300行代码实现语音搜索购物的技术分享移动应用开发机器学习

【300行代码实现语音搜索购物的技术分享】“阿强，手写板怎么又不见了？”
最近，程序员阿强的那位勇于尝试新事物的外婆，又迷上了网购。在不太费劲儿地把购物软件摸得门儿清之后，没想到，本以为顺畅的网购之路，卡在了搜索物品上。
在手写输入环节，要么误操作，无意中更换到不熟悉的输入法；要么误按了界面上抽象的指令字符……于是阿强也经常收到外婆发来的求助。
其实，不止是购物应用，时下智能手机里装载的大部APP，都是倾斜于年轻群体的交互设计，老年人想要体验学会使用，很难真香。
在一次次耐心指导外婆完成操作后，阿强，这个成熟coder给自己提了个需求：提升外婆的网购体验。不是一味让她适应输入法，而是让输入法迎合外婆的使用偏好习惯。
手动输入易出错，那就写个语音转文字的输入方法，只要启动录音按钮，实时语音识别输入，简单又快捷，外婆用了说直说好！
效果演示

实时语音识别和音频转文字有丰富的使用场景
1、游戏应用中的运用：当你在联机游戏场组队开黑时，通过实时语音识别跟队友无阻沟通，不占用双手的同时，也避免了开麦露出声音的尴尬。。
2、办公应用中的运用：职场里，耗时长的会议，手打码字记录即低效，还容易漏掉细节，凭借音频文件转文字功能，转写会议讨论内容，会后对转写的文字进行梳理润色，事半功倍。
3、学习应用中的运用：时下越来越多的音频教学材料，一边观看一边暂停做笔记，很容易打断学习节奏，破坏学习过程的完整性，有了音频文件转写，系统的学习完教材后，再对文字进行复习梳理，学习体验更佳。
实现原理
华为机器学习服务提供实时语音识别和音频文件转写能力。
实时语音识别支持将实时输入的短语音（时长不超过60秒）转换为文本，识别准确率可达95%以上。目前支持中文普通话、英语、中英混说、法语、德语、西班牙语、意大利语、阿拉伯语的识别。

支持实时出字。
提供拾音界面、无拾音界面两种方式。
支持端点检测，可准确定位开始和结束点。
支持静音检测，语音中未说话部分不发送语音包。
支持数字格式的智能转换，例如语音输入“二零二一年”时，能够智能识别为“2021年”。
音频文件转写可将5小时内的音频文件转换成文字，支持输出标点符号，形成断句合理、易于理解的文本信息。同时支持生成带有时间戳的文本信息，便于后续进行更多功能开发。当前版本支持中英文的转写。

文章图片

开发步骤
1、开发前准备
配置华为Maven仓地址并将agconnect-services.json文件放到app目录下：
打开Android Studio项目级“build.gradle”文件。
添加HUAWEI agcp插件以及Maven代码库。
在“allprojects > repositories”中配置HMS Core SDK的Maven仓地址。
在“buildscript > repositories”中配置HMS Core SDK的Maven仓地址。
如果App中添加了“agconnect-services.json”文件则需要在“buildscript > dependencies”中增加agcp配置。

buildscript { repositories { google() jcenter() maven { url 'https://developer.huawei.com/repo/' } } dependencies { classpath 'com.android.tools.build:gradle:3.5.4' classpath 'com.huawei.agconnect:agcp:1.4.1.300' // NOTE: Do not place your application dependencies here; they belong // in the individual module build.gradle files } }allprojects { repositories { google() jcenter() maven { url 'https://developer.huawei.com/repo/' } } }

参见云端鉴权信息使用须知，设置应用的鉴权信息。

添加编译SDK依赖：

dependencies { //音频文件转写能力 SDK implementation 'com.huawei.hms:ml-computer-voice-aft:2.2.0.300' // 实时语音转写 SDK. implementation 'com.huawei.hms:ml-computer-voice-asr:2.2.0.300' // 实时语音转写 plugin. implementation 'com.huawei.hms:ml-computer-voice-asr-plugin:2.2.0.300' ... } apply plugin: 'com.huawei.agconnect'// HUAWEI agconnect Gradle plugin

在app的build中配置签名文件并将签名文件(xxx.jks)放入app目录下：

signingConfigs { release { storeFile file("xxx.jks") keyAlias xxx keyPassword xxxxxx storePassword xxxxxx v1SigningEnabled true v2SigningEnabled true }}buildTypes { release { minifyEnabled false proguardFiles getDefaultProguardFile('proguard-android-optimize.txt'), 'proguard-rules.pro' }debug { signingConfig signingConfigs.release debuggable true } }

在Manifest.xml中添加权限：

2、接入实时语音识别能力 1、进行权限动态申请：

if (ActivityCompat.checkSelfPermission(this, Manifest.permission.RECORD_AUDIO) != PackageManager.PERMISSION_GRANTED) { requestCameraPermission(); }private void requestCameraPermission() { final String[] permissions = new String[]{Manifest.permission.RECORD_AUDIO}; if (!ActivityCompat.shouldShowRequestPermissionRationale(this, Manifest.permission.RECORD_AUDIO)) { ActivityCompat.requestPermissions(this, permissions, Constants.AUDIO_PERMISSION_CODE); return; } }

创建Intent，用于设置实时语音识别参数。

//设置您应用的鉴权信息 MLApplication.getInstance().setApiKey(AGConnectServicesConfig.fromContext(this).getString("client/api_key")); //// 通过intent进行识别设置。 Intent intentPlugin = new Intent(this, MLAsrCaptureActivity.class) // 设置识别语言为英语，若不设置，则默认识别英语。支持设置："zh-CN":中文；"en-US":英语等。 .putExtra(MLAsrCaptureConstants.LANGUAGE, MLAsrConstants.LAN_ZH_CN) // 设置拾音界面是否显示识别结果 .putExtra(MLAsrCaptureConstants.FEATURE, MLAsrCaptureConstants.FEATURE_WORDFLUX); startActivityForResult(intentPlugin, "1");

覆写“onActivityResult”方法，用于处理语音识别服务返回结果。

@Override protected void onActivityResult(int requestCode, int resultCode, @Nullable Intent data) { super.onActivityResult(requestCode, resultCode, data); String text = ""; if (null == data) { addTagItem("Intent data is null.", true); } if (requestCode == "1") { if (data =https://www.it610.com/article/= null) { return; } Bundle bundle = data.getExtras(); if (bundle == null) { return; } switch (resultCode) { case MLAsrCaptureConstants.ASR_SUCCESS: // 获取语音识别得到的文本信息。 if (bundle.containsKey(MLAsrCaptureConstants.ASR_RESULT)) { text = bundle.getString(MLAsrCaptureConstants.ASR_RESULT); } if (text == null ||"".equals(text)) { text = "Result is null."; Log.e(TAG, text); } else { //将语音识别结果设置在搜索框上 searchEdit.setText(text); goSearch(text, true); } break; // 返回值为MLAsrCaptureConstants.ASR_FAILURE表示识别失败。 case MLAsrCaptureConstants.ASR_FAILURE: // 判断是否包含错误码。 if (bundle.containsKey(MLAsrCaptureConstants.ASR_ERROR_CODE)) { text = text + bundle.getInt(MLAsrCaptureConstants.ASR_ERROR_CODE); // 对错误码进行处理。 } // 判断是否包含错误信息。 if (bundle.containsKey(MLAsrCaptureConstants.ASR_ERROR_MESSAGE)) { String errorMsg = bundle.getString(MLAsrCaptureConstants.ASR_ERROR_MESSAGE); // 对错误信息进行处理。 if (errorMsg != null && !"".equals(errorMsg)) { text = "[" + text + "]" + errorMsg; } } //判断是否包含子错误码。 if (bundle.containsKey(MLAsrCaptureConstants.ASR_SUB_ERROR_CODE)) { int subErrorCode = bundle.getInt(MLAsrCaptureConstants.ASR_SUB_ERROR_CODE); // 对子错误码进行处理。 text = "[" + text + "]" + subErrorCode; } Log.e(TAG, text); break; default: break; } } }

3. 接入音频文件转写能力

申请动态权限。

private static final int REQUEST_EXTERNAL_STORAGE = 1; private static final String[] PERMISSIONS_STORAGE = { Manifest.permission.READ_EXTERNAL_STORAGE, Manifest.permission.WRITE_EXTERNAL_STORAGE }; public static void verifyStoragePermissions(Activity activity) { // Check if we have write permission int permission = ActivityCompat.checkSelfPermission(activity, Manifest.permission.WRITE_EXTERNAL_STORAGE); if (permission != PackageManager.PERMISSION_GRANTED) { // We don't have permission so prompt the user ActivityCompat.requestPermissions(activity, PERMISSIONS_STORAGE, REQUEST_EXTERNAL_STORAGE); } }

新建音频文件转写引擎并初始化；新建音频文件转写配置器。

// 设置 ApiKey. MLApplication.getInstance().setApiKey(AGConnectServicesConfig.fromContext(getApplication()).getString("client/api_key")); MLRemoteAftSetting setting = new MLRemoteAftSetting.Factory() // 设置转写语言编码，使用BCP-47规范，当前支持中文普通话、英文转写。 .setLanguageCode("zh") // 设置是否在转写输出的文本中自动增加标点符号,默认为false。 .enablePunctuation(true) // 设置是否连带输出每段音频的文字转写结果和对应的音频时移，默认为false（此参数仅小于1分钟的音频需要设置）。 .enableWordTimeOffset(true) // 设置是否输出句子出现在音频文件中的时间偏移值,默认为false。 .enableSentenceTimeOffset(true) .create(); // 新建音频文件转写引擎。 MLRemoteAftEngine engine = MLRemoteAftEngine.getInstance(); engine.init(this); // 将侦听器回调传给第一步中定义的音频文件转写引擎中 engine.setAftListener(aftListener);

新建侦听器回调，用于处理音频文件转写结果:
短语音转写：适用于时长小于1分钟的音频文件

private MLRemoteAftListener aftListener = new MLRemoteAftListener() { public void onResult(String taskId, MLRemoteAftResult result, Object ext) { // 获取转写结果通知。 if (result.isComplete()) { // 转写结果处理。 } } @Override public void onError(String taskId, int errorCode, String message) { // 转写错误回调函数。 } @Override public void onInitComplete(String taskId, Object ext) { // 预留接口。 } @Override public void onUploadProgress(String taskId, double progress, Object ext) { // 预留接口。 } @Override public void onEvent(String taskId, int eventId, Object ext) { // 预留接口。 } };

长语音转写：适用于时长大于1分钟的音频文件

private MLRemoteAftListener asrListener = new MLRemoteAftListener() { @Override public void onInitComplete(String taskId, Object ext) { Log.e(TAG, "MLAsrCallBack onInitComplete"); // 长语音初始化完成，开始转写 start(taskId); } @Override public void onUploadProgress(String taskId, double progress, Object ext) { Log.e(TAG, " MLAsrCallBack onUploadProgress"); } @Override public void onEvent(String taskId, int eventId, Object ext) { // 用于长语音 Log.e(TAG, "MLAsrCallBack onEvent" + eventId); if (MLAftEvents.UPLOADED_EVENT == eventId) { // 文件上传成功 // 获取转写结果 startQueryResult(taskId); } } @Override public void onResult(String taskId, MLRemoteAftResult result, Object ext) { Log.e(TAG, "MLAsrCallBack onResult taskId is :" + taskId + " "); if (result != null) { Log.e(TAG, "MLAsrCallBack onResult isComplete: " + result.isComplete()); if (result.isComplete()) { TimerTask timerTask = timerTaskMap.get(taskId); if (null != timerTask) { timerTask.cancel(); timerTaskMap.remove(taskId); } if (result.getText() != null) { Log.e(TAG, taskId + " MLAsrCallBack onResult result is : " + result.getText()); tvText.setText(result.getText()); } List words = result.getWords(); if (words != null && words.size() != 0) { for (MLRemoteAftResult.Segment word : words) { Log.e(TAG, "MLAsrCallBack wordtext is : " + word.getText() + ", startTime is : " + word.getStartTime() + ". endTime is : " + word.getEndTime()); } } List sentences = result.getSentences(); if (sentences != null && sentences.size() != 0) { for (MLRemoteAftResult.Segment sentence : sentences) { Log.e(TAG, "MLAsrCallBack sentencetext is : " + sentence.getText() + ", startTime is : " + sentence.getStartTime() + ". endTime is : " + sentence.getEndTime()); } } } } } @Override public void onError(String taskId, int errorCode, String message) { Log.i(TAG, "MLAsrCallBack onError : " + message + "errorCode, " + errorCode); switch (errorCode) { case MLAftErrors.ERR_AUDIO_FILE_NOTSUPPORTED: break; } } }; // 上传转写任务 private void start(String taskId) { Log.e(TAG, "start"); engine.setAftListener(asrListener); engine.startTask(taskId); } // 获取转写结果 private Map timerTaskMap = new HashMap<>(); private void startQueryResult(final String taskId) { Timer mTimer = new Timer(); TimerTask mTimerTask = new TimerTask() { @Override public void run() { getResult(taskId); } }; // 10s轮训获取长语音转写结果 mTimer.schedule(mTimerTask, 5000, 10000); // 界面销毁前要清除 timerTaskMap timerTaskMap.put(taskId, mTimerTask); }

获取音频，上传音频文件到转写引擎中：

//获取音频文件的uri Uri uri = getFileUri(); //获取音频时间 Long audioTime = getAudioFileTimeFromUri(uri); //判断音频时间是否超过60秒 if (audioTime < 60000) { // uri为从本地存储或者录音机读取到的语音资源，仅支持时长在1分钟之内的本地音频 this.taskId = this.engine.shortRecognize(uri, this.setting); Log.i(TAG, "Short audio transcription."); } else { // longRecognize为长语音转写接口，用于转写时长大于1分钟，小于5小时的语音。 this.taskId = this.engine.longRecognize(uri, this.setting); Log.i(TAG, "Long audio transcription."); }private Long getAudioFileTimeFromUri(Uri uri) { Long time = null; Cursor cursor = this.getContentResolver() .query(uri, null, null, null, null); if (cursor != null) {cursor.moveToFirst(); time = cursor.getLong(cursor.getColumnIndexOrThrow(MediaStore.Video.Media.DURATION)); } else { MediaPlayer mediaPlayer = new MediaPlayer(); try { mediaPlayer.setDataSource(String.valueOf(uri)); mediaPlayer.prepare(); } catch (IOException e) { Log.e(TAG, "Failed to read the file time."); } time = Long.valueOf(mediaPlayer.getDuration()); } return time; }