用Kotlin开发android平台语音识别，语义理解应用（olamisdk）
转载请注明CSDN博文地址：http://blog.csdn.net/ls0609/article/details/75084994
本文使用Kotlin开发Android平台的一个语音识别方面的应用，用的是欧拉密开放平台olamisdk。
1.Kotlin简介
Kotlin是由JetBrains创建的基于JVM的编程语言，IntelliJ正是JetBrains的杰作，而android Studio是
基于IntelliJ修改而来的。Kotlin是一门包含很多函数式编程思想的面向对象编程语言。
后来了解到Kotlin原来是以一个岛的名字命名的(Котлин)，它是一门静态类型编程语言，支持JVM平台，android平台，浏览器js运行环境，本地机器码等。支持与Java，Android 100%完全互操作。Kotlin生来就是为了弥补Java缺失的现代语言的特性，并极大的简化了代码，使得开发者可以编写尽量少的样板代码。
2.Kotlin,java,Swift简单比较
1.输出Hello,World!
JAVA:System.out.println("Hello,World!");
Kotlin:println("Hello,World!")
Swift:print("Hello,World!")
2.变量和常量
Java：intmVariable =10;
mVariable =20;
staticfinalintmConstant =10;
Kotlin：varmVariable =10
mVariable =20
val mConstant =10
Swift：varmVariable =10
mVariable =20
letmConstant =10
感觉Swift和Kotlin比Java简洁,Kotlin和swift很像。
3.强制类型转换
Swift：
letlabel ="Hello world "
letwidth =80
letwidthLabel = label + String(width)
Kotlin：
vallabel ="Hello world"
valwidth =80
valwidthLabel =label + width
4数组
Swift：
vartempList = ["one","two","three"]
tempList[1] ="zero"
Kotlin：
valtempList = arrayOf("one","two","three")
tempList[1] ="zero"
5.函数
Swift：func greet(_ name:String,_
day:String)->String{
return"Hello
\(name),today is \(day)."}
greet("Bob","Tuesday")
Kotlin：
fun greet(name:String, day:String):String{
return"Hello
$name, today is $day."}
greet("Bob","Tuesday")
6.类声明及用法
Swift：
声明：classShape{
var numberOfSides =0
func simpleDescription()-> String {
return"A shape
with \(numberOfSides) sides."
}
}
用法：varshape = Shape()
shape.numberOfSides =7
var shapeDescription =shape.simpleDescription()
Kotlin：
声明：classShape{
var numberOfSides =0
fun simpleDescription() ="A shape
with $numberOfSides sides."
}
用法：var shape = Shape()
shape.numberOfSides =7
var shapeDescription= shape.simpleDescription()
可见，Kotlin和Swift好像，现代语言的特征，比java这样的高级语言更加简化，更贴近自然语言。
3.开发环境
本文使用的是android studio2.0版本，启动androd studio。
如下图在configure下拉菜单中选择plugins，在搜索框中搜索Kotlin，找到结果列表中的”Kotlin”插件。
如下图，找了一张还没有安装kotlin插件的图
点击右侧intall，安装后重启studio.
4.新建android项目
你可以像以前使用android stuio一样新建一个andoid项目，建立一个activity。本文用已经完成的一个demo来做示范。
如下图是一个stuio的demo工程
选择MainActivity和MessageConst两个java文件，然后选择导航栏上的code，在下拉菜单中选择convertJavafile to kotlin file
系统会自动进行转化，转化完后会生成对应的MainActivity.kt MessageConst.kt文件，打开MainActivity.kt，编译器上方会提示”Kotlin not configured”，点击一下Configure按钮，IDE就会自动帮我们配置好了！
将两个kt文件复制到src/kotlin目录下，如下图
转化后的文件，也许有些语法错误，需要按照kotlin的语法修改。
环境配置好后，来看下gradle更新有哪些区别
project的gradle代码如下：
buildscript {
ext.kotlin_version ='1.1.3-2'
repositories {
jcenter()
}
dependencies {
classpath'com.android.tools.build:gradle:2.0.0'
//此处多了kotlin插件依赖
classpath"org.jetbrains.kotlin:kotlin-gradle-plugin:$kotlin_version"
}
}
allprojects {
repositories {
jcenter()
}
}
再来看看某个module的gradle代码：
apply plugin:'com.android.application'
apply plugin:'kotlin-android'//此处多了这条插件声明
android {
compileSdkVersion14
buildToolsVersion"24.0.0"
defaultConfig {
applicationId"com.olami"
minSdkVersion8
targetSdkVersion14
}
buildTypes {
release {
minifyEnabledfalse
proguardFilesgetDefaultProguardFile('proguard-android.txt'),'proguard-rules.txt'
}
}
sourceSets {
main.java.srcDirs +='src/main/kotlin'//生成的***.kt文件需要copy到对应的目录
}
}
dependencies {
compile'com.android.support:support-v4:18.0.0'
compile files('libs/voicesdk_android.jar')
compile"org.jetbrains.kotlin:kotlin-stdlib:$kotlin_version"//此处多了kotlin包的依赖
}
repositories {
mavenCentral()
}
如上所示，如果不是通过转化的方式新建kotlin工程，则需要自己按照上面的gradle中增加的部分配置好。
5.olami语音识别应用
先贴一张识别后的效果图：
在MainActivity.kt中
override funonCreate(savedInstanceState: Bundle?) {
super.onCreate(savedInstanceState)
setContentView(R.layout.activity_main)
initHandler()//初始化handler用于处理消息
initView()//初始化view控件，比如点击开始录音的button
initViaVoiceRecognizerListener()//初始化语音识别回调，用于返回录音状态和识别结果
init()//初始化语音识别对象
}
fun init()
{
initHandler()
//定义olami语音识别对象
mOlamiVoiceRecognizer =OlamiVoiceRecognizer(this@MainActivity)
valtelephonyManager =this.getSystemService(
Context.TELEPHONY_SERVICE) as TelephonyManager
valimei = telephonyManager.deviceId
mOlamiVoiceRecognizer!!.init(imei)
//set null if you do not want to notify
olami server.
//设置回调，用于更新录音状态和数据等的界面
mOlamiVoiceRecognizer!!.setListener(mOlamiVoiceRecognizerListener)
//设置支持的语言类型，默认请设置简体中文
mOlamiVoiceRecognizer!!.setLocalization(
OlamiVoiceRecognizer.LANGUAGE_SIMPLIFIED_CHINESE)
mOlamiVoiceRecognizer!!.setAuthorization("51a4bb56ba954655a4fc834bfdc46af1",
"asr","68bff251789b426896e70e888f919a6d","nli")
//注册Appkey，在olami官网注册应用后生成的appkey
//注册api，请直接填写“asr”，标识语音识别类型
//注册secret，在olami官网注册应用后生成的secret
mOlamiVoiceRecognizer!!.setVADTailTimeout(2000)
//录音时尾音结束时间，建议填//2000ms
mOlamiVoiceRecognizer!!.setLatitudeAndLongitude(
31.155364678184498,121.34882432933009)
//设置经纬度信息，不愿上传位置信息，可以填0
}
代码比较简单，点击开始录音button后，启动录音，在OlamiVoiceRecognizerListener中回调处理，然后通过handler发送消息用于更新界面。
来看一下初始化view的代码，看看跟java方式书写有哪些不同
private fun initView()
{
mBtnStart = findViewById(R.id.btn_start) asButton
mBtnStop = findViewById(R.id.btn_stop) as Button
mBtnCancel = findViewById(R.id.btn_cancel) asButton
mBtnSend = findViewById(R.id.btn_send) as Button
mInputTextView = findViewById(R.id.tv_inputText) asTextView
mEditText = findViewById(R.id.et_content) asEditText
mTextView = findViewById(R.id.tv_result) asTextView
mTextViewVolume = findViewById(R.id.tv_volume) asTextView
mBtnStart!!.setOnClickListener{
if (mOlamiVoiceRecognizer != null)
mOlamiVoiceRecognizer!!.start()
}
mBtnStop!!.setOnClickListener{
if (mOlamiVoiceRecognizer != null)
mOlamiVoiceRecognizer!!.stop()
mBtnStart!!.text="开始"
Log.i("led","MusicActivity mBtnStop onclick开始")
}
mBtnCancel!!.setOnClickListener{
if (mOlamiVoiceRecognizer != null)
mOlamiVoiceRecognizer!!.cancel()
}
mBtnSend!!.setOnClickListener{
if (mOlamiVoiceRecognizer != null)
mOlamiVoiceRecognizer!!.sendText(mEditText!!.text.toString())
mInputTextView!!.text="输入: "+ mEditText!!.text
}
}
是不是感觉代码更简练了？
下面两句赋值，效果相同，第二句可以用id之间进行文本赋值，比以前简练好多。
mInputTextView!!.text="输入: "+ mEditText!!.text
tv_inputText.text="输入: "+ et_content.text
再来看看handler：
private funinitHandler() {
mHandler = object : Handler() {
override fun handleMessage(msg:Message) {
when (msg.what) {
MessageConst.CLIENT_ACTION_START_RECORED
-> mBtnStart!!.text
="录音中"
MessageConst.CLIENT_ACTION_STOP_RECORED -> mBtnStart!!.text
="识别中"
MessageConst.CLIENT_ACTION_CANCEL_RECORED-> {
mBtnStart!!.text="开始"
mTextView!!.text="已取消"
}
MessageConst.CLIENT_ACTION_ON_ERROR-> {
mTextView!!.text="错误代码："+ msg.arg1
mBtnStart!!.text="开始"
}
MessageConst.CLIENT_ACTION_UPDATA_VOLUME
-> mTextViewVolume!!.text
="音量: "+ msg.arg1
MessageConst.SERVER_ACTION_RETURN_RESULT-> {
if (msg.obj!= null)
mTextView!!.text="服务器返回: "+ msg.obj.toString()
mBtnStart!!.text="开始"
try {
val message = msg.objas String
var input: String?= null
val jsonObject =JSONObject(message)
val jArrayNli =
jsonObject.optJSONObject("data").optJSONArray("nli")
val jObj =jArrayNli.optJSONObject(0)
var jArraySemantic:JSONArray? = null
if (message.contains("semantic")) {
jArraySemantic= jObj.getJSONArray("semantic")
input =
jArraySemantic!!.optJSONObject(0).optString("input")
} else {
input =jsonObject.optJSONObject("data")
.optJSONObject("asr").optString("result")
}
if (input != null)
mInputTextView!!.text="输入: "+ input
} catch (e: Exception) {
e.printStackTrace()
}
}
}
}
}
}
原来的switch case的方式，变成了when***，代码不仅简练，更贴近现代语言，更容易理解。
上面的MessageConst.SERVER_ACTION_RETURN_RESULT时，获取了服务器返回的结果，紧接着对这段语义进行了简单的解析
{
"data": {
"asr": {
"result":"我要听三国演义",
"speech_status":0,
"final":true,
"status":0
},
"nli": [
{
"desc_obj": {
"result":"正在努力搜索中，请稍等",
"status":0
},
"semantic": [
{
"app":"musiccontrol",
"input":"我要听三国演义",
"slots": [
{
"name":"songname",
"value":"三国演义"
}
],
"modifier": [
"play"
],
"customer":"58df512384ae11f0bb7b487e"
}
],
"type":"musiccontrol"
}
]
},
"status":"ok"
}
1）解析出nli中type类型是musiccontrol,这是语法返回app的类型，而这个在线听书的demo只关心musiccontrol这个app类型，其他的忽略。
2）用户说的话转成文字是在asr中的result中获取
3）在nli中的semantic中，input值是用户说的话，同asr中的result。
modifier代表返回的行为动作，此处可以看到是play就是要求播放，slots中的数据表示歌曲名称是三国演义。
那么动作是play，内容是歌曲名称是三国演义，在这个demo中调用
mBookUtil.searchBookAndPlay(songName,0,0);会先查询，查询到结果会再发播放消息要求播放，我要听三国演义这个流程就走完了。
这段是在线听书应用中的语义解析，详情请看博客：http://blog.csdn.net/ls0609/article/details/71519203
6.代码下载
https://github.com/ls0609/WebVoiceRecognize
7.相关博客
语音在线听书博客：http://blog.csdn.net/ls0609/article/details/71519203
语音记账demo：http://blog.csdn.net/ls0609/article/details/72765789
基于JavaScript用olamisdk实现web端语音识别语义理解（speex压缩）
http://blog.csdn.net/ls0609/article/details/73920229
olami开放平台语法编写简介：http://blog.csdn.net/ls0609/article/details/71624340
olami开放平台语法官方介绍：https://cn.olami.ai/wiki/?mp=nli&content=nli2.html