Android(安卓)PocketSphinx离线语音识别集成总结

关于Android的离线语音识别的技术，遍观若干厂家唯有科大讯飞和百度有离线的语音识别功能，但是科大讯飞是收费的，百度的离线语音识别就是关键词唤醒，但是只接受3个自定义的唤醒词，而且必须经过评定3分以上唤醒词才可以成功提交，内容限制和数量限制都是很大的局限，可用性很低，大公司的开源技术全部Pass掉了。这个pocketSphinx经过实践准确率还是很不错的，根本上讲实际操作还是关键词唤醒识别，但是能利用pocketSphinx其自定义的语音模型和声音模型的特性，随心所欲的定制想识别的关键词。

关于PocketSphinx的学习主要是根据这篇文章来的，集成方面很详细很具体：https://www.jianshu.com/p/4310ae932fdd，照着这个来就可以了，其实对于实际开发来说，中文唤醒词仅仅只需要替换language Model(.lm文件)语言模型，和字典模型(.dic文件) 这两个文件就行了，将想要监听的唤醒词txt根据上面贴出的教程链接，上传到网站并下载压缩包，就得到了这两个文件，但是要注意的是，.dic文件并不是想当然的拼音而已，比如设置这个词，其实是：设置 sh e zh ib，如果碰到这个词了不按照官方的字典文档，pocketsphinx-0.7\model\lm\zh_CN/mandarin_notone.dic去找实际的拼音的话（压缩包解压完的文件夹名是pocketsphinx-0.7），很可能是不能看到正确是识别效果的。

最重要的一点：dic文件中文字和拼音之间相隔2个空格，字母之间间隔是一个空格，间距不对很可能也不能如预期所愿。

自己做了个Demo，里面有4个自定义的唤醒词：“下一个界面”，“下一个页面”，“设置界面”，“设置页面”，画了2个Layout：红色的下一个界面和白色的设置界面, 当说前两个唤醒词，识别之后跳转到红色的界面，当说后两个唤醒词，识别之后跳转到白色的界面，效果如下：

实际操作其实便是中规中矩的集成，集成进PocketSphinx后换成自己的字典模型和语言模型，仅仅替换dic和lm两个文件，然后在按钮的长按监听中打开语音识别引擎，在识别后的回调中关闭引擎并根据内容跳转

public AudioRecordButton(final Context context, AttributeSet attrs) {super(context, attrs);dialogManager = new AudioRecordDialog(getContext());setOnLongClickListener(new OnLongClickListener() {@Overridepublic boolean onLongClick(View v) {    //开启语音识别引擎                PocketSphinxUtil.get(context).start();isReady = true;dialogManager.showDialog();isSpeaking = true;return false;}});}

   @Override    public void onPartialResults(String b) {        //一次识别之后，停止语音引擎，下次长按再开启        PocketSphinxUtil.get(context).stop();        if(b.contains("下一个界面")||b.contains("下一个页面"))        {            Intent intent = new Intent(context,NextActivity.class);            startActivity(intent);        }else if(b.contains("设置界面")||b.contains("设置页面"))        {            Intent intent = new Intent(context,SettingActivity.class);            startActivity(intent);        }    }

Demo已上传：https://download.csdn.net/download/crystal_xing/10843721

更多相关文章

随机推荐