Fork me on GitHub

iOS tutorial 3:Speech Framework的简单使用

在WWDC 2016时,Apple介绍了Speech framework,这是一个很有用的声音识别框架。实际上这是利用Siri进行声音识别。

初始化项目

  • 新建SpeechToTextDemo,模板是Single View Application
  • 添加简单的UI
  • 分别定义UITextViewUIButton的两个outlet,为textViewmicrophoneButton
  • 再为UIButton添加一个action:
    1
    2
    3
    @IBAction func microphoneTapped(_ sender: AnyObject) {

    }

使用Speech Framework

  • import Speech
  • 实现SFSpeechRecognizerDelegate协议

用户授权

获取声音数据是要获得用户的授权的。

  • ViewController类中定义一个变量,作为语音识别器。参数identifier是识别的语种,可参考这个列表,中文是“ zh_Hans_CN”。
    private let speechRecognizer = SFSpeechRecognizer(locale: Locale.init(identifier: "zh_Hans_CN"))
  • viewDidLoad()中:

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19
    20
    21
    22
    23
    24
    25
    26
    27
    28
    29
    override func viewDidLoad() {
    super.viewDidLoad()
    // 1
    microphoneButton.isEnabled = false
    speechRecognizer?.delegate = self

    // 2
    SFSpeechRecognizer.requestAuthorization{
    (authStatus) in
    var isButtionEnabled = false

    switch authStatus {
    case .authorized:
    isButtionEnabled = true
    case .denied:
    isButtionEnabled = false
    print("用户拒绝接受语音识别")
    case .notDetermined:
    isButtionEnabled = false
    print("语音识别功能没有经过认可")
    case .restricted:
    isButtionEnabled = false
    print("当前设备不能语音识别")

    }
    self.microphoneButton.isEnabled = isButtionEnabled
    }
    startRecording()
    }
    • 1 默认按钮设成不可用
    • 2 授权结果回调
  • Apple需要每个app如要用户授权时,都应该定制一个反馈信息(info.plist)。
    info.plist中添加两个key,分别是麦克风和语音识别的授权,Privacy - Microphone Usage DescriptionPrivacy - Speech Recognition Usage Description

处理语音识别

  • ViewController类中添加三个变量

    1
    2
    3
    private var recognitionRequest: SFSpeechAudioBufferRecognitionRequest?  //识别请求
    private var recognitionTask: SFSpeechRecognitionTask? // 提供识别请求的结果
    private let audioEngine = AVAudioEngine() //
    • SFSpeechAudioBufferRecognitionRequest对象处理语音识别的请求,代表语音进入语音识别器。
    • SFSpeechRecognitionTask 识别任务,用于操作识别器的停止和开始
    • AVAudioEngine 语音引擎,提供语音输出
  • 创建新函数startRecording(),这个函数在点击button后调用,也就是microphoneTapped(:)中最后调用

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19
    20
    21
    22
    23
    24
    25
    26
    27
    28
    29
    30
    31
    32
    33
    34
    35
    36
    37
    38
    39
    40
    41
    42
    43
    44
    45
    46
    47
    48
    49
    50
    51
    52
    53
    54
    55
    56
    57
    58
    59
    60
    61
    62
    func startRecording() {
    // 1
    if recognitionTask != nil {
    recognitionTask?.cancel()
    recognitionTask = nil
    }
    // 2
    let audioSession = AVAudioSession.sharedInstance()
    do {
    try audioSession.setCategory(AVAudioSessionCategoryRecord)
    try audioSession.setMode(AVAudioSessionModeMeasurement)
    try audioSession.setActive(true, with: .notifyOthersOnDeactivation)
    } catch {
    print("audioSession的属性设置失败")
    }
    // 3
    recognitionRequest = SFSpeechAudioBufferRecognitionRequest()
    // 4
    guard let inputNode = audioEngine.inputNode else {
    fatalError("Audio engine has no input node")
    }
    // 5
    guard let recognitionRequest = recognitionRequest else {
    fatalError("Unable to create an SFSpeechAudioBufferRecognitionRequest object")
    }
    // 6
    recognitionRequest.shouldReportPartialResults = true
    // 7
    recognitionTask = speechRecognizer?.recognitionTask(with: recognitionRequest, resultHandler: {
    (result, error) in
    var isFinal = false
    if result != nil {
    self.textView.text = result?.bestTranscription.formattedString
    isFinal = (result?.isFinal)!
    }

    if error != nil || isFinal {
    self.audioEngine.stop()
    inputNode.removeTap(onBus: 0)

    self.recognitionRequest = nil
    self.recognitionTask = nil

    self.microphoneButton.isEnabled = true
    }
    })

    let recordingFormat = inputNode.outputFormat(forBus: 0)
    inputNode.installTap(onBus: 0, bufferSize: 1024, format: recordingFormat) { (buffer, when) in
    self.recognitionRequest?.append(buffer)
    }

    audioEngine.prepare()

    do {
    try audioEngine.start()
    } catch {
    print("audioEngine couldn't start beacause of an error.")
    }

    textView.text = "Say something, I'm listening!"
    }
    • 1 开始录音时的初始化
    • 2 AVAudioSession提供语音录音,设置一些参数
    • 3 初始化SFSpeechAudioBufferRecognitionRequest
    • 4 核查audioEngine是否可用
    • 5 核查recognitionRequest
    • 7 检测的音频后的回调方法,也就是开始录音后,有音频进入后都调用

语音识别的开关

  • 实现代理方法speechRecognizer(_:availabilityDidChange:)。这个方法在语音识别器可用性发生变化时被调用。

    1
    2
    3
    4
    5
    6
    7
    func speechRecognizer(_ speechRecognizer: SFSpeechRecognizer, availabilityDidChange available: Bool) {
    if available {
    microphoneButton.isEnabled = true
    } else {
    microphoneButton.isEnabled = false
    }
    }
  • 点击button时的操作:

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    @IBAction func microphoneTapped(_ sender: AnyObject) {
    if audioEngine.isRunning {
    audioEngine.stop()
    recognitionRequest?.endAudio()
    microphoneButton.isEnabled = false
    microphoneButton.setTitle("Start Recording", for: .normal)
    } else {
    startRecording()
    microphoneButton.setTitle("Stop Recording", for: .normal)
    }
    }

总结

语音识别在iPhone的自带键盘中有这个功能,中文识别率很高,如果不高兴或不方便打字,很方便使用。

代码

SpeechToTextDemo

参考: Building a Speech-to-Text App Using Speech Framework in iOS 10

坚持原创技术分享,您的支持将鼓励我继续创作!
  • 本文标题: iOS tutorial 3:Speech Framework的简单使用
  • 本文作者: AndyRon
  • 发布时间: 2017年07月15日 - 00:00
  • 最后更新: 2017年09月09日 - 11:22
  • 本文链接: http://andyron.com/2017/ios-tutorial-3-speechframework.html
  • 版权声明: 本博客所有文章除特别声明外,均采用 CC BY-NC-SA 3.0 许可协议。转载请注明出处!