语音转文字

╰半夏微凉° 2021-09-11 08:40 315阅读 0赞

iOS中实现语音转文字，除了一些第三方，常见的有科大讯飞语音、百度语音。

> 讯飞 - 收费的，稳定性和准确率较高，个性化词库
> 
> 百度语音 - 免费的，个性化词库，语义解析
> 
> 个性化词库 - 如果你说的语句中的词语包含在个性化词库中，那么会优先识别个性化词库的词
> 
> 语义解析 - 就是你设置好问答，然后你问上一句，他会自动答出下一句。

### 一、何通过苹果API来实现语音转文字 ###

特点是：百度语音支持离线并免费。讯飞的也支持离线，识别率很高也很精准，但是是收费的，而且由于讯飞科大的功能太多,包太大）苹果官方也推出了自己的一套识别标准（iOS语音识别Api只支持iOS10SDK以及以后的版本）。

1、添加Speech.framework库，导入头文件\#import<Speech/Speech.h>

2、在info.plist文件里添加键值Privacy - Speech Recognition Usage

![26470452-8df5fe5717d1f8f4.png][]

plist文件添加键值

3、申请用户语音识别权限

![26470452-6ebfb66364f1f977.png][]

申请语音识别权限

4、具体实现代码如下

通过打印的文字发现打印了好多次不完整的字符串,在这个过程中他会循环矫正多次,最后得到结果,我们要用最终的结果:

> // 1. 初始化一个识别器
> 
> SFSpeechRecognizer \*recognizer = \[\[SFSpeechRecognizer alloc\] initWithLocale:\[\[NSLocale alloc\] initWithLocaleIdentifier:@"zh\_CN"\]\];
> 
> // 2. 初始化mp3的url  (我在Bundle中导入了一个本地的MP3文件进行演示)
> 
>  NSURL\*fileUrl = \[\[NSBundlemainBundle\]URLForResource:@"laohu.mp3"withExtension:nil\];
> 
>  // 3. 根据Url创建请求
> 
> SFSpeechURLRecognitionRequest \*request = \[\[SFSpeechURLRecognitionRequest alloc\] initWithURL:fileUrl\];
> 
>  // 4. 发起请求
> 
> \[recognizerrecognition TaskWithRequest: requestresultHandler: ^(SFSpeechRecognitionResult \*\_Nullableresult, NSError \*\_Nullableerror) \{
> 
>                     if(error !=nil) \{
> 
>                         NSLog(@"识别错误:%@",error);
> 
>                         return;
> 
>                     \}
> 
>                     self.contentLabel.text = result.bestTranscription.formattedString;
> 
>                     //打印语音识别的结果字符串
> 
>                     NSLog(@"%@",result.bestTranscription.formattedString);
> 
>                 \}\];

**需要注意的地方就是需请求授权,并配置Info.plist,否则Crash.**

### **二、通过BDs语音实现语音转文字。**    ###

> 支持的语种：普通话、英语、粤语、四川话；
> 
> 格式支持：pcm（不压缩）、wav（不压缩，pcm编码）、amr（压缩格式）。推荐pcm 
> 
> 采样率 ：16000 固定值。 
> 
> 编码：16bit 位深的单声道。

百度语音sdk接入：

注意：必须在真机语音才可以识别成功，在模拟器始终会返回错误。

1、百度语音开放平台注册应用获取对应的API\_KEY, SECRET\_KEY, APP\_ID：

2、导入必备的库，并添加下载的sdk，如下图：

![26470452-2ec233f95a1c51f8.png][]

3、添加头文件

> \#import "BDSEventManager.h"
> 
> \#import "BDSASRDefines.h"
> 
> \#import "BDSASRParameters.h"

4、代码实现

首先配置百度语音识别

> \-(void)configureBDVoice\{
> 
>     //创建相关接口对象
> 
>     self.asrManager = \[BDSEventManager createEventManagerWithName:BDS\_ASR\_NAME\];
> 
>     //设置代理
> 
>     \[self.asrManager setDelegate:self\];
> 
>     //配置参数
> 
>     //1.设置DEBUG\_LOG的级别
> 
>     \[self.asrManager setParameter:@(EVRDebugLogLevelTrace) forKey:BDS\_ASR\_DEBUG\_LOG\_LEVEL\];
> 
>     //2.配置API\_KEY 和 SECRET\_KEY 和 APP\_ID
> 
>     \[self.asrManager setParameter:@\[API\_KEY, SECRET\_KEY\] forKey:BDS\_ASR\_API\_SECRET\_KEYS\];
> 
>     \[self.asrManager setParameter:APP\_ID forKey:BDS\_ASR\_OFFLINE\_APP\_CODE\];
> 
>     //3.配置端点检测
> 
>     NSString\*modelVAD\_filepath = \[\[NSBundlemainBundle\]pathForResource:@"bds\_easr\_basic\_model"ofType:@"dat"\];
> 
> //    NSLog(@"modelVAD\_filepath = %@",modelVAD\_filepath);
> 
>     \[self.asrManager setParameter:modelVAD\_filepath forKey:BDS\_ASR\_MODEL\_VAD\_DAT\_FILE\];
> 
>     \[self.asrManager setParameter:@(YES) forKey:BDS\_ASR\_ENABLE\_MODEL\_VAD\];
> 
>     //4.开启语义理解
> 
>     \[self.asrManager setParameter:@(YES) forKey:BDS\_ASR\_ENABLE\_NLU\];
> 
>     \[self.asrManager setParameter:@"15361" forKey:BDS\_ASR\_PRODUCT\_ID\];
> 
> \}

语音识别完成后的回调如下，可在回调中获取识别的文字或者识别失败的原因：

> \-(void)VoiceRecognitionClientWorkStatus:(int)workStatus obj:(id)aObj\{
> 
>     switch(workStatus) \{
> 
>         case EVoiceRecognitionClientWorkStatusNewRecordData:
> 
>         \{
> 
>             NSLog(@"EVoiceRecognitionClientWorkStatusNewRecordData");
> 
>             break;
> 
>         \}
> 
>         case EVoiceRecognitionClientWorkStatusStartWorkIng:
> 
>        \{
> 
>             NSLog(@"EVoiceRecognitionClientWorkStatusStartWorkIng");
> 
>             break;
> 
>         \}
> 
>         case EVoiceRecognitionClientWorkStatusStart:
> 
>        \{
> 
>             NSLog(@"EVoiceRecognitionClientWorkStatusStart");
> 
>             break;
> 
>         \}
> 
>         case EVoiceRecognitionClientWorkStatusEnd:
> 
>        \{
> 
>             NSLog(@"EVoiceRecognitionClientWorkStatusEnd");
> 
>             break;
> 
>         \}
> 
>         case EVoiceRecognitionClientWorkStatusFlushData:
> 
>        \{
> 
>             NSLog(@"EVoiceRecognitionClientWorkStatusFlushData");
> 
>             break;
> 
>         \}
> 
>         case EVoiceRecognitionClientWorkStatusFinish:
> 
>        \{
> 
>             NSLog(@"EVoiceRecognitionClientWorkStatusFinish");
> 
>             NSLog(@"aObj = %@",aObj);
> 
>             break;
> 
>         \}
> 
>         case EVoiceRecognitionClientWorkStatusMeterLevel:
> 
>        \{
> 
>             NSLog(@"EVoiceRecognitionClientWorkStatusMeterLevel");
> 
>             break;
> 
>         \}
> 
>         case EVoiceRecognitionClientWorkStatusCancel:
> 
>        \{
> 
>             NSLog(@"EVoiceRecognitionClientWorkStatusCancel");
> 
>             break;
> 
>         \}
> 
>         case EVoiceRecognitionClientWorkStatusError: \{
> 
>             NSLog(@"EVoiceRecognitionClientWorkStatusError");
> 
>             break;
> 
>         \}
> 
>         case EVoiceRecognitionClientWorkStatusLoaded:
> 
>        \{
> 
>             NSLog(@"EVoiceRecognitionClientWorkStatusLoaded");
> 
>             break;
> 
>         \}
> 
>         case EVoiceRecognitionClientWorkStatusUnLoaded:
> 
>        \{
> 
>             NSLog(@"EVoiceRecognitionClientWorkStatusUnLoaded");
> 
>             break;
> 
>         \}
> 
>         case EVoiceRecognitionClientWorkStatusChunkThirdData:
> 
>        \{
> 
>             NSLog(@"EVoiceRecognitionClientWorkStatusChunkThirdData");
> 
>             break;
> 
>         \}
> 
>         case EVoiceRecognitionClientWorkStatusChunkNlu:
> 
>        \{
> 
>             NSLog(@"EVoiceRecognitionClientWorkStatusChunkNlu");
> 
>             break;
> 
>         \}
> 
>         case EVoiceRecognitionClientWorkStatusChunkEnd:
> 
>        \{
> 
>             NSLog(@"EVoiceRecognitionClientWorkStatusChunkEnd");
> 
>             break;
> 
>         \}
> 
>         case EVoiceRecognitionClientWorkStatusFeedback:
> 
>         \{
> 
>             NSLog(@"EVoiceRecognitionClientWorkStatusFeedback");
> 
>             break;
> 
>         \}
> 
>         case EVoiceRecognitionClientWorkStatusRecorderEnd:
> 
>         \{
> 
>             NSLog(@"EVoiceRecognitionClientWorkStatusRecorderEnd");
> 
>             break;
> 
>         \}
> 
>         case EVoiceRecognitionClientWorkStatusLongSpeechEnd:
> 
>         \{
> 
>             NSLog(@"EVoiceRecognitionClientWorkStatusLongSpeechEnd");
> 
>             break;
> 
>         \}
> 
>         default:
> 
>             break;
> 
>     \}
> 
> \}

[26470452-8df5fe5717d1f8f4.png]: /images/20210825/70e2688741f047a98e21ce8447f634cf.png
[26470452-6ebfb66364f1f977.png]: /images/20210825/a0ab322cfa02413ab70cda4b8d4f4d7d.png
[26470452-2ec233f95a1c51f8.png]: /images/20210825/5b26efe4f7de4384bf73528787e794f4.png