linux系统中利用QT实现语音识别项目的操作方法

      大家好，今天主要和大家分享一下，如何使用linux系统上的语音识别项目的操作方法与实现。

 

目录

第一：语音识别基本简介

第二：语音识别产品申请账号

第三：具体代码实现

---

第一：语音识别基本简介

      AI音箱对传统音箱主要有两大块的技术区别，一块是语音信号的前处理，包括回声消除、波速成型、音源定位、降噪、去混响、自动语音电平控制这块是偏硬件的控制。还有一块是智 能语音交互，包括语音关键词搜索、本地语音识别、声纹识别、语音合成。

     写上面的这些是让读者了解一下专业AI音箱方案与开发板实现的语音识别的差别在哪里。

     说明语音识别项目的基本操作过程：

1、熟悉百度语音技术账号申请，及简单介绍调用流程。

2、用QT编写示例程序。流程如下，录制音频后，发送调用百度语音识别API接口，识别并返回结果。支持语音控制开发板上的LED控制。

第二：语音识别产品申请账号

      语音识别技术产品，有讯飞，百度等厂家，我们可以购买或者免费试用他们的产品。可以 直接到他们的官网上查看，有使用技术文档。下面我们以百度语音识别技术产品为例子。可以 在浏览器输入搜索“百度语音识别”，就可以找到百度 AI 开放平台。

点击进去就可以看到他的技术文档链接位置。如下图。

 或者直接打开https://ai.baidu.com/ai-doc/SPEECH/Ek39uxgre就可以跳转到百度AI开放平台》 帮助文档》语音技术页面。如下图。

 记住自己的密钥。请自行完成及创建百度帐号，按照百 度帮助文档里的步骤，领取免费额度及创建中文普通话应用，获取密钥！程序里需要用到自己 的密钥。笔者提供的密钥是百度语音识别例程里的，如果开发次数超了可能就不能使用了。程 序中只需要 API Key 与 Secret Key。注意获取 Access Token 时有效期为 30 天，到期后需要在程 序里重新获取新的 token。

第二：百度语音识别流程及示例

     在百度 AI 帮助文档里可以看见如下重要信息。

    总结：调用流程需要仔细阅读，百度提供了示例 Demo 代码，可以看到里面支持很多种编 程语言编写的 API 请求相关示例 demo 代码。没有直接 C++相关的代码。C 语言是 C++语言的 子集，我们可以直接参考 C 语言编写的例子（请自行查阅及参考百度提供的 C 语言编写的 API 请求相关示例 demo 代码）来编写 Qt 调用语音识别 API。（备注：其他语言编写的例子不在我 们教程范围。）识别的音频格式支持如上，我们可以知道一些重要的信息是支持采样率 16000、 8000 的固定值，16bit 深的单声道，音频长度最长 60 秒。格式支持 wav，恰好正点原子 Linux I.MX6U 开发板系统支持 wav 格式播放及录制。

第三：具体代码实现

     asr 是语音识别功能 demo。

1 #ifndef ASR_H
2 #define ASR_H
3
4 #include 
5
6 #include 
7 #include 
8
9 #include 
10 #include 
11 #include 
12 #include 
13 #include 
14
15 #include 
16
17 class Asr : public QWidget
18 {
19 Q_OBJECT
20
21 public:
22 Asr(QWidget *parent = nullptr);
23 ~Asr();
24
25 /* 请求网络 */
26 void requestNetwork(QString, QByteArray);
27
28 /* 获取识别结果 */
29 void getTheResult(QString fileName);
30
31 private:
32 /* 存储获取 tokenUrl 地址 */
33 QString tokenUrl;
34
35 /* 存储 serverapi 地址 */
36 QString serverApiUrl;
37
38 /* 最终需要访问 token 的地址 */
39 QString accessToken;
40
41 /* 获取 token 的接口*/
42 const QString token_org =
"https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials
&client_id=%1&client_secret=%2&";
43
44 /* 填写网页上申请的 appkey 如 g_api_key="g8eBUMSokVB1BHGmgxxxxxx" */
45 const QString 8888;
46
47 /* 填写网页上申请的 APP SECRET 如
$secretKey="94dc99566550d87f8fa8ece112xxxxx" */
48 const QString 8888;
49
50 /* 百度服务器 API 接口，发送语音可返回识别结果 */
51 const QString server_api =
"http://vop.baidu.com/server_api?dev_pid=1537&cuid=%1&token=%2";
52
53 /* 网络管理 */
54 QNetworkAccessManager *networkAccessManager;
55
56 QString getJsonValue(QByteArray ba, QString key);
57
58 QFile file;
59
60 private slots:
61
62 /* 准备读取响应返回来的数据 */
63 void readyReadData();
64
65 /* 响应完成处理 */
66 void replyFinished();
67
68 signals:
69 void asrReadyData(QString);
70
71 };
72 #endif // ASR_H

 分析：第 45 行，请填写读者自己在网页上申请的 API Key。以防万一示例中的 API Key 过期不可 用！ 第 47 行，请填写读者在网页上申请的 Secret Key。以防万一示例中的 Secret Key 过期不可 用

               

 

总结：原理 与原子云 API 接口相似。不过百度语音识别需要通过自己的帐号，指定地址获取访问的 Token 源地址，然后将得到的 Access Token 地址与语音识别服务器地址拼接，发送语音到服务 器，就可以返回识别的结果了。