ubuntu16.04下ROS操作系统学习笔记（七 ）机器语音-语音听写-科大讯飞SDK调用

 

机器语音理论识别模型：

在ros里面有一些语音识别的功能包

pocketsphinx：集成CMU Sphinx和Festival开源项目中的代码，实现语音识别的功能。只能识别数据库中的语音。

audio-common：提供了文本转语音（Text-to-speech TTS）的功能实现完成“机器人说话”的想法。

AIML：人工智能标记语言，Artificial Intelligence Markup Language，是一种创建自然语言软件代理的XML语言。

我们其实就可以使用以上三个功能包去实现在ros系统里面的人机对话。我们首先语音识别，之后调用自然语言处理包，再将文本转化成语音。在这本书《ROS ROBOTICS PROJECTS》里面可以找到更详细的解释。

这里我们用一下科大讯飞的SDK实现功能：

1.去科大讯飞官网https://www.xfyun.cn/，注册一个账户，并下载SDK。

然后创建应用，填个表：

之后下载SDK。

这里需要记住APPID，

之后我们选择语音听写，然后下载它就好了。我们将其解压缩之后放入到后面的文件夹里面：

我们进入到其中某个例子文件目录下面：

把下面这个文件路径改一下：

这个64位的文件内容如下：

编译一下：

source 64bit_make.sh

make

这里可能会报如下错误：

/usr/bin/ld: 当搜索用于 ../../libs/x86/libmsc.so 时跳过不兼容的 -lmsc
/usr/bin/ld: 找不到 -lmsc
collect2: error: ld returned 1 exit status
Makefile:25: recipe for target '../../bin/iat_online_record_sample' failed
make: *** [../../bin/iat_online_record_sample] Error 1

解决：

sudo apt-get install gcc-multilib g++-multilib module-assistant

之后的话还需要将一个文件复制到usr/local/lib文件下面。

sudo cp libs/x86/libmsc.so /usr/local/lib/
sudo ldconfig

否者会报错：

./iat_online_record_sample: error while loading shared libraries: libmsc.so: cannot open shared object file: No such file or directory

成功之后的话，我们可以在bin文件夹下面找到可执行文件：

运行测试：

我这没有麦克风，所以没有显示结果，很伤心。

科大讯飞的SDK带有ID号，每个人每次下载后的ID都不相同，更换SDK之后需要修改代码中的APPID，运行教程包的话，你需要修改一下自己下载SDK中的ID。我们需要更改里面cpp文件里面的APPID号：ctrl+f可以对其进行搜索。

语音听写

这个文件在课程的代码里面有：

我们先来看一下里面的main函数：

int main(int argc, char* argv[])
{
    // 初始化ROS
    ros::init(argc, argv, "voiceRecognition");
    ros::NodeHandle n;
    ros::Rate loop_rate(10);

    // 声明Publisher和Subscriber
    // 订阅唤醒语音识别的信号
    ros::Subscriber wakeUpSub = n.subscribe("voiceWakeup", 1000, WakeUp);   
    // 订阅唤醒语音识别的信号    
    ros::Publisher voiceWordsPub = n.advertise("voiceWords", 1000);  

    ROS_INFO("Sleeping...");
    int count=0;
    while(ros::ok())
    {
        // 语音识别唤醒
        if (wakeupFlag){
            ROS_INFO("Wakeup...");
            int ret = MSP_SUCCESS;
            const char* login_params = "appid = 5bee48ad, work_dir = .";
            const char* session_begin_params =
                "sub = iat, domain = iat, language = zh_cn, "
                "accent = mandarin, sample_rate = 16000, "
                "result_type = plain, result_encoding = utf8";
            ret = MSPLogin(NULL, NULL, login_params);
            if(MSP_SUCCESS != ret){
                MSPLogout();
                printf("MSPLogin failed , Error code %d.\n",ret);
            }
            printf("Demo recognizing the speech from microphone\n");
            printf("Speak in 10 seconds\n");
            demo_mic(session_begin_params);
            printf("10 sec passed\n");
            wakeupFlag=0;
            MSPLogout();
        }
        // 语音识别完成
        if(resultFlag){
            resultFlag=0;
            std_msgs::String msg;
            msg.data = g_result;
            voiceWordsPub.publish(msg);
        }
        ros::spinOnce();
        loop_rate.sleep();
        count++;
    }

我们这里有一个订阅唤醒词的环节，类似siri一样，然后还有一个发布者，将接收到的语音信号发布出去。也就是说我们最开始就是在等待语音唤醒，唤醒之后进入回调函数里面：

void WakeUp(const std_msgs::String::ConstPtr& msg)
{
    printf("waking up\r\n");
    usleep(700*1000);
    wakeupFlag=1;
}

可以看到在这里面我们是置位了一个变量，这个变量被置为之后我们就回去进行主函数里面的语音识别代码。完成之后我们把它resultFlag置位，然后把消息封装出去，然后再发布出去：

        if(resultFlag){
            resultFlag=0;
            std_msgs::String msg;
            msg.data = g_result;
            voiceWordsPub.publish(msg);
        }
        ros::spinOnce();
        loop_rate.sleep();
        count++;

程序的编译如下：

接下来我们测试一下程序的效果：

roscore

rosrun robot_voice iat_publish

rostopic pub /voiceWakeup std_msgs/String "data: '111'"

第三行是一个唤醒词为111的唤醒，

唤醒之后：

我们同样可以利用科大讯飞的平台做语音合成，这个原视频里面有说。

我的微信公众号名称：深度学习与先进智能决策
微信公众号ID：MultiAgent1024
公众号介绍：主要研究强化学习、计算机视觉、深度学习、机器学习等相关内容，分享学习过程中的学习笔记和心得！期待您的关注，欢迎一起学习交流进步！