我之前在学习的时候做过一个贪吃蛇小游戏，本来打算想把这个游戏弄成语音控制的，在我工作了以后一直也没有时间，就在几天前，应一位小学弟的要求，今天就用这个小游戏来举例，让你学会linux语音识别。
在bin文件夹下注意到一个asr_keywords_utf8.txt的文件，这个SDK的你需要知道思路：你把你想识别的文字写到asr_keywords_utf8.txt中，接下来上传到服务器上，然后返回一个GrammarID，据说上传一次“终身有效”，意思就是不让重复上传占用服务器空间，反正有了这个GrammarID以后在不同的程序中想识别相同的文字就直接用好了，比如我想识别“左，右，上，下，图书馆，独自”，把这些汉字写到asr_keywords_utf8.txt中，而且必须是utf-8的格式，当然在linux下默认如此。下面展示一下我写的上传这个txt并获得GrammarID的代码：
#include
#include
#include
#include
#include
#define TRUE 1
#define FALSE 0
int main()
{
int ret = QISRInit("appid=xxxxxxx");
if(ret != MSP_SUCCESS)
{
printf("QISRInit with errorCode: %d n", ret);
return 0;
}
char GrammarID[128];
memset(GrammarID, 0, sizeof(GrammarID));
const int MAX_KEYWORD_LEN = 4096;
ret = MSP_SUCCESS;
const char * sessionID = NULL;
sessionID = QISRSessionBegin(NULL, "ssm=1,sub=asr", &ret);
if(ret != MSP_SUCCESS)
{
printf("QISRSessionBegin with errorCode: %d n", ret);
return ret;
}
char UserData[MAX_KEYWORD_LEN];
memset(UserData, 0, MAX_KEYWORD_LEN);
FILE* fp = fopen("asr_keywords_utf8.txt", "rb");
if (fp == NULL)
{
printf("keyword file cannot openn");
return -1;
}
unsigned int len = (unsigned int)fread(UserData, 1, MAX_KEYWORD_LEN, fp);
UserData[len] = 0;
fclose(fp);
const char* testID = QISRUploadData(sessionID, "contact", UserData, len, "dtt=keylist", &ret);
if(ret != MSP_SUCCESS)
{
printf("QISRUploadData with errorCode: %d n", ret);
return ret;
}
memcpy((void*)GrammarID, testID, strlen(testID));
printf("GrammarID: "%s" n", GrammarID);
QISRSessionEnd(sessionID, "normal");
return 0;
}
记住要达到这个效果以后，把这些记下来就好了，接下来的一个步骤要好好挺，就是录制了，在这里有一个点需要注意一下，就是不能直接用ubuntu自带的录音机，那样会识别不了，自带的录音软件都是默认32位采样，只能用ffmpeg或自己写代码录制，ffmpeg命令如下：
ffmpeg -f alsa -i hw:0 -ar 16000 -ac 1 lib.wav
我录制了2秒音频，就会有识别代码：
#include
#include
#include
#include
#include
#define TRUE 1
#define FALSE 0
int run_asr(const char* asrfile);
const int BUFFER_NUM = 4096;
const int MAX_KEYWORD_LEN = 4096;
int main(int argc, char* argv[])
{
int ret = MSP_SUCCESS;
const char* asrfile ="lib.wav";
ret = QISRInit("appid=xxxxxx");
if(ret != MSP_SUCCESS)
{
printf("QISRInit with errorCode: %d n", ret);
return 0;
}
ret = run_asr(asrfile);
QISRFini();
char key = getchar();
return 0;
}
int run_asr(const char* asrfile)
{
int ret = MSP_SUCCESS;
int i = 0;
FILE* fp = NULL;
char buff[BUFFER_NUM];
unsigned int len;
int status = MSP_AUDIO_SAMPLE_CONTINUE, ep_status = -1, rec_status = -1, rslt_status = -1;
//const char* GrammarID="e7eb1a443ee143d5e7ac52cb794810fe";
const char *GrammarID="c66d4eecd37d4fe1c8274a2224b832d5";
const char* param = "rst=json,sub=asr,ssm=1,aue=speex,auf=audio/L16;rate=16000";//注意sub=asr
const char* sess_id = QISRSessionBegin(GrammarID, param, &ret);
if ( MSP_SUCCESS != ret )
{
printf("QISRSessionBegin err %dn", ret);
return ret;
}
fp = fopen( asrfile , "rb");
if ( NULL == fp )
{
printf("failed to open file,please check the file.n");
QISRSessionEnd(sess_id, "normal");
return -1;
}
printf("writing audio...n");
//
int count=0;
//
while ( !feof(fp) )
{
len = (unsigned int)fread(buff, 1, BUFFER_NUM, fp);
feof(fp) ? status = MSP_AUDIO_SAMPLE_LAST : status = MSP_AUDIO_SAMPLE_CONTINUE;
if(status==MSP_AUDIO_SAMPLE_LAST)
printf("MSP_AUDIO_SAMPLE_LASTn");
if(status==MSP_AUDIO_SAMPLE_CONTINUE)
printf("MSP_AUDIO_SAMPLE_CONTINUEn");
//
ret = QISRAudioWrite(sess_id, buff, len, status, &ep_status, &rec_status);
if ( ret != MSP_SUCCESS )
{
printf("nQISRAudioWrite err %dn", ret);
break;
}
//
printf("%dn",count++);
//
if ( rec_status == MSP_REC_STATUS_SUCCESS )
{
const char* result = QISRGetResult(sess_id, &rslt_status, 0, &ret);
if (ret != MSP_SUCCESS )
{
printf("error code: %dn", ret);
break;
}
else if( rslt_status == MSP_REC_STATUS_NO_MATCH )
printf("get result nomatchn");
else
{
if ( result != NULL )
printf("get result[%d/%d]:len:%dn %sn", ret, rslt_status,strlen(result), result);
}
}
printf(".");
}
printf("n");
if (ret == MSP_SUCCESS)
{
printf("get reuslt~~~~~~~n");
char asr_result[1024] = "";
unsigned int pos_of_result = 0;
int loop_count = 0;
do
{
const char* result = QISRGetResult(sess_id, &rslt_status, 0, &ret);
if ( ret != 0 )
{
printf("QISRGetResult err %dn", ret);
break;
}
if( rslt_status == MSP_REC_STATUS_NO_MATCH )
{
printf("get result nomatchn");
}
else if ( result != NULL )
{
//
FILE*f=fopen("data.txt","wb");
printf("~~~%dn",strlen(result));
fwrite(result,1,strlen(result),f);
fclose(f);
//
printf("[%d]:get result[%d/%d]: %sn", (loop_count), ret, rslt_status, result);
strcpy(asr_result+pos_of_result,result);
pos_of_result += (unsigned int)strlen(result);
}
else
{
printf("[%d]:get result[%d/%d]n",(loop_count), ret, rslt_status);
}
usleep(500000);
} while (rslt_status != MSP_REC_STATUS_COMPLETE && loop_count++ < 30);
if (strcmp(asr_result,"")==0)
{
printf("no resultn");
}
}
QISRSessionEnd(sess_id, NULL);
printf("QISRSessionEnd.n");
fclose(fp);
return 0;
}
识别后，你就会看到输出结果如下：
kl@kl-Latitude:~/xunfeiSDK$ ./a.out writing audio... MSP_AUDIO_SAMPLE_CONTINUE 0 .MSP_AUDIO_SAMPLE_CONTINUE 1 .MSP_AUDIO_SAMPLE_CONTINUE 2 .MSP_AUDIO_SAMPLE_CONTINUE 3 .MSP_AUDIO_SAMPLE_CONTINUE 4 .MSP_AUDIO_SAMPLE_CONTINUE 5 .MSP_AUDIO_SAMPLE_CONTINUE 6 .MSP_AUDIO_SAMPLE_CONTINUE 7 .MSP_AUDIO_SAMPLE_CONTINUE 8 .MSP_AUDIO_SAMPLE_CONTINUE 9 .MSP_AUDIO_SAMPLE_CONTINUE 10 .MSP_AUDIO_SAMPLE_CONTINUE
11 .MSP_AUDIO_SAMPLE_CONTINUE 12 .MSP_AUDIO_SAMPLE_CONTINUE 13 .MSP_AUDIO_SAMPLE_CONTINUE 14 .MSP_AUDIO_SAMPLE_CONTINUE 15 .MSP_AUDIO_SAMPLE_CONTINUE 16 .MSP_AUDIO_SAMPLE_CONTINUE 17
.MSP_AUDIO_SAMPLE_CONTINUE
18
.MSP_AUDIO_SAMPLE_CONTINUE
19
.MSP_AUDIO_SAMPLE_CONTINUE
20
.MSP_AUDIO_SAMPLE_CONTINUE
21
.MSP_AUDIO_SAMPLE_CONTINUE
22
.MSP_AUDIO_SAMPLE_LAST
23
.
get reuslt~~~~~~~
[0]:get result[0/2]
~~~123
[1]:get result[0/5]: {"sn":1,"ls":true,"bg":0,"ed":0,"ws":[{"bg":0,"cw":[{"sc":"85","gm":"0","w":"图书馆","mn":[{"contact":"图书馆"}]}]}]}
QISRSessionEnd.
还有一个注意的点这个输出格式是个坑，因为官方的例子默认是直接输出识别的结果，但是结果是GB2312格式的，在linux终端下是乱码，在这里你要注意：在QISRSessionBegin()函数初始化的时候第二个参数param中的rst改成json，就是按照json格式把所有结果全输出来后，是utf8格式的汉字，之后再用json模块来解就妥妥的了~整体代码很清晰。
1.先要调用QISRInit()函数，参数是自己的appid，每个SDK都是注册才能下载的，所以是的，用来区分用户的，不同级别的用户每天可以使用SDK的次数有限制，毕竟人用的多了语音识别的性能肯定会下降;
2.之后就是把GrammarID，输入输出的参数param和调用状态返回值ret作为参数传入QISRSessionBegin()函数中进行初始化，返回值是sessionID，这个是后面所有函数的主要参数之一;
3.打开自己的音频文件，调用QISRAudioWrite()函数写入，可以分段也可以一次，个参数是sessionID，上面初始化函数返回的值，第二个参数是音频数据头指针，第三个参数是音频文件大小，第四个参数是音频发送的状态，表示发送完了没有，剩下两个是服务器端检测语音状态和识别状态的返回值;
4.调用QISRGetResult()函数获取识别的结果，个参数还是sessionID，第二个参数是输出识别的状态，第三个参数是与服务器交互的间隔时间，官方建议5000，我取为0，第四个参数是调用状态返回值ret，这个函数的返回值就是上面结果的json数据了;
linux语音识别程序你是不是已经掌握了呢，你可以多看几遍，先做一个简单的，接下来有简到难，明白了其中的道理，那么你就是linux语音识别程序的大神了。