在一些应用项目开发的过程中，有时需要用到语音检测的功能，即识别敲门声、门铃声、汽车喇叭声等功能，对于中小开发者来说，单独开发构建该能力，不免耗时耗力，而华为机器学习服务中的声音识别服务SDK，只需简单集成，端侧就能实现这个功能。

华为机器学习服务声音识别能力

声音识别服务支持通过在线（实时录音）的模式检测声音事件，基于检测到的声音事件能够帮助开发者进行后续指令动作。目前支持13个种类的声音事件，包括：笑声、婴儿或小孩哭声、打鼾声、喷嚏声、叫喊声、猫叫声、狗叫声、流水声（包括水龙头流水声、溪流声、海浪声）、汽车喇叭声、门铃声、敲门声、火灾报警声（包括火灾报警器警报声、烟雾报警器警报声）、警报声（包括消防车警报声、救护车警报声、警车警报声、防空警报声）。

集成准备

开发环境配置

1、需要在华为开发者联盟上创建应用：

此步骤具体可以详见此链接：https://developer.huawei.com/consumer/cn/doc/development/AppGallery-connect-Guides/agc-get-started#createproject?ha__source=hms1

2、打开机器学习服务：

具体开启步骤可以查看此链接：https://developer.huawei.com/consumer/cn/doc/development/HMSCore-Guides-V5/enable-service-0000001050038078-V5?ha__source=hms1

2、创建完应用之后，会自动生成agconnect-services.json文件，需要手动将agconnect-services.json文件拷贝到应用级根目录下

3、配置HMS Core SDK的Maven仓地址。

关于Maven仓的配置可以查看此链接：https://developer.huawei.com/consumer/cn/doc/development/HMSCore-Guides/config-maven-0000001050040031?ha__source=hms1

4、集成声音识别服务SDK

推荐使用Full SDK方式集成，在build.gradle文件中配置相应的sdk

// 引入声音识别集合包
implementation 'com.huawei.hms:ml-speech-semantics-sounddect-sdk:2.1.0.300'
implementation 'com.huawei.hms:ml-speech-semantics-sounddect-model:2.1.0.300'

根据实际情况声明AGC插件配置，有两种方式

apply plugin: 'com.android.application'
apply plugin: 'com.huawei.agconnect'

或

plugins {id 'com.android.application'id 'com.huawei.agconnect'
}

3. 自动更新机器学习模型

添加如下语句到AndroidManifest.xml文件中，用户从华为应用市场安装您的应用后，将自动更新机器学习模型到设备：

<meta-dataandroid:name="com.huawei.hms.ml.DEPENDENCY"android:value= "sounddect"/>

更详细的步骤可以查看链接：https://developer.huawei.com/consumer/cn/doc/development/HMSCore-Guides/sound-detection-sdk-0000001055602754?ha__source=hms1

应用开发编码阶段

1.取得麦克风权限，如果没有麦克风的权限会报12203的错误

设置静态权限（必须）

<uses-permission android:name="android.permission.RECORD_AUDIO" />

动态权限获取（必须）

ActivityCompat.requestPermissions(this, new String[]{Manifest.permission.RECORD_AUDIO}, 1);

2.创建MLSoundDector对象

private static final String TAG = "MLSoundDectorDemo";//语音识别的对象
private MLSoundDector mlSoundDector;//创建MLSoundDector对象 并 设置回调方法
private void initMLSoundDector(){mlSoundDector = MLSoundDector.createSoundDector();mlSoundDector.setSoundDectListener(listener);
}

3. 声音识别结果回调，用于获取检测结果，并将回调传入声音识别实例。

//创建声音识别结果回调，用于获取检测结果，并将回调传入声音识别实例。
private MLSoundDectListener listener = new MLSoundDectListener() {@Overridepublic void onSoundSuccessResult(Bundle result) {//识别成功的处理逻辑，识别结果为：0-12（对应MLSoundDectConstants.java中定义的以SOUND_EVENT_TYPE开头命名的13种声音类型）。int soundType = result.getInt(MLSoundDector.RESULTS_RECOGNIZED);Log.d(TAG,"声音识别成功："+soundType);}@Overridepublic void onSoundFailResult(int errCode) {//识别失败，可能没有授予麦克风权限（Manifest.permission.RECORD_AUDIO）等异常情况。Log.d(TAG,"声音识别失败："+errCode);}
};

此代码中只是将声音识别结果的int类型打印了出来，实际编码中，可以将int类型的声音识别结果转换为可被用户识别的类型。

声音识别类型的定义：

<string-array name="sound_dect_voice_type"><item>笑声</item><item>婴儿或小孩哭声</item><item>打鼾声</item><item>喷嚏声</item><item>叫喊声</item><item>猫叫声</item><item>狗叫声</item><item>流水声</item><item>汽车喇叭声</item><item>门铃声</item><item>敲门声</item><item>火灾报警声</item><item>警报声</item>
</string-array>

3. 开启和关闭语音识别

@Override
public void onClick(View v) {switch (v.getId()){case R.id.btn_start_detect:if (mlSoundDector != null){boolean isStarted = mlSoundDector.start(this); //context 是上下文//isStared 等于true表示启动识别成功、isStared等于false表示启动识别失败（原因可能是手机麦克风被系统或其它三方应用占用)if (isStarted){Toast.makeText(this,"语音识别开启成功", Toast.LENGTH_SHORT).show();}}break;case R.id.btn_stop_detect:if (mlSoundDector != null){mlSoundDector.stop();}break;}
}

4.当页面关闭的时候，可以调用destroy()方法释放资源

@Override
protected void onDestroy() {super.onDestroy();if (mlSoundDector != null){mlSoundDector.destroy();}
}

运行测试

1. 以敲门声为例，预计声音识别类型的输出结果为10
2. 点击开启语音识别按钮、模拟敲门声，在AS控制台中可以得到如下日志，说明集成成功。

其他

1. 声音识别服务属于华为机器学习服务中的一个很小的模块，华为机器学习服务包括6大模块，分别为：文本类、语音语言类、图像类、人脸人体类、自然语言处理类，自定义模型。
2. 这篇记录文档只是介绍了“语音语言类”这个模块中的“声音识别服务”
3. 如果有读者对华为机器学习服务其他模块感兴趣的话，可以查看华为提供的相关集成文档

>>访问华为机器学习服务官网，了解更多相关内容
>>获取华为机器学习服务开发指导文档
>>华为HMS Core官方论坛
>>华为机器学习服务开源仓库地址：GitHub、Gitee

点击右上角头像右方的关注，第一时间了解华为移动服务最新技术~

如何用机器学习识别猫叫和狗叫声？相关推荐

简单的识别猫狗的模型
从Google下载猫狗训练集与验证集的zip压缩包,提取到项目目录下.这个文件夹里面包含训练(train)和验证(validation)数据集的子目录,而且每个子目录都包含猫和狗的子目录. 可以直接在 ...
用Tensorflow实现AlexNet识别猫狗数据集（猫狗大战）【附代码】
AlexNet识别猫狗数据集一.下载猫狗数据集二.AlexNet实现 1.划分训练集和测试集 2.将训练集和测试集图片放缩为224x224 3.AlexNet实现 4.训练过程 5.模型测试三. ...
基于VGGnet识别猫狗数据集（猫狗大战）【附代码】
文章目录一.下载kaggle猫狗大战数据集二.VGGnet实现 1.划分数据集 2.将训练集和测试集图片放缩为224x224 2.实现VGGnet 3.测试模型三.总结四.致歉一.下载kag ...
猛男把400+条猫咪叫声做成数据集，可识别猫咪的3种不同状态丨开源
萧箫发自凹非寺量子位报道 | 公众号 QbitAI 这年头,就连喵星人也有自己的语音数据集了. 画风是这样的: 没错,来自米兰大学计算机系的几位猛男,和生物系.兽医系的小伙伴们一起,收集了21 ...
CCAI 2017 | 德国DFKI科技总监Hans Uszkoreit：如何用机器学习和知识图谱来实现商业智能化？原2017.07.25AI科技大本营文/CSDN大琦 7 月22 - 2
CCAI 2017 | 德国DFKI科技总监Hans Uszkoreit:如何用机器学习和知识图谱来实现商业智能化? 原2017.07.25AI科技大本营文/CSDN大琦 7 月22 - 23 日, ...
深度学习基础----吴恩达课后编程练习（一）识别猫
目录前言一.数据预处理 1.加载数据 2.数据降维处理 3.标准化处理二.搭建神经网络 1.定义模型结构 2.初始化模型参数 3.循环迭代 3.1 计算当前的损失(正向传播) 3.2 计算当前的 ...
B站吴恩达深度学习视频笔记（1-14）——实战3：识别猫图
前言还记得在前几节课中吴恩达老师讲述如何识别一张图片,以及电脑识别图片的原理吗?这篇笔记中就会用到之前笔记1-14除了机器学习框架以外几乎所有的知识,来完成入门阶段终极实战--识别猫图. 我们即将使 ...
ng深度学习第一节代码总结：深层神经网络识别猫咪图片
之前在网易云课堂上看完了ng深度学习第一节课四周的内容,但是没有代码实践,总觉得学的很虚,于是去了coursera...... 这堂课的编程作业是从2层神经网络开始,过渡到n层的,我这里做了下整理,放 ...
通过机器学习识别“迪士尼在逃公主”，程序员宠女的正确打开方式！
到了庆祝的时候了!我们刚刚送走了圣诞老人.现在正等待新年的钟声敲响.所以我想到建立一个很酷的东西(至少我的七岁小公主会觉得)同时学一点机器学习.所以我们要做一个什么? 我借用的我女儿所有迪士尼公主人偶 ...

如何用机器学习识别猫叫和狗叫声？