语音听写与合成--（讯飞语音识别与合成百度语音识别）

目前比较厉害的国内免费开源的语音识别库主要就是：讯飞和百度，本篇博客也是关于这两家SDK的使用。

讯飞语音开放平台：http://doc.xfyun.cn/msc_android/299547

讯飞平台下载的sdk有doc文件夹，其中有html结尾的API文件，需要的去官网可以下载

本篇博客Demo地址：http://download.csdn.net/download/g_ying_jie/9895905

讯飞语音听写功能：

第一步、集成SDK，配置权限文档已经介绍的很清楚了，Demo也可以下下来直接运行。类似于以下目录结构

第二步、实例化语音听写对象和UI。该dialog资源需要用到assets的资源

    // 语音听写对象private SpeechRecognizer mIat = SpeechRecognizer.createRecognizer(VoiToTxtActivity.this, mInitListener);// 语音听写UIprivate RecognizerDialog mIatDialog = new RecognizerDialog(VoiToTxtActivity.this, mInitListener);

/*** 初始化监听器。*/private InitListener mInitListener = new InitListener() {@Overridepublic void onInit(int code) {Log.d(TAG, "SpeechRecognizer init() code = " + code);if (code != ErrorCode.SUCCESS) {showTip("初始化失败，错误码：" + code);}}};

第三步、设置参数

/*** 参数设置*/public void setParam() {// 清空参数mIat.setParameter(SpeechConstant.PARAMS, null);// 设置听写引擎mIat.setParameter(SpeechConstant.ENGINE_TYPE, SpeechConstant.TYPE_CLOUD);// 设置返回结果格式mIat.setParameter(SpeechConstant.RESULT_TYPE, "json");// 设置语言mIat.setParameter(SpeechConstant.LANGUAGE, "zh_cn");// 设置语言区域mIat.setParameter(SpeechConstant.ACCENT, "mandarin");// 设置语音前端点:静音超时时间，即用户多长时间不说话则当做超时处理mIat.setParameter(SpeechConstant.VAD_BOS, "5000");// 设置语音后端点:后端点静音检测时间，即用户停止说话多长时间内即认为不再输入， 自动停止录音mIat.setParameter(SpeechConstant.VAD_EOS, "1800");// 设置标点符号,设置为"0"返回结果无标点,设置为"1"返回结果有标点mIat.setParameter(SpeechConstant.ASR_PTT, "1");// 设置音频保存路径，保存音频格式支持pcm、wav，设置路径为sd卡请注意WRITE_EXTERNAL_STORAGE权限//mIat.setParameter(SpeechConstant.AUDIO_FORMAT, "wav");//mIat.setParameter(SpeechConstant.ASR_AUDIO_PATH, Environment.getExternalStorageDirectory() + "/msc/iat.wav");}

第四步、开始听写识别

 // 显示听写对话框
    mIatDialog.setListener(mRecognizerDialogListener);
    mIatDialog.show();

 /** * 听写UI监听器   */private RecognizerDialogListener mRecognizerDialogListener = new RecognizerDialogListener() {public void onResult(RecognizerResult results, boolean isLast) {printResult(results);}/*** 识别回调错误.*/public void onError(SpeechError error) {showTip(error.getPlainDescription(true));}};

 //解析返回的识别结果private void printResult(RecognizerResult results) {String text = JsonParser.parseIatResult(results.getResultString());String sn = null;// 读取json结果中的sn字段try {JSONObject resultJson = new JSONObject(results.getResultString());sn = resultJson.optString("sn");} catch (JSONException e) {e.printStackTrace();}mIatResults.put(sn, text);StringBuffer resultBuffer = new StringBuffer();for (String key : mIatResults.keySet()) {resultBuffer.append(mIatResults.get(key));}mResultText.setText(resultBuffer.toString());mResultText.setSelection(mResultText.length());}

注意：这里用HashMap来存储听写结果

 // 用HashMap存储听写结果private HashMap<String, String> mIatResults = new LinkedHashMap<String, String>();

最后、在onDestroy中做好回收工作

 @Overrideprotected void onDestroy() {super.onDestroy();if (null != mIat) {// 退出时释放连接mIat.cancel();mIat.destroy();}}

讯飞针对词组优化提供了上传联系人和词表的方法

①上传联系人并使用mResultText展示给用户

    ContactManager mgr = ContactManager.createManager(VoiToTxtActivity.this, mContactListener);mgr.asyncQueryAllContactsName();/*** 获取联系人监听器。*/private ContactListener mContactListener = new ContactListener() {@Overridepublic void onContactQueryFinish(final String contactInfos, boolean changeFlag) {// 注：实际应用中除第一次上传之外，之后应该通过changeFlag判断是否需要上传，否则会造成不必要的流量.// 每当联系人发生变化，该接口都将会被回调，可通过ContactManager.destroy()销毁对象，解除回调。// if(changeFlag) {// 指定引擎类型runOnUiThread(new Runnable() {public void run() {mResultText.setText(contactInfos);}});mIat.setParameter(SpeechConstant.ENGINE_TYPE, SpeechConstant.TYPE_CLOUD);mIat.setParameter(SpeechConstant.TEXT_ENCODING, "utf-8");ret = mIat.updateLexicon("contact", contactInfos, mLexiconListener);if (ret != ErrorCode.SUCCESS) {showTip("上传联系人失败：" + ret);}}};

②上传用户词组

String contents = FucUtil.readFile(VoiToTxtActivity.this, "userwords","utf-8");
mResultText.setText(contents);
// 指定引擎类型
mIat.setParameter(SpeechConstant.ENGINE_TYPE, SpeechConstant.TYPE_CLOUD);
mIat.setParameter(SpeechConstant.TEXT_ENCODING, "utf-8");
ret = mIat.updateLexicon("userword", contents, mLexiconListener);
if (ret != ErrorCode.SUCCESS)
showTip("上传热词失败,错误码：" + ret);

/*** 上传联系人/词表监听器。*/private LexiconListener mLexiconListener = new LexiconListener() {@Overridepublic void onLexiconUpdated(String lexiconId, SpeechError error) {if (error != null) {showTip(error.toString());} else {showTip("上传成功");}}};

讯飞语音合成：

第一步，实例化语音合成对象和云端发音人列表

// 语音合成对象
private SpeechSynthesizer mTts = SpeechSynthesizer.createSynthesizer(TxtToVoiActivity.this, mTtsInitListener);
// 默认发音人
private String voicer = "xiaoyan";
private String[] mCloudVoicersEntries = getResources().getStringArray(R.array.voicer_cloud_entries);
private String[] mCloudVoicersValue = getResources().getStringArray(R.array.voicer_cloud_values);

/*** 初始化监听。*/
private InitListener mTtsInitListener = new InitListener() {@Overridepublic void onInit(int code) {if (code != ErrorCode.SUCCESS) {showTip("初始化失败,错误码：" + code);} else {// 初始化成功，之后可以调用startSpeaking方法// 注：有的开发者在onCreate方法中创建完合成对象之后马上就调用startSpeaking进行合成，// 正确的做法是将onCreate中的startSpeaking调用移至这里}}
};

res文件夹下的Strings配置如下

<string-array name="voicer_cloud_entries"><item>小燕—女青、中英、普通话</item><item>小宇—男青、中英、普通话</item><item>小研—女青、中英、普通话</item><item>小琪—女青、中英、普通话</item><item>小峰—男青、中英、普通话</item><item>小梅—女青、中英、粤语</item><item>小莉—女青、中英、台湾普通话</item>
</string-array><string-array name="voicer_cloud_values"><item>xiaoyan</item><item>xiaoyu</item><item>vixy</item><item>xiaoqi</item><item>vixf</item><item>vixm</item><item>vixl</item>
</string-array>

第二步，设置识别参数

private int selectedNum = 0;/**
* 发音人选择。
*/
private void showPersonSelectDialog() {new AlertDialog.Builder(this).setTitle("在线合成发音人选项")/**   CharSequence[] 单选框有几项,各是什么名字*   checkedItem 默认的选项*   listener 点击单选框后的回调* */.setSingleChoiceItems(mCloudVoicersEntries, selectedNum, new DialogInterface.OnClickListener() {public void onClick(DialogInterface dialog, int which) {// 点击了哪一项voicer = mCloudVoicersValue[which];selectedNum = which;dialog.dismiss();}}).show();
}

/*** 参数设置*/
private void setParam() {// 清空参数mTts.setParameter(SpeechConstant.PARAMS, null);// 根据合成引擎设置相应参数mTts.setParameter(SpeechConstant.ENGINE_TYPE, SpeechConstant.TYPE_CLOUD);// 设置在线合成发音人mTts.setParameter(SpeechConstant.VOICE_NAME, voicer);//设置合成语速mTts.setParameter(SpeechConstant.SPEED, "50");//设置合成音调mTts.setParameter(SpeechConstant.PITCH, "50");//设置合成音量mTts.setParameter(SpeechConstant.VOLUME, "50");//设置播放器音频流类型 值范围：android.media.AudioManager支持的流类型值mTts.setParameter(SpeechConstant.STREAM_TYPE, "3");// 设置播放合成音频打断音乐播放，默认为truemTts.setParameter(SpeechConstant.KEY_REQUEST_FOCUS, "true");// 设置音频保存路径，保存音频格式支持pcm、wav，设置路径为sd卡请注意WRITE_EXTERNAL_STORAGE权限// 注：AUDIO_FORMAT参数语记需要更新版本才能生效mTts.setParameter(SpeechConstant.AUDIO_FORMAT, "wav");mTts.setParameter(SpeechConstant.TTS_AUDIO_PATH, Environment.getExternalStorageDirectory() + "/msc/tts.wav");
}

第三步，获取待合成的文字内容，开始合成语音

String text = ((EditText) findViewById(R.id.tts_text)).getText().toString();
/*
*   只保存音频不调用播放接口时请注释startSpeaking接口
*   text:要合成的文本
*   listener:回调接口
*   uri:需要保存的音频全路径
*/
//String path = Environment.getExternalStorageDirectory()+"/tts.pcm";
//int code = mTts.synthesizeToUri(text, path, mTtsListener);int code = mTts.startSpeaking(text, mTtsListener);
if (code != ErrorCode.SUCCESS) {showTip("语音合成失败,错误码: " + code);
}

/**
* 合成回调监听。
*/
private SynthesizerListener mTtsListener = new SynthesizerListener() {@Overridepublic void onSpeakBegin() {showTip("开始播放");}@Overridepublic void onSpeakPaused() {showTip("暂停播放");}@Overridepublic void onSpeakResumed() {showTip("继续播放");}@Overridepublic void onBufferProgress(int percent, int beginPos, int endPos, String info) {// 合成进度mPercentForBuffering = percent;showTip(String.format("缓冲进度为%d%%，播放进度为%d%%", mPercentForBuffering, mPercentForPlaying));}@Overridepublic void onSpeakProgress(int percent, int beginPos, int endPos) {// 播放进度mPercentForPlaying = percent;showTip(String.format("缓冲进度为%d%%，播放进度为%d%%", mPercentForBuffering, mPercentForPlaying));}@Overridepublic void onCompleted(SpeechError error) {if (error == null) {showTip("播放完成");} else if (error != null) {showTip(error.getPlainDescription(true));}}@Overridepublic void onEvent(int eventType, int arg1, int arg2, Bundle obj) {// 以下代码用于获取与云端的会话id，当业务出错时将会话id提供给技术支持人员，可用于查询会话日志，定位出错原因// 若使用本地能力，会话id为null//   if (SpeechEvent.EVENT_SESSION_ID == eventType) {//        String sid = obj.getString(SpeechEvent.KEY_EVENT_SESSION_ID);//        Log.d(TAG, "session id =" + sid);// }}
};

其他的比较有用的方法：

// 取消合成
mTts.stopSpeaking();
// 暂停播放
mTts.pauseSpeaking();
// 继续播放
mTts.resumeSpeaking();

好了到此讯飞在线语音就介绍完了，详细的使用可以下载我上传的Demo。这里为什么强调在线呢？因为讯飞的离线语音识别服务需要下载语记APP以及对应的离线数据包，而且离线识别只能适用于安卓平台，因此只是尝试了没有深入研究就不贴出来了。

百度语音篇

百度语音基础视频介绍：https://chuanke.baidu.com/v7867982-208144-1278714.html

百度语音识别API对接视频：https://chuanke.baidu.com/v7867982-209753-1294636.html

百度语音文档中心：http://ai.baidu.com/docs#/ASR-Android-SDK/top

本篇博客Demo：http://download.csdn.net/detail/g_ying_jie/9890613

百度的SDK是离在线融合的（可是没研究出来离线识别，需要开通离线授权，巴拉巴拉。。。。如果有哪位大神弄出来了，希望也能够共享出来）

百度自定义了一个语音识别组件，所以基本一句话就可以实现语音识别的流程

第一步、开始识别

private void start() {Intent recognizerIntent = new Intent(MainActivity.this, BaiduASRDigitalDialog.class);//采样率recognizerIntent.putExtra(Constant.EXTRA_SAMPLE, 16000);//识别语种recognizerIntent.putExtra(Constant.EXTRA_LANGUAGE, "cmn-Hans-CN");//设置语言活动模式   input输入模式search搜索模式recognizerIntent.putExtra(Constant.EXTRA_VAD, "input");/*//说话开始的提示音recognizerIntent.putExtra(Constant.EXTRA_SOUND_START, R.raw.bdspeech_recognition_start);//说话结束的提示音recognizerIntent.putExtra(Constant.EXTRA_SOUND_END, R.raw.bdspeech_speech_end);//识别成功的提示音recognizerIntent.putExtra(Constant.EXTRA_SOUND_SUCCESS, R.raw.bdspeech_recognition_success);//识别出错的提示音recognizerIntent.putExtra(Constant.EXTRA_SOUND_ERROR, R.raw.bdspeech_recognition_error);//识别取消的提示音recognizerIntent.putExtra(Constant.EXTRA_SOUND_CANCEL, R.raw.bdspeech_recognition_cancel);//语义识别recognizerIntent.putExtra(Constant.EXTRA_NLU, "enable");*/startActivityForResult(recognizerIntent, 1);}

第二步、处理识别结果

 @Overrideprotected void onActivityResult(int requestCode, int resultCode, Intent data) {super.onActivityResult(requestCode, resultCode, data);if (resultCode == RESULT_OK) {textView.setText(data.getExtras().getStringArrayList(SpeechRecognizer.RESULTS_RECOGNITION).get(0));}}

注意：BaiduASRDigitalDialog需要与之配套的res资源，而且该资源都是放于drawable文件夹下，不能粗暴的将图片资源复制到mipmap中，使用Android studio的开发者一定要注意（楼主已经入坑）

Demo都上传到了csdn上面，有需要的可以下载运行，不需要积分。有问题或者建议欢迎在评论区留言

语音听写与合成--（讯飞语音识别与合成百度语音识别）相关推荐

真人语音朗读软件_讯飞语音云助力移动“和阅读”，打造个性化听书应用
不知不觉,"语"时代已悄然走进我们的生活.各行业移动应用也乘势插上了语音腾飞的翅膀.移动"和阅读"是中国移动推出的一款花了包月费用后免流量看书的套餐配套软件,集 ...
python实时语音智能聊天＜讯飞语音识别+青云客机器人＞
python基于讯飞语音识别实现语音智能聊天 GitHub项目链接:https://github.com/superzhangjc/python-Voice_chat.git
vue 讯飞在线文字合成语音，文字转成语音
资源链接: 讯飞在线语音合成demo.tts_ws_js_demo.rar-互联网文档类资源-CSDN下载
语音计算机打字教程,讯飞输入法电脑版语音/手写输入使用教程
讯飞语音输入法的语音输入和手写收入功能对不会打字的人来说无疑是非常方便的,即使不会拼音.五笔一样可以快速打字,下面我们就一起来看看讯飞语音输入法的语音输入和手写输入功能究竟怎么用. 一.启用与切换 1 ...
语音计算机打字教程,讯飞语音输入法电脑版使用教程（图文）
好消息,讯飞语音输入电脑版发布了,您不一定会用吧?嘿嘿,现在就让烈火网小编告诉你怎么使用吧,其实也挺简单的哦! 一.启用讯飞语音输入下载附件后,解压文件,双击iFlyVoice.exe,即可启用;讯 ...
php 讯飞语音评测_人工AI语音新高度：讯飞翻译机3.0测评体验
科大讯飞在人工AI语音方面的地位都是毋庸置疑的,牛不牛就不多说了,说得高大上的东西离我们普通用户又太遥远,就说说离我们近的东西-语言,语言是人类交流的桥梁,生活中,工作中都离不开,但是每个地方有方言, ...
html调用讯飞语音文本朗读,(原创)讯飞输入法的妙用:语音翻译+智能OCR + 文本转语音播报...
重点: 语音翻译在第二,第三页: OCR: 也就是图片直接转文本的功能介绍在第三,第四页: 把转出来的文本直接朗读,并且配上背景音乐的介绍在第八页 - 第十二页: 前几年有人问我手机上有没有那种可以读 ...
python调用离线百度语音识别_python调用百度语音识别api
最近在处理语音检索相关的事. 其中用到语音识别,调用的是讯飞与百度的api,前者使用js是实现,后者用python3实现(因为自己使用python) 环境: python3.5 centos 7 流程 ...
Python实现语音识别（基于百度语音识别）
我是一名2016级电子信息工程的学生,这是第一次发博客,因为经常在这里查资料 ,自己也应该贡献一点经验吧,也可以当是记录自己学习的过程吧. 最近在自学python,然后18年9月份正好python加入 ...
python实时语音识别_Python结合百度语音识别实现实时翻译软件的实现
一.所需库安装 pip install PyAudio pip install SpeechRecognition pip install baidu-aip pip install Wave pip ...

语音听写与合成--（讯飞语音识别与合成百度语音识别）

语音听写与合成--（讯飞语音识别与合成百度语音识别）相关推荐

最新文章

热门文章