始化失败");
        }
    }

    /**
     * @date 8/17/22 2:46 PM
     **/
    public void cancelDialog() {
        if (nui_instance != null && mInit) {
            long ret = nui_instance.cancelDialog();
            Log.i(TAG, "cancel dialog " + ret + " end");
        } else {
            ToastUtil.showShortToast(mContext, "初始化失败");
        }
    }


    /**
     * @description 释放
     **/
    public void releaseVoice() {
        if (nui_instance != null) {
            nui_instance.release();
        }
        if (mAudioRecorder != null) {
            mAudioRecorder.release();
            mAudioRecorder = null;
        }

    }


    private String genDialogParams() {
        String params = "";
        try {
            JSONObject dialog_param = new JSONObject();
            params = dialog_param.toString();
        } catch (JSONException e) {
            e.printStackTrace();
        }

        Log.i(TAG, "dialog params: " + params);
        return params;
    }


    private String genParams() {
        String params = "";
        try {
            JSONObject nls_config = new JSONObject();
            nls_config.put("enable_intermediate_result", true);
            //            参数可根据实际业务进行配置
            //nls_config.put("enable_punctuation_prediction", true);
            //nls_config.put("enable_inverse_text_normalization", true);
            nls_config.put("enable_voice_detection", true);
            nls_config.put("max_start_silence", 2000);
            nls_config.put("max_end_silence", 500);
            //nls_config.put("customization_id", "test_id");
            //nls_config.put("vocabulary_id", "test_id");
            //nls_config.put("sample_rate", 16000);
            //nls_config.put("sr_format", "opus");
            JSONObject parameters = new JSONObject();

            parameters.put("nls_config", nls_config);
            //需要请求的语音服务类型，一句话识别为“0”。
            parameters.put("service_type", Constants.kServiceTypeASR);
            // 如果有HttpDns则可进行设置
            // parameters.put("direct_ip", FileUtils.getDirectIp());
            params = parameters.toString();
            Log.i(TAG, "genParams: " + params);
        } catch (JSONException e) {
            e.printStackTrace();
        }
        return params;
    }

    private String genInitParams(String workPath, String debugPath, String token) {
        String str = "";
        try {

            JSONObject object = new JSONObject();
            object.put("app_key", "QhjdgLiaAFM3j8qY");
            object.put("token", token);
            object.put("url", "wss://nls-gateway.aliyuncs.com/ws/v1");
            object.put("device_id", FileUtils.getDeviceId());
            object.put("workspace", workPath);
            object.put("debug_path", debugPath);
            object.put("sample_rate", "16000");
            object.put("format", "opus");
            //            object.put("save_wav", "true");
            str = object.toString();
        } catch (JSONException e) {
            e.printStackTrace();
        }

        Log.i(TAG, "InsideUserContext:" + str);
        return str;
    }

    //结果回掉
    @Override
    public void onNuiEventCallback(Constants.NuiEvent nuiEvent, int i, int i1, KwsResult kwsResult, AsrResult asrResult) {
        Log.i(TAG, "event=" + nuiEvent);
        if (nuiEvent == Constants.NuiEvent.EVENT_ASR_RESULT) {//最终识别结果
            String json = asrResult.asrResult;
            Log.i(TAG, "event=end" + json);
            if (mAutomaticSpeechRecognitionListener != null) {
                mAutomaticSpeechRecognitionListener.accomplish(getResult(json));
            }
        } else if (nuiEvent == Constants.NuiEvent.EVENT_ASR_PARTIAL_RESULT) {//识别中结果
            String json = asrResult.asrResult;
            Log.i(TAG, "event=start" + json);
            if (mAutomaticSpeechRecognitionListener != null) {
                mAutomaticSpeechRecognitionListener.inProgress(getResult(json));
            }
        } else if (nuiEvent == Constants.NuiEvent.EVENT_ASR_ERROR) {//根据错误码信息判断出错原因
            HashMap<String, String> map = new HashMap<>();
            map.put("code", String.valueOf(i));
            UMengUtils.onEvent(UKidsApplication.getInstance(), "U23_voice_sdkerror", map);
            if (mAutomaticSpeechRecognitionListener != null) {
                mAutomaticSpeechRecognitionListener.accomplish("");
            }
        } else if (nuiEvent == Constants.NuiEvent.EVENT_DIALOG_EX) {
            UMengUtils.onEvent(UKidsApplication.getInstance(), "U23_voice_fault");
            if (mAutomaticSpeechRecognitionListener != null) {
                mAutomaticSpeechRecognitionListener.accomplish("");
            }
        }

    }

    private String getResult(String json) {
        AutomaticSpeechRecognitionEntity automaticSpeechRecognitionEntity = GsonUtils.fromJson(json, AutomaticSpeechRecognitionEntity.class);
        AutomaticSpeechRecognitionEntity.PayloadBean payload = automaticSpeechRecognitionEntity.getPayload();
        String result = payload.getResult();
        return result;
    }

    @Override
    public int onNuiNeedAudioData(byte[] bytes, int i) {
        int ret = 0;
        if (mAudioRecorder.getState() != AudioRecord.STATE_INITIALIZED) {
            Log.e(TAG, "audio recorder not init");
            return -1;
        }
        ret = mAudioRecorder.read(bytes, 0, i);
        return ret;
    }

    @Override
    public void onNuiAudioStateChanged(Constants.AudioState audioState) {
        Log.i(TAG, "onNuiAudioStateChanged");
        if (mAudioRecorder != null)
            if (audioState == Constants.AudioState.STATE_OPEN) {
                Log.i(TAG, "audio recorder start");
                mAudioRecorder.startRecording();
            } else if (audioState == Constants.AudioState.STATE_CLOSE) {
                Log.i(TAG, "audio recorder close");
                mAudioRecorder.release();
            } else if (audioState == Constants.AudioState.STATE_PAUSE) {
                Log.i(TAG, "audio recorder pause");
                mAudioRecorder.stop();
            }
    }

    //语音值回调
    @Override
    public void onNuiAudioRMSChanged(float v) {

    }

    @Override
    public void onNuiVprEventCallback(Constants.NuiVprEvent nuiVprEvent) {

    }


}

基本就是这样

参数说明

语音服务的地址根据自己需求配置
在这里插入图片描述
交互图

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

基本就这些

错误码详情查看官网文档

传送门：https://help.aliyun.com/document_detail/173298.html

码农恩东
关注
  • 2
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
智能电话机器人可私有化部署，阿里达摩院开源ASR(语音识别)
w519021660
04-19 723
按照分钟或者按次付费，之前开源ASR效果太差不具备商用的条件，随着 阿里达摩院发布了大量开源数据集或者海量工业数据训练的模型，识别效果已经和商用ASR差距非常小，完全具备了很多场景代替商用ASR的能力。识别速度快，在线ASR高峰时期用户太多，识别超时频发，本地化部署ASR，可以根据业务情况预先配置好服务器资源，不用担心超并发的情况。支持热词识别， 支持每次识别设置热词（可以把每次回答的关键词，设置为热词），大大提高识别准确度。支持中英文混合识别，阿里达摩院还发布了很多小语种的识别模型，可以实现方言识别。
简单记录阿里云语音识别API调用方法
DALEONE的博客
05-29 3403
目录一、写在前面：二、代码展示：三、代码调整的思路：四、总结： Author：qyan.li Date：2022.5.15 Topic：简单记录阿里云语音识别API调用 一、写在前面： ​       ~~~~~~      最近的课程设计需要语音识别算法，但由于自己实现能力不够，只能借助于现成的API资源，目前国内比较成熟的包括百度云，阿里云，科大讯飞等等。由于百度云自己之前使
语音识别实战（python代码）(一）
热门推荐
逆境清醒的博客
04-04 2万+
本文主要从概念上图文论述了语音识别的起源与发展、语音识别的基本原理、语音识别过程、语音识别的近期发展。代码上分析了Python 语音识别所用到的技术，从 (1)、文本转换为语音(2)、文本转存为语音文件wav两个方面实例操作了语音识别的技术实现方式，并提供了完整源代码供参考。
消息队列看这一篇就够了！
BenJamin_Blue的博客
07-31 2659
我们介绍了消息队列的生产者消费者模型，以及异步解耦这2个经典引用场景，最后浅析了一个demo的具体实现。
阿里云智能语音交互（一句话识别）Swift版本
macro_sn的博客
08-17 2775
前言 本文章是对接阿里云的智能语音识别SDK，阿里云官方文档只提供了OC的代码调用示例，所以我整理了下Swift版本，希望能帮助到大家。 一句话识别 一句话识别（https://helpcdn.aliyun.com/document_detail/84622.html?spm=a2c4g.11186623.6.559.wBt2o5）首先也是实时的语音识别，名称定义的来源是识别比...
基于阿里语音识别（ASR）C/C++ SDK2.0编写的unimrcp中间件
qq1779062842的博客
12-21 3949
基于阿里语音识别SDK2.0编写的unimrcp插件 测试如图： freeswitch： unimrcpserver： 源码及使用： github
什么是LLM？看这一篇就够了！
aolan123的博客
06-29 1306
自从2022年12月 ChatGPT 横空面世以来，AI 领域获得了十足的关注和资本，其实AI的概念在早些年也火过一波，本轮 AI 热潮相比于之前的 AI，最大的区别在于：生成式。本文主要介绍大语言模型（Large Language Model，简称LLM）。通过海量文本训练的、能识别人类语言、执行语言类任务、拥有大量参数的模型，称之为大语言模型。
实现智能语音识别服务
weixin_43800535的博客
04-10 4021
实现智能语音识别服务
阿里云AliGenie开发天猫语音功能-入门篇
指剑
09-02 1787
选中 语音技能 中的 自定义技能 填写技能创建信息：技能名称和调用词PS: 在 部署日志 标签页可以看到部署的进度以及部署是否成功。 可以按照意图中的语料来让系统查询天气，例如下图所示。 查看空气质量意图 查看天气意图 切换默认意图，查询空气质量 查询空气质量 登录到阿里云-云开发平台:https://workbench.aliyun.com/application/list#app?tab=1查看创建的云原生应用 ">
Unity3D教程：调用Android语音识别1
08-08
在本篇Unity3D教程中，我们将探讨如何在Unity3D项目中调用Android设备的内置语音识别功能。首先，我们需要了解的是，Android系统已经集成了Google的语音识别服务，因此开发者无需额外安装第三方库即可实现语音识别。...
DeepSpeech2 语音识别.zip
08-23
DeepSpeech2是一款由Baidu Research开发的深度学习语音识别系统，它在语音识别领域取得了显著的突破。本篇文章将详细介绍DeepSpeech2模型的背景、架构以及实现方法，同时探讨其在Python环境下的应用。 一、Deep...
中国AI语音识别市场研究报告.zip
10-16
这篇报告旨在为行业内外的读者提供对中国AI语音识别市场的全面理解，帮助决策者制定战略规划。 首先，报告详细阐述了AI语音识别的基本原理和技术框架。语音识别技术是通过计算机模拟人类听觉系统，将音频信号转化为...
2018最新阿里技术参考图册（开法篇）
04-25
可能会提到阿里云的智能语音交互服务、图像识别服务以及机器学习平台PAI等，这些都是阿里巴巴在人工智能领域的实践和探索，为企业智能化转型提供强有力的技术支持。 除此之外，书中可能还会涉及到阿里巴巴的开源...
藏经阁-基于机器学习的阿里智能助理.pdf
08-27
阿里小蜜平台的技术栈包括语音识别、自然语言理解、对话管理、文本转语音、自然语言生成等技术。 二、智能人机交互构建技术实践 智能人机交互是阿里小蜜平台的核心技术，包括语音识别、自然语言理解、对话管理、...
声音克隆一键本地化部署 GPT-SoVITS
人的一生就是在学习的道路上不断进步
07-24 936
声音克隆一键本地化部署 GPT-SoVITS
共享充电桩语音ic方案，展现它的“说话”的能力
jiuxindianzi的博客
07-22 320
共享充电桩语音IC采用NV170D芯片，具有强抗干扰能力和稳定性，可定制多种应用词条，支持多段语音触发，实现智能交互，是科技与绿色出行结合的产物。
2024钉钉杯A题思路详解
最新发布
全栈川川
07-26 1490
2024钉钉杯思路
随机数种子的作用
帆的博客
07-23 1308
设置随机数种子（random seed）的目的是为了确保随机数生成器在每次运行时产生相同的随机数序列，从而保证实验结果的一致性。随机数种子通过初始化随机数生成器的内部状态，使得在相同的种子值下，随机数生成器每次调用时生成的序列是相同的。
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值