HarmonyOS之AI能力·语音识别技术

一、基本概念

• 语音识别功能提供面向移动终端的语音识别能力。它基于华为智慧引擎（HUAWEI HiAI Engine）中的语音识别引擎，向开发者提供人工智能应用层 API。该技术可以将语音文件、实时语音数据流转换为汉字序列，准确率达到 90% 以上（本地识别 95%）。
• 语音识别技术，也称为自动语音识别（Automatic Speech Recognition, ASR），可以基于机器识别和理解，将语音信号转变为文本或命令。
• 语音识别支持的输入文件格式有 wav 或 pcm。
• 语音识别当前仅支持对普通话的识别。
• 语音识别输入时长不能超过 20s。
• 语音识别采样要求：采样率 16000Hz，单声道。
• 语音识别引擎的使用必须初始化和释放处理，且调用必须在 UI 的主线程中进行。
• 多线程调用：HUAWEI HiAI Engine 不支持同一应用使用多线程调用同一接口，这样会使某一线程调用 release 方法后，卸载模型，导致正在运行的另一些线程出错。故多线程执行同一功能达不到并行的效果。但是引擎支持使用多线程调用不同接口，如开启两个线程同时使用文档矫正和 ASR 接口。

二、应用场景

• 支持开发具有语音识别需求的第三方应用，如语音输入法、语音搜索、实时字幕、游戏娱乐、社交聊天、人机交互（如驾驶模式）等场景。
• 语音输入法：将需要输入的文字，直接用语音的方式输入。即用户说话的时候语音识别引擎返回识别的汉字序列，让输入更加便捷，解放双手。
• 语音搜索：搜索内容直接以语音的方式输入，可以用于客服系统的关键词搜索，同时转录成文本，让搜索更加高效。
• 实时字幕：将直播、视频、现场演讲等音频进行实时的字幕转换、降低理解成本，提升用户体验。
• 驾驶模式：在开车过程中，手握方向盘，无法分神去操作手机来选择音乐、拨打电话。使用语音识别，只要向手机说出命令，例如：听音乐的时候说上一首/下一首进行切歌或调节音量等，即可被手机识别并执行相应操作。

三、API 说明

① 主要接口

• AsrListener 接口说明：

② 接口返回值说明

• AsrListener 中的 onResults(PacMap results) 方法返回结果，结果封装在 json 格式中，需要解析得到。结果说明：

• 示例结果（Json）：

	{
	    "engine_type":"local_engine",
	    "result":[{"confidence":0,"ori_word":"你 好 ","pinyin":"NI3 HAO3 ","word":"你好。"}],
	    "result_type":"lvcsr",
	    "scenario_type":5
	}

  

 

  
1
  
2
  
3
  
4
  
5
  
6
 

③ 语音识别结果码说明

• AsrError 说明：

四、开发流程

① 在使用语音识别API时，将实现ASR的相关的类添加至工程

	// 提供ASR引擎执行时所需要传入的参数类
	import ohos.ai.asr.AsrIntent;
	// 错误码的定义类
	import ohos.ai.asr.util.AsrError;
	// 加载语音识别Listener
	import ohos.ai.asr.AsrListener;
	// 提供调用ASR引擎服务接口的类
	import ohos.ai.asr.AsrClient;
	// ASR回调结果中的关键字封装类
	import ohos.ai.asr.util.AsrResultKey;

  

 

  
1
  
2
  
3
  
4
  
5
  
6
  
7
  
8
  
9
  
10
 

② 调用 API 接口

• 创建一个 AsrClient 对象：context 为应用上下文信息，应为 ohos.aafwk.ability.Ability 或 ohos.aafwk.ability.AbilitySlice 的实例或子类实例：

	AsrClient asrClient = AsrClient.createAsrClient(context).orElse(null);

  

 

  
1
 

• 设置引擎参数：如果希望识别文件，音频文件需满足约束与限制，并设置音频类型为“ASR_SRC_TYPE_FILE”；如果希望识别音频流，则设置音频类型为“ASR_SRC_TYPE_PCM”：

	AsrIntent initIntent = new AsrIntent();
	initIntent.setAudioSourceType(AsrIntent.AsrAudioSrcType.ASR_SRC_TYPE_PCM);

  

 

  
1
  
2
 

• 初始化ASR服务：其中，mMyAsrListener 为实现了 AsrListener 接口的实例对象：

	asrClient.init(initIntent, mMyAsrListener);

  

 

  
1
 

• 开始识别：用户可以不设置参数，使用默认参数：

	AsrIntent asrIntent = new AsrIntent();
	// 设置后置的端点检测（VAD）时间
	asrIntent.setVadEndWaitMs(2000);
	// 设置前置的端点检测（VAD）时间
	asrIntent.setVadFrontWaitMs(4800);
	// 设置语音识别的超时时间
	asrIntent.setTimeoutThresholdMs(20000);
	asrClient.startListening(asrIntent);
	// buffer需要替换为真实的音频数据
	byte[] buffer = new byte[]{0, 1, 0, 10, 1};
	// 对于长度大于1280的音频，需要多次调用writePcm分段传输
	asrClient.writePcm(buffer, 1280);

  

 

  
1
  
2
  
3
  
4
  
5
  
6
  
7
  
8
  
9
  
10
  
11
  
12
 

• 需要注意的是，startListening 或 writePcm 方法建议放在 mMyAsrListener 中 onInit() 方法内调用，保证初始化引擎成功之后再调用识别接口。如果希望识别音频文件，则不需要调用 writePcm 接口：

	AsrIntent asrIntent = new AsrIntent();
	// 将FilePath修改为正确的地址，且文件路径需要给com.huawei.hiai进程授予可访问权限。
	asrIntent.setFilePath("FilePath");
	asrClient.startListening(asrIntent);

  

 

  
1
  
2
  
3
  
4
 

• 取消或停止识别：

	asrClient.stopListening(); // 停止识别
	asrClient.cancel(); // 取消识别

  

 

  
1
  
2
 

• 释放引擎：

	asrClient.destroy();

  

 

  
1
 

文章来源: blog.csdn.net，作者：Serendipity·y，版权归原作者所有，如需转载，请联系作者。

原文链接：blog.csdn.net/Forever_wj/article/details/118341210