玩轉百度語音識別，就是這么簡單

　　明后兩天就是公司一年一度的Fedex Day了。我的理解就是技術界的頭腦風暴，idea噴如泉涌的盛大節日。

　　對於這次活動每個人或者兩三個人一組需要有個idea，針對當前的產品現狀，提出自己的改進或者豐富產品的想法，我拿出自己的手機並登了經常去的網站，語音識別這個名詞脫穎而出，擊中我的腦海。相比較以前手指時代的手工輸入，各種在中英文乃至數字之間進行切換，往往還會因為走神或者手抖導致輸入出錯，然后又是一通狂按刪除鍵，一遍一遍的輸入，面對偌大的屏幕，有種使不上勁的感覺。語音輸入就可以告別這一煩惱，如今的語音識別准確率高，使用簡單易操作，更是為解放雙手鋪平了道路。你可以對着siri說幫我查看最近的天氣或者定個鬧鈴，你可以使用訊飛語音輸入法，說到哪就輸入到哪，你可以讓各種品牌的手機自帶的語音助手給你講個笑話……

　　今天閑來想先動動手，了解下這個語音識別技術，有什么好用的api可以調用。因為用的是度娘，所以映入眼簾的就是百度語音，"永久免費智能語音開放平台"的旗號還是深深的把我打動了。

 

　　摸索下來，看了兩種方式，一是基於REST API的方式完成語音識別，另一個是基於移動端Android平台的app語音識別。

 

一 、獲得入場券

1.注冊成為開發者

　　點擊進入http://yuyin.baidu.com/，用你的百度賬號完成登錄，如果在點擊“應用管理”選項卡后發現如下圖所示

　　說明你需要完成注冊驗證，提交完畢后，你就是一名百度開發者用戶了。

 

2.創建應用

　　完成上面操作后，點擊“應用管理”，如果頁面中沒有任何應用列表，說明你還需要添加一個應用，點擊頁面右上角“創建新應用”，填好應用類別並給他個名字，這樣就完成了應用創建。創建成功后就會看到類似下面這樣的效果。

 

 

　　在“查看Key”中，我們可以看到后面我們需要用到的App ID， API Key和Secret Key

 

3.開通服務

　　創建了應用后，我們需要開通語音識別的服務之后才能使用語音識別。點擊應用卡片上的“開通服務”，選擇語音識別即可。

 

 

　　至此，您已經獲得了入場券資格。

 

二、 基於REST API 的語音識別

　　百度語音支持android、ios和REST API三種平台。這里先介紹REST API，相對來說不用搭建android或者ios開發環境。

　　進入http://yuyin.baidu.com/asr/download下載REST API的示例和文檔。

　　示例分別有java、linux c和php版本，還附帶了一個test.pcm的音頻文件。

　　選擇java版本，導入eclipse中，代碼很簡單就一個測試類。

package com.baidu.speech.serviceapi;

import java.io.BufferedReader;
import java.io.DataOutputStream;
import java.io.File;
import java.io.FileInputStream;
import java.io.IOException;
import java.io.InputStream;
import java.io.InputStreamReader;
import java.net.HttpURLConnection;
import java.net.URL;

import javax.xml.bind.DatatypeConverter;

import org.json.JSONObject;

public class Sample {

    private static final String serverURL = "http://vop.baidu.com/server_api";
    private static String token = "";
    private static final String testFileName = "C:\\Users\\Administrator\\workspace\\speechrecognition\\src\\test.pcm";
    //put your own params here
    private static final String apiKey = "***";//這里的apiKey就是前面申請在應用卡片中的apiKey
    private static final String secretKey = "***";//這里的secretKey就是前面申請在應用卡片中的secretKey
    private static final String cuid = "***";//cuid是設備的唯一標示，因為我用的是PC，所以這里用的是網卡Mac地址

    public static void main(String[] args) throws Exception {
        getToken();
        method1();
        method2();
    }

    private static void getToken() throws Exception {
        String getTokenURL = "https://openapi.baidu.com/oauth/2.0/token?grant_type=client_credentials" + 
            "&client_id=" + apiKey + "&client_secret=" + secretKey;
        HttpURLConnection conn = (HttpURLConnection) new URL(getTokenURL).openConnection();
        token = new JSONObject(printResponse(conn)).getString("access_token");
    }

    private static void method1() throws Exception {
        File pcmFile = new File(testFileName);
        HttpURLConnection conn = (HttpURLConnection) new URL(serverURL).openConnection();

        // construct params
        JSONObject params = new JSONObject();
        params.put("format", "pcm");
        params.put("rate", 8000);
        params.put("channel", "1");
        params.put("token", token);
        params.put("cuid", cuid);
        params.put("len", pcmFile.length());
        params.put("speech", DatatypeConverter.printBase64Binary(loadFile(pcmFile)));

        // add request header
        conn.setRequestMethod("POST");
        conn.setRequestProperty("Content-Type", "application/json; charset=utf-8");

        conn.setDoInput(true);
        conn.setDoOutput(true);

        // send request
        DataOutputStream wr = new DataOutputStream(conn.getOutputStream());
        wr.writeBytes(params.toString());
        wr.flush();
        wr.close();

        printResponse(conn);
    }

    private static void method2() throws Exception {
        File pcmFile = new File(testFileName);
        HttpURLConnection conn = (HttpURLConnection) new URL(serverURL
                + "?cuid=" + cuid + "&token=" + token).openConnection();

        // add request header
        conn.setRequestMethod("POST");
        conn.setRequestProperty("Content-Type", "audio/pcm; rate=8000");

        conn.setDoInput(true);
        conn.setDoOutput(true);

        // send request
        DataOutputStream wr = new DataOutputStream(conn.getOutputStream());
        wr.write(loadFile(pcmFile));
        wr.flush();
        wr.close();

        printResponse(conn);
    }

    private static String printResponse(HttpURLConnection conn) throws Exception {
        if (conn.getResponseCode() != 200) {
            // request error
            return "";
        }
        InputStream is = conn.getInputStream();
        BufferedReader rd = new BufferedReader(new InputStreamReader(is));
        String line;
        StringBuffer response = new StringBuffer();
        while ((line = rd.readLine()) != null) {
            response.append(line);
            response.append('\r');
        }
        rd.close();
        System.out.println(new JSONObject(response.toString()).toString(4));
        return response.toString();
    }

    private static byte[] loadFile(File file) throws IOException {
        InputStream is = new FileInputStream(file);

        long length = file.length();
        byte[] bytes = new byte[(int) length];

        int offset = 0;
        int numRead = 0;
        while (offset < bytes.length
                && (numRead = is.read(bytes, offset, bytes.length - offset)) >= 0) {
            offset += numRead;
        }

        if (offset < bytes.length) {
            is.close();
            throw new IOException("Could not completely read file " + file.getName());
        }

        is.close();
        return bytes;
    }
}

　　

　　整個類運行和普通的類運行完全沒兩樣，得到的控制台的信息如下：

{
    "access_token": "***66a6adc3bb14***99.2592000.1462845194.282335-7***",
    "refresh_token": "25.344b6***6a9748d8b25a***360000.1775613194.282335-7***",
    "scope": "public audio_voice_assistant_get wise_adapt lebo_resource_base lightservice_public hetu_basic lightcms_map_poi kaidian_kaidian",
    "session_key": "9mzdC***7BvKTa4HuiEVYXrXOUPY***RSS8h4936rRxxd***V4PMq1Y+6OVKac+18rRxRtsT",
    "session_secret": "*352***e9a7a664ef***775e",
    "expires_in": 2592000
}
{
    "result": ["百度語音提供技術支持，"],
    "err_msg": "success.",
    "sn": "160625465371460253194",
    "corpus_no": "6271739712934435529",
    "err_no": 0
}
{
    "result": ["百度語音提供技術支持，"],
    "err_msg": "success.",
    "sn": "613862746801460253195",
    "corpus_no": "6271739717258680030",
    "err_no": 0
}

　　從結果看出，裝在test.pcm的那段語音內容就是“百度語音提供技術支持”。於是，我也利用windows自帶的錄音機功能，錄制了一段wav格式的語音，一開始報錯3301，查看文檔說是識別錯誤，打開音頻文件，發現沒有錄入任何東西，於是重新錄入進行識別，雖然沒有報錯，但是識別的並非語音內容，估計是噪音太大。

 

三、基於Android平台的語音識別

　　顯然，光是REST API模式還是玩的不過癮，想着在來試試移動端的效果如何，移動平台有android和ios，考慮到自己本子的情況，還是選擇了android，當然，這兩者都不熟悉。

　　網上找了一個可以直接使用的android環境http://blog.sina.com.cn/s/blog_6de000c20101rpva.html#cmt_2623882，下載了一通eclipse、sdk和adt等等，憑着之前搭建過一次android平台的記憶，勉強把環境弄好了。

　　於是還是如REST API中一樣需要下載android的sdk和文檔。SDK目錄包含以下內容：

 

　　各個模塊的功能如下：

 

　　導入demo項目到eclipse中，配置好virtual device，就可以啟動虛擬機（我在實際操作過程中，發現將libbdEASRAndroid.so和libBDVoiceRecognitionClient_MFE_V1.so導入classpath時會報錯，於是我刪除了這兩個包），運行起來的效果如下：

 

 

　　點擊下面工具欄的中間按鈕，進入全部應用，可以找到應用“Speech Recorder”：

 

 

　　點擊進入應用：

 

目前在點擊“Record”，應用會閃退，還沒摸清是什么原因，后面在研究下（有遇到過的歡迎留言指教）~~~

 

總得來說，百度語音還是蠻好上手的，文檔也比較詳細，但是就個人錄制的音頻識別來說，效果還有待提高（可能是音頻文件噪音過大）。

先混個臉熟，了解下支持的平台，api的調用方式，后面兩天趁Fedex Day好好看看這塊。

如果您覺得閱讀本文對您有幫助，請點一下“推薦”按鈕，您的“推薦”將是我最大的寫作動力！如果您想持續關注我的文章，請掃描二維碼，關注JackieZheng的微信公眾號，我會將我的文章推送給您，並和您一起分享我日常閱讀過的優質文章。