科大讯飞离线关键词识别（语法识别）（2）

关键词识别和语音听写还是有差别的，语音听写是直接将所说的话转化成语音，至于识别的准确率看所说的话是否是常用的，如果遇到不常见的词比如
背身腿降这个指令，识别出来的就是乱七八糟的。而关键词识别也就是针对这种关键词识别有很好的效果，在于你自己构建一个.bnf文件，然后写上关键词

#BNF+IAT 1.0 UTF-8;
!grammar call;
!slot <contact>;
!slot <callPre>;
!slot <callPhone>;
!slot <callTo>;
!start <callStart>;
<callStart>:[<callPre>];
<callPre>:北盛|背升|结束|背平|北平|备品|腿升|腿伸|腿平|坐立|躺平|停止|左翻身|有翻身|右翻身|开盖|灌溉|关盖|打包|打开电源|关闭电源|调节|打包|烘干|男性清晰|男性清洗|女性清晰|女性清洗;

其实需要修改的就是后面中文。
然后下载官方的关键词识别库，包括libs里面的两个文件和Msc.jar包，然后我重新在main下面和java同级建立一个jniLibs目录，里面放的如下文件
实际上官方下载只有两个，以至于我后来测试一直报10107错误，我就百度讯飞10107错误，解释是

于是查看文章里面

可是这个类是mAsr自带的，这个参数我也没法修改，于是我在科大讯飞工作平台提交了工作单

很感谢日均两问的回复，最后我找到了最原始的也就是里面含有7个库的文件，这下语法直接构建成功了。这是我在做关键词识别的时候遇到的最大的问题
现在发一下代码
工具类构建语法BuildLocalGrammer

public abstract class BuildLocalGrammer {/*** 构建语法的回调** @param errMsg null 构造成功*/public abstract void result(String errMsg, String grammarId);// Log标签private static final String TAG = "BuildLocalGrammar";public static final String GRAMMAR_PATH = Environment.getExternalStorageDirectory().getAbsolutePath() + "/msc/test";// 上下文private Context mContext;// 语音识别对象private SpeechRecognizer mAsr;public BuildLocalGrammer(Context context) {mContext = context;// 初始化识别对象mAsr = SpeechRecognizer.createRecognizer(context, new InitListener() {@Overridepublic void onInit(int code) {Log.d(TAG, "SpeechRecognizer init() code = " + code);if (code != ErrorCode.SUCCESS) {result(code + "", null);Log.d(TAG, "初始化失败,错误码：" + code);Toast.makeText(mContext, "初始化失败,错误码：" + code, Toast.LENGTH_SHORT).show();}}});};/*** 构建语法** @return*/public void buildLocalGrammar() {try {/** TODO 如果你要在程序里维护bnf文件，可以在这里加上你维护的一些逻辑* 如果不嫌麻烦，要一直改bnf文件，这里的代码可以不用动，不过我个人不建议一直手动修改bnf文件* ，内容多了以后很容易出错，不好找Bug，建议每次改之前先备份。 建议用程序维护bnf文件。*//** 构建语法*/String mContent;// 语法、词典临时变量String mLocalGrammar = FucUtil.readFile(mContext, "call.bnf", "utf-8");mContent = new String(mLocalGrammar);mAsr.setParameter(SpeechConstant.PARAMS, null);// 设置文本编码格式mAsr.setParameter(SpeechConstant.TEXT_ENCODING, "utf-8");// 设置引擎类型mAsr.setParameter(SpeechConstant.ENGINE_TYPE, SpeechConstant.TYPE_LOCAL);// 设置语法构建路径mAsr.setParameter(ResourceUtil.GRM_BUILD_PATH, GRAMMAR_PATH);// 使用8k音频的时候请解开注释// mAsr.setParameter(SpeechConstant.SAMPLE_RATE, "8000");// 设置资源路径mAsr.setParameter(ResourceUtil.ASR_RES_PATH, getResourcePath());// 构建语法int ret = mAsr.buildGrammar("bnf", mContent, new GrammarListener() {@Overridepublic void onBuildFinish(String grammarId, SpeechError error) {if (error == null) {Log.d(TAG, "语法构建成功");result(null, grammarId);} else {Log.d(TAG, "语法构建失败,错误码:" + error.getErrorCode());result(error.getErrorCode() + "", grammarId);}}});if (ret != ErrorCode.SUCCESS) {Log.d(TAG, "语法构建失败,错误码:" + ret);result(ret + "", null);}} catch (Exception e) {e.printStackTrace();}}// 获取识别资源路径private String getResourcePath() {StringBuffer tempBuffer = new StringBuffer();// 识别通用资源tempBuffer.append(ResourceUtil.generateResourcePath(mContext, ResourceUtil.RESOURCE_TYPE.assets, "asr/common.jet"));// 识别8k资源-使用8k的时候请解开注释// tempBuffer.append(";");// tempBuffer.append(ResourceUtil.generateResourcePath(this,// RESOURCE_TYPE.assets, "asr/common_8k.jet"));return tempBuffer.toString();}}

识别类KqwSpeechRecognizer

public abstract class KqwSpeechRecognizer {/*** 初始化的回调** @param flag*            true 初始化成功 false 初始化失败*/public abstract void initListener(boolean flag);public abstract void resultData(String data);public abstract void speechLog(String log);// Log标签private static final String TAG = "KqwLocal";private Toast mToast;public static final String GRAMMAR_PATH = Environment.getExternalStorageDirectory().getAbsolutePath() + "/msc/test";// 上下文private Context mContext;// 语音识别对象private SpeechRecognizer mAsr;public KqwSpeechRecognizer(Context context) {mContext = context;// 初始化识别对象mAsr = SpeechRecognizer.createRecognizer(context, new InitListener() {@Overridepublic void onInit(int code) {Log.d(TAG,   code+"");if (code != ErrorCode.SUCCESS) {initListener(false);Toast.makeText(mContext, "初始化失败,错误码：" + code, Toast.LENGTH_SHORT).show();} else {initListener(true);}}});}/*** 参数设置*/public void setParam() {// 清空参数mAsr.setParameter(SpeechConstant.PARAMS, null);// 设置识别引擎 本地引擎mAsr.setParameter(SpeechConstant.ENGINE_TYPE, SpeechConstant.TYPE_LOCAL);// mAsr.setParameter(SpeechConstant.ENGINE_TYPE,// SpeechConstant.TYPE_MIX);// mAsr.setParameter(SpeechConstant.ENGINE_TYPE, "mixed");// // 设置本地识别资源mAsr.setParameter(ResourceUtil.ASR_RES_PATH, getResourcePath());// 设置语法构建路径mAsr.setParameter(ResourceUtil.GRM_BUILD_PATH, GRAMMAR_PATH);// 设置返回结果格式mAsr.setParameter(SpeechConstant.RESULT_TYPE, "json");// 设置本地识别使用语法idmAsr.setParameter(SpeechConstant.LOCAL_GRAMMAR, "call");// 设置识别的门限值mAsr.setParameter(SpeechConstant.MIXED_THRESHOLD, "60");// 使用8k音频的时候请解开注释// mAsr.setParameter(SpeechConstant.SAMPLE_RATE, "8000");mAsr.setParameter(SpeechConstant.DOMAIN, "iat");mAsr.setParameter(SpeechConstant.NLP_VERSION, "2.0");mAsr.setParameter("asr_sch", "1");// mAsr.setParameter(SpeechConstant.RESULT_TYPE, "json");}// 获取识别资源路径private String getResourcePath() {StringBuffer tempBuffer = new StringBuffer();// 识别通用资源tempBuffer.append(ResourceUtil.generateResourcePath(mContext, ResourceUtil.RESOURCE_TYPE.assets, "asr/common.jet"));// 识别8k资源-使用8k的时候请解开注释// tempBuffer.append(";");// tempBuffer.append(ResourceUtil.generateResourcePath(this,// RESOURCE_TYPE.assets, "asr/common_8k.jet"));return tempBuffer.toString();}int ret = 0;// 函数调用返回值/*** 开始识别*/public void startListening() {// 设置参数setParam();ret = mAsr.startListening(mRecognizerListener);if (ret != ErrorCode.SUCCESS) {Log.i(TAG, "识别失败,错误码: " + ret);}}public void stopListening(){mAsr.stopListening();}/*** 识别监听器。*/private RecognizerListener mRecognizerListener = new RecognizerListener() {StringBuffer stringBuffer = new StringBuffer();public void onVolumeChanged(int volume) {Log.i(TAG, "当前正在说话，音量大小：" + volume);speechLog("当前正在说话，音量大小：" + volume);}@Overridepublic void onResult(final RecognizerResult result, boolean isLast) {/** TODO 拼接返回的数据** 这里返回的是Json数据，具体返回的是离线名命令词返回的Json还是语义返回的Json，需要做判断以后在对数据数据进行拼接*/stringBuffer.append(result.getResultString()).append("\n\n");// isLast为true的时候，表示一句话说完，将拼接后的完整的一句话返回if (isLast) {// 数据回调resultData(stringBuffer.toString());}}@Overridepublic void onEndOfSpeech() {showTip("结束说话");speechLog("结束说话");}@Overridepublic void onVolumeChanged(int i, byte[] bytes) {}@Overridepublic void onBeginOfSpeech() {stringBuffer.delete(0, stringBuffer.length());showTip("开始说话");speechLog("开始说话");}@Overridepublic void onError(SpeechError error) {Log.i(TAG, "error = " + error.getErrorCode());if (error.getErrorCode() == 20005) {// 本地命令词没有识别，也没有请求到网络resultData("没有构建的语法");speechLog("没有构建的语法");/** TODO* 当网络正常的情况下是不会回调20005的错误，只有当本地命令词识别不匹配，网络请求也失败的情况下，会返回20005* 这里可以自己再做处理，例如回复“没有听清”等回复*/} else {/** TODO* 其他错误有很多，需要具体问题具体分析，正常在程序没有错误的情况下，只会回调一个没有检测到说话的错误，没记错的话错误码是10118*/}}@Overridepublic void onEvent(int eventType, int arg1, int arg2, Bundle obj) {Log.i(TAG, "eventType = " + eventType);}};private void showTip(final String str) {new Thread (new Runnable() {@Overridepublic void run() {mToast.setText(str);mToast.show();}});}}

然后再mainActivity就可以直接使用了

public class MainActivity extends Activity {private TextView mTvResult;private TextView mTvLog;private BuildLocalGrammar buildLocalGrammar;private KqwSpeechRecognizer kqwSpeechRecognizer;@Overrideprotected void onCreate(Bundle savedInstanceState) {super.onCreate(savedInstanceState);setContentView(R.layout.activity_main);SpeechUtility.createUtility(this, SpeechConstant.APPID+"=5de9a6f7");mTvResult = (TextView) findViewById(R.id.tv_result);mTvLog = (TextView) findViewById(R.id.tv_log);/*** 初始化本地语法构造器*/buildLocalGrammar = new BuildLocalGrammar(this) {@Overridepublic void result(String errMsg, String grammarId) {// errMsg为null 构造成功if (TextUtils.isEmpty(errMsg)) {Toast.makeText(MainActivity.this, "构造成功", Toast.LENGTH_SHORT).show();} else {Toast.makeText(MainActivity.this, "构造失败", Toast.LENGTH_SHORT).show();}}};/*** 初始化离线命令词识别器*/kqwSpeechRecognizer = new KqwSpeechRecognizer(this) {@Overridepublic void speechLog(String log) {// 录音Log信息的回调mTvLog.setText(log);}@Overridepublic void resultData(String data) {// 是识别结果的回调mTvResult.setText(data);}@Overridepublic void initListener(boolean flag) {// 初始化的回调if (flag) {Toast.makeText(MainActivity.this, "初始化成功", Toast.LENGTH_SHORT).show();} else {Toast.makeText(MainActivity.this, "初始化失败", Toast.LENGTH_SHORT).show();}}};/*** 构造本地语法文件，只有语法文件有变化的时候构造成功一次即可，不用每次都构造*/buildLocalGrammar.buildLocalGrammar();}/*** 开始识别按钮** @param view*/public void start(View view) {mTvResult.setText(null);// 开始识别kqwSpeechRecognizer.startListening();}}

项目代码上传到Github上

科大讯飞离线关键词识别（语法识别）（2）相关推荐

科大讯飞离线语音命令词识别的使用说明
最近因为项目的需求,需要在无网络的情况下实现语音识别的功能,因为之前在线识别一直用的科大的,所以经理就和我说,你花半天时间简单熟悉一下,然后出一个Demo,下午有人过来看:因为之前科大在线SR ...
离线语音识别软件_6.语音板使用科大讯飞离线命令词识别
0x00 离线命令词识别简介语音识别技术(Auto Speech Recognize,简称ASR),就是把人的自然语言音频数据转换成文本数据的技术.理论上在线ASR是可以把所有的语音转换成对应的文本 ...
科大讯飞离线命令词识别
一.进入科大讯飞官网,下载自己所需要的SDK----以离线命令词识别为例: 二.分析代码-----主要有以下四大函数 const char *get_audio_file(void); //选择进行离 ...
【C++】QT调用VS封装的dll（以科大讯飞离线命令词识别SDK为例）
QT调用VS封装的dll(以科大讯飞离线命令词识别SDK为例) 1.说明: 跨平台调用dll出现各种坑,谨以此文避坑. 参考博文:https://www.cnblogs.com/seer/p/4789 ...
ROS 科大讯飞语音（三）识别篇
ROS 科大讯飞语音(三)识别篇环境准备安装声卡驱动库 sudo apt-get install libasound2-dev 将demo里面的call.bnf拷贝到/Robot/voice/ca ...
讯飞离线语音命令词识别
讯飞离线语音命令词识别强烈推荐分享一个大神的人工智能教程.零基础!通俗易懂!风趣幽默!希望你也加入到人工智能的队伍中来! 网址:http://www.captainbed.net/yancyang ...
讯飞语音——离线命令词+语义识别
讯飞语音--离线命令词+语义识别意思就是先走离线命令词识别,如果离线命令词识别没有识别到结果,那么就再走语义接口,如果已开通对应场景,则转为语义,如果没有开通对应场景,则将语音转为文字效果图说的 ...
UniAPP离线车牌实时扫描识别
插件说明 Android离线车牌实时扫描识别标签:车牌实时识别车牌离线识别车牌实时扫描车牌离线扫描车牌实时离线识别车牌实时离线扫描特点: 1.使用方便,引入即可: 2.响应快速,原生体验 ...
Umi-OCR，可离线使用的OCR识别工具
一款纯粹的本地化的离线OCR识别,在Github上开源免费,你不需联网,运行软件后即可识别. 主要特性免费:Github上开源免费软件. 方便:绿色版,不需安装,解压即可使用,不需要联网准确:采用 ...

科大讯飞离线关键词识别（语法识别）（2）

科大讯飞离线关键词识别（语法识别）（2）相关推荐

最新文章

热门文章