基于kaldi的iOS实时语音识别(本地)+01+介绍

iOS在线识别：https://www.jianshu.com/u/3c2a0bd52ebc

该系列文章讲述的都是iOS本地语音识别。
最近花了点时间将kaldi编译成iOS静态库，放在本地进行解码。
由于网上这类资料几乎没有，也发邮件问过做过这一类的大佬，但都没有得到结果，所以遇到问题几乎是硬着头皮靠经验去解决，目前应用还没发现什么问题。

优点

• 脱离服务端，不需要网络传输音频；
• 解码速度快，稳定
• 支持实时流和文件
• 跨平台（iOS，Android，Unity，PC）

---

缺点

• 编译kaldi的静态库比较大（200M以内）；
• 如果kaldi有需要改动，需要重新编译；
• 模型文件，配置文件都放在本地，导致应用包比较大

---

优化

• 从服务端动态加载模型文件；
• 调整参数进一步提升解码速度；
• 优化传输和解码的性能

---

难点

• 集成kaldi到iOS工程；
• 音频传输；
• 解码

---

效果

下面是实时流的效果，文件解码时长没有统计

机型	发送EOS到最终结果时长（秒）
iPhone 6	≈2
iPhone 7	≈0.7
iPad 2018	≈0.4

demo：https://github.com/andyweiqiu/asr-ios-local