用Kotlin开发android平台语音识别，语义理解应用（olamisdk）

本文使用Kotlin开发Android平台的一个语音识别方面的应用，用的是欧拉密开放平台olamisdk。

1.Kotlin简介

Kotlin是由JetBrains创建的基于JVM的编程语言，IntelliJ正是JetBrains的杰作，而android Studio是
基于IntelliJ修改而来的。Kotlin是一门包含很多函数式编程思想的面向对象编程语言。

　　后来了解到Kotlin原来是以一个岛的名字命名的(Котлин)，它是一门静态类型编程语言，支持JVM平台，Android平台，浏览器JS运行环境，本地机器码等。支持与Java，Android 100% 完全互操作。Kotlin生来就是为了弥补Java缺失的现代语言的特性，并极大的简化了代码，使得开发者可以编写尽量少的样板代码。

2.Kotlin,java,Swift简单比较

1.输出Hello,World!

        JAVA:  System.out.println("Hello,World!"); Kotlin: println("Hello,World!")Swift:  print("Hello,World!")

2.变量和常量

        Java：  int  mVariable =10;mVariable =20;static final int mConstant = 10;Kotlin：var mVariable = 10mVariable = 20val mConstant = 10      Swift：var mVariable = 10mVariable = 20let mConstant = 10            感觉Swift和Kotlin比Java简洁,Kotlin和swift很像。

3.强制类型转换

      Swift ： let label = "Hello world "let width = 80let widthLabel = label + String(width)Kotlin ：val label = "Hello world  "val width = 80val widthLabel = label + width

4数组

     Swift ：var tempList = ["one", "two","three"]tempList[1] = "zero"Kotlin ：val tempList = arrayOf("one", "two","three")tempList[1] = "zero"

5.函数

  Swift ： func greet(_ name: String,_ day: String) -> String { return "Hello \(name),today is \(day)." } greet("Bob", "Tuesday")Kotlin ：    fun greet(name: String, day: String): String { return "Hello $name, today is $day."}greet("Bob", "Tuesday")

6.类声明及用法

 Swift ： 声明：class Shape {var numberOfSides = 0func simpleDescription() -> String {return "A shape with \(numberOfSides) sides."}}用法：var shape = Shape()shape.numberOfSides = 7var shapeDescription = shape.simpleDescription()Kotlin ： 声明：class Shape {var numberOfSides = 0fun simpleDescription() = "A shape with $numberOfSides sides."}用法： var shape = Shape()shape.numberOfSides = 7var shapeDescription = shape.simpleDescription()

可见，Kotlin和Swift好像，现代语言的特征，比java这样的高级语言更加简化，更贴近自然语言。

3.开发环境

本文使用的是android studio2.0版本，启动androd studio。
如下图在configure下拉菜单中选择plugins，在搜索框中搜索Kotlin，找到结果列表中的”Kotlin”插件。

如下图，找了一张还没有安装kotlin插件的图

点击右侧intall，安装后重启studio.

4.新建android项目

你可以像以前使用android stuio一样新建一个andoid项目，建立一个activity。本文用已经完成的一个demo来做示范。

如下图是一个stuio的demo工程

选择MainActivity和MessageConst两个java文件，然后选择导航栏上的code，在下拉菜单中选择convert java file to kotlin file

系统会自动进行转化，转化完后会生成对应的MainActivity.kt MessageConst.kt文件，打开MainActivity.kt，编译器上方会提示”Kotlin not configured”，点击一下Configure按钮，IDE就会自动帮我们配置好了！

将两个kt文件复制到src/kotlin目录下，如下图

转化后的文件，也许有些语法错误，需要按照kotlin的语法修改。

环境配置好后，来看下gradle更新有哪些区别

project的gradle代码如下：

buildscript {ext.kotlin_version = '1.1.3-2'repositories {jcenter()}dependencies {classpath 'com.android.tools.build:gradle:2.0.0'//此处多了kotlin插件依赖classpath "org.jetbrains.kotlin:kotlin-gradle-plugin:$kotlin_version"}
}allprojects {repositories {jcenter()}
}

再来看看某个module的gradle代码：

apply plugin: 'com.android.application'
apply plugin: 'kotlin-android'//此处多了这条插件声明android {compileSdkVersion 14buildToolsVersion "24.0.0"defaultConfig {applicationId "com.olami"minSdkVersion 8targetSdkVersion 14}buildTypes {release {minifyEnabled falseproguardFiles getDefaultProguardFile('proguard-android.txt'), 'proguard-rules.txt'}}sourceSets {main.java.srcDirs += 'src/main/kotlin' //生成的***.kt文件需要copy到对应的目录}
}dependencies {compile 'com.android.support:support-v4:18.0.0'compile files('libs/voicesdk_android.jar')compile "org.jetbrains.kotlin:kotlin-stdlib:$kotlin_version"//此处多了kotlin包的依赖
}
repositories {mavenCentral()
}

如上所示，如果不是通过转化的方式新建kotlin工程，则需要自己按照上面的gradle中增加的部分配置好。

5.olami语音识别应用

先贴一张识别后的效果图：

在MainActivity.kt中

override fun onCreate(savedInstanceState: Bundle?) {super.onCreate(savedInstanceState)setContentView(R.layout.activity_main)initHandler()//初始化handler用于处理消息initView()//初始化view控件，比如点击开始录音的buttoninitViaVoiceRecognizerListener()//初始化语音识别回调，用于返回录音状态和识别结果init()//初始化语音识别对象}

fun init()
{initHandler()//定义olami语音识别对象mOlamiVoiceRecognizer = OlamiVoiceRecognizer(this@MainActivity)val telephonyManager = this.getSystemService(Context.TELEPHONY_SERVICE) as TelephonyManagerval imei = telephonyManager.deviceIdmOlamiVoiceRecognizer!!.init(imei)//set null if you do not want to notify olami server.//设置回调，用于更新录音状态和数据等的界面mOlamiVoiceRecognizer!!.setListener(mOlamiVoiceRecognizerListener)//设置支持的语言类型，默认请设置简体中文mOlamiVoiceRecognizer!!.setLocalization(OlamiVoiceRecognizer.LANGUAGE_SIMPLIFIED_CHINESE)mOlamiVoiceRecognizer!!.setAuthorization("51a4bb56ba954655a4fc834bfdc46af1",   "asr", "68bff251789b426896e70e888f919a6d", "nli")//注册Appkey，在olami官网注册应用后生成的appkey//注册api，请直接填写“asr”，标识语音识别类型//注册secret，在olami官网注册应用后生成的secretmOlamiVoiceRecognizer!!.setVADTailTimeout(2000)//录音时尾音结束时间，建议填//2000msmOlamiVoiceRecognizer!!.setLatitudeAndLongitude(31.155364678184498, 121.34882432933009)//设置经纬度信息，不愿上传位置信息，可以填0 }

代码比较简单，点击开始录音button后，启动录音，在OlamiVoiceRecognizerListener中回调处理，然后通过handler发送消息用于更新界面。

来看一下初始化view的代码，看看跟java方式书写有哪些不同

private fun initView()
{mBtnStart = findViewById(R.id.btn_start) as ButtonmBtnStop = findViewById(R.id.btn_stop) as ButtonmBtnCancel = findViewById(R.id.btn_cancel) as ButtonmBtnSend = findViewById(R.id.btn_send) as ButtonmInputTextView = findViewById(R.id.tv_inputText) as TextViewmEditText = findViewById(R.id.et_content) as EditTextmTextView = findViewById(R.id.tv_result) as TextViewmTextViewVolume = findViewById(R.id.tv_volume) as TextViewmBtnStart!!.setOnClickListener {if (mOlamiVoiceRecognizer != null)mOlamiVoiceRecognizer!!.start()}mBtnStop!!.setOnClickListener {if (mOlamiVoiceRecognizer != null)mOlamiVoiceRecognizer!!.stop()mBtnStart!!.text = "开始"Log.i("led", "MusicActivity mBtnStop onclick 开始")}mBtnCancel!!.setOnClickListener {if (mOlamiVoiceRecognizer != null)mOlamiVoiceRecognizer!!.cancel()}mBtnSend!!.setOnClickListener {if (mOlamiVoiceRecognizer != null)mOlamiVoiceRecognizer!!.sendText(mEditText!!.text.toString())mInputTextView!!.text = "输入: " + mEditText!!.text}}

是不是感觉代码更简练了？
下面两句赋值，效果相同，第二句可以用id之间进行文本赋值，比以前简练好多。

 mInputTextView!!.text = "输入: " + mEditText!!.texttv_inputText.text = "输入: " + et_content.text

再来看看handler：

private fun initHandler() {mHandler = object : Handler() {override fun handleMessage(msg: Message) {when (msg.what) {MessageConst.CLIENT_ACTION_START_RECORED -> mBtnStart!!.text = "录音中"MessageConst.CLIENT_ACTION_STOP_RECORED -> mBtnStart!!.text = "识别中"MessageConst.CLIENT_ACTION_CANCEL_RECORED -> {mBtnStart!!.text = "开始"mTextView!!.text = "已取消"}MessageConst.CLIENT_ACTION_ON_ERROR -> {mTextView!!.text = "错误代码：" + msg.arg1mBtnStart!!.text = "开始"}MessageConst.CLIENT_ACTION_UPDATA_VOLUME -> mTextViewVolume!!.text= "音量: " + msg.arg1MessageConst.SERVER_ACTION_RETURN_RESULT -> {if (msg.obj != null)mTextView!!.text = "服务器返回: " + msg.obj.toString()mBtnStart!!.text = "开始"try {val message = msg.obj as Stringvar input: String? = nullval jsonObject = JSONObject(message)val jArrayNli = jsonObject.optJSONObject("data").optJSONArray("nli")val jObj = jArrayNli.optJSONObject(0)var jArraySemantic: JSONArray? = nullif (message.contains("semantic")) {jArraySemantic = jObj.getJSONArray("semantic")input = jArraySemantic!!.optJSONObject(0).optString("input")} else {input =   jsonObject.optJSONObject("data").optJSONObject("asr").optString("result")}if (input != null)mInputTextView!!.text = "输入: " + input} catch (e: Exception) {e.printStackTrace()}}}}}}

原来的switch case的方式，变成了when***，代码不仅简练，更贴近现代语言，更容易理解。

上面的MessageConst.SERVER_ACTION_RETURN_RESULT时，获取了服务器返回的结果，紧接着对这段语义进行了简单的解析

{"data": {"asr": {"result": "我要听三国演义","speech_status": 0,"final": true,"status": 0},"nli": [{"desc_obj": {"result": "正在努力搜索中，请稍等","status": 0},"semantic": [{"app": "musiccontrol","input": "我要听三国演义","slots": [{"name": "songname","value": "三国演义" }],"modifier": ["play"],"customer": "58df512384ae11f0bb7b487e"}],"type": "musiccontrol"}]},"status": "ok"
}

1）解析出nli中type类型是musiccontrol,这是语法返回app的类型，而这个在线听书的demo只关心musiccontrol这个app类型，其他的忽略。

2）用户说的话转成文字是在asr中的result中获取
3）在nli中的semantic中，input值是用户说的话，同asr中的result。
modifier代表返回的行为动作，此处可以看到是play就是要求播放，slots中的数据表示歌曲名称是三国演义。
那么动作是play，内容是歌曲名称是三国演义，在这个demo中调用
mBookUtil.searchBookAndPlay(songName,0,0);会先查询，查询到结果会再发播放消息要求播放，我要听三国演义这个流程就走完了。

这段是在线听书应用中的语义解析，详情请看博客：http://blog.csdn.net/ls0609/article/details/71519203

6.代码下载

用Koltlin实现android平台语音识别语义理解

7.相关博客

语音在线听书博客：http://blog.csdn.net/ls0609/article/details/71519203

语音记账demo：http://blog.csdn.net/ls0609/article/details/72765789

基于javascript用olamisdk实现web端语音识别语义理解（speex压缩）

http://blog.csdn.net/ls0609/article/details/73920229

olami开放平台语法编写简介：http://blog.csdn.net/ls0609/article/details/71624340

olami开放平台语法官方介绍：https://cn.olami.ai/wiki/?mp=nli&content=nli2.html

转载请注明CSDN博文地址：http://blog.csdn.net/ls0609/article/details/75084994