利用Olami SDK 实现语音控制计算器（iOS）
Posted
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了利用Olami SDK 实现语音控制计算器（iOS）相关的知识，希望对你有一定的参考价值。
博客链接：http://blog.csdn.net/scarlettzhao0602/article/details/76576836
一、简介：
Olami Calculator是一款在键盘输入算式的普通计算器的基础上，增加了支持语音控制输入算式输出结果的人工智能计算器。此外还增加了多种动画效果，计算结果提示音功能，多元化主题换肤功能，以及保存计算公式，侧滑栏查看收藏记录等功能。网上也有许多语音计算器，但是打开看，只是添加了按钮提示音等，并不能识别我们对着计算器说的内容，而Olami Calculator可以实现不用手动敲击键盘，只需要把想知道结果的算式对着语音计算器说出来，例如三加四乘五、清空等，然后Olami会根据自己的一套语音识别系统帮我们准确识别出来。真正做到一款语音控制的计算器。
二、界面直观化展示
三、Olami SDK的配置
step 1：创建工程与导入sdk
Olami SDK下载地址：https://github.com/olami-developers/olami-sdk-ios.git
下载下来之后我们可以看到sdk-libs文件夹：
step 2 : 创建Olami应用
点击https://cn.olami.ai/open/website/home/home_show注册创建个人账号并登陆。进入后创建新应用，建好之后进入应用管理可以看到下面界面 
step 3：可直接导入的语音模块
点击配置模块选择你需要的语音模块，目前有天气，二十四点，新闻，听书，数学等50~多个模块， 
step 4：自定制语音模块
olami平台会为广大开发者提供一些已经写好了的语法模块，如果提供给大家的模块不能满足当下解析录入语音的需求，那么不要慌，下面就是教大家如何定制属于自己的模块。
首先.登录，进入我的应用（没有应用的话记得创建新应用哦），然后点击“进入NLI系统”。下面是点击之后的界面，可以看到右上角有导入和新增
如果没有所需的模块，那么就需要点击”新增“。我们做的是计算器那就给个名字，输入calculate，提交成功后可以看到我的模块里面有了一个新模块，: 
点击calculate后面的进入模块。界面中有例句库，grammar，rule，slot，template模板。 
现在做的计算器，那需要olami为我们识别出什么呢？
比如：9+8+7 就这个算式而言，我们对着蜜蜜说完，是希望把数字还有符号都给我们识别出来的。
分析：”9”、”+”、”8”、”+”、”7”是我们需要系统帮我们识别并且返回给我们的变量，那就可以在slot设置5个变量，slot有五种类型（这里数字用float、符号用internal），rule是一些临时的中间表达式:[等于|结果是]，modifier传递预定义好的信息，不管是slot还是rule都是为grammar服务的，要显示句子要写grammar。
各举一个例子：
grammar：名称：两个数结果等于多少 内容：[<再>][<数字一>][<符号一>][<数字二>][<结果是>|<等于几>]
slot：名称：数字一 类型：float 最长：50 最短：1
rule：名称：结果是 内容：[的]结果[是|等于[多少|几]] （|：或 []:可以省略的）。
要更多的了解点击这里查看OSL 语法描述语言 grammar的简介：https://cn.olami.ai/wiki/?mp=overview&content=quickstart.html。
一切就绪提交成功了之后，就可以测试了，测试无误满足需求，点击“发布”就可以使用啦！
上图：
1.新增grammar：
2.添加语料：写出希望可以识别的一句grammar，测试并提交
3.最后测试无误一定要点发布
4.完成配置
以上都完成了回到应用管理，我们就可以配置自己搭建的模块了！5.再测试
噔噔噔噔~可以使用了，变量都帮我们识别出来了！
四、代码处实现
先来看下OlamiRecognizer.h为我提供了哪些接口
*返回结果
*/
-(void)onResult:(NSData*)result;/*
*取消本次会话
*/-(void)onCancel;/*
*识别失败
*/-(void)onError:(NSError *)error;/*
*音量的大小 音频强度范围时0到100
*/-(void)onUpdateVolume:(float) volume;/***
*开始录音
*/-(void)onBeginningOfSpeech;/**
*结束录音
*
*/-(void)onEndOfSpeech;@endtypedef NS_ENUM(NSInteger, LanguageLocalization) {
LANGUAGE_SIMPLIFIED_CHINESE = 0, //简体中文
LANGUAGE_TRADITIONA_CHINESE = 1 //繁体中文};@interface OlamiRecognizer : NSO[email protected] (nonatomic,weak) id<OlamiRecognizerDelegate> delegate;@property (nonatomic, assign,readonly) BOOL isRecording;//是否正在录音-(void)start;//开始录音-(void)stop;//结束录音，开始识别-(void)cancel;//取消本次回话/**
*设置语系的选项，目前只支持一种，简体中文
*/-(void)setLocalization:(LanguageLocalization) location;/**
*CUSID;//终端用户标识id，用来区分各个最终用户 例如:手机的IMEI
*appKey;//创建应用的appkey
*api;//要调用的API类型。现有3种：语义(nli)和分词(seg)和语音(asr)
*appSecret;//加密的秘钥，由应用管理自动生成
*/-(void)setAuthorization:(NSString*)appKey api:(NSString*)api appSecret:(NSString*)appSecret cusid:(NSString*)CUSID;
-(void)setVADTimeoutFrontSIL:(unsigned int)value;//设置VAD前端点超时范围 1000~~10000（ms） 默认3000-(void)setVADTimeoutBackSIL:(unsigned int)value;//设置VAD后端点超时范围 1000~~10000（ms） 默认2000-(void)setInputType:(int) type;//设置是语音输入还是文字输入 0 为语音 1为文字输入-(void)setLatitudeAndLongitude:(double) latitude longitude:(double)longit;//设置地理位置,参数为经纬度-(void)sendText:(NSString*)text;//发送输入的文字项目中，首先 初始化Olami语音识别对象并设置代理
/**
*CUSID;//终端用户标识id，用来区分各个最终用户 例如:手机的IMEI
*appKey;//创建应用的appkey
*api;//要调用的API类型。现有3种：语义(nli)和分词(seg)和语音(asr)
*appSecret;//加密的秘钥，由应用管理自动生成
*/#define AppKey @""//查看自己的#define AppSecret @""#define macID @""-(void)setupOLAMI{
_olamiRecognizer= [[OlamiRecognizer alloc] init];
_olamiRecognizer.delegate = self;//此处为OlamiRecognizerDelegate
[_olamiRecognizer setAuthorization:AppKey api:@"asr" appSecret:AppSecret cusid:macID]; //设置语言，目前只支持中文
[_olamiRecognizer setLocalization:LANGUAGE_SIMPLIFIED_CHINESE];
}12345678910111213141516171819201234567891011121314151617181920设置一个录音键
#pragma mark --录音键- (IBAction)recordButton:(UIButton *)sender { //设置为语音模式（代理方法：0为语音）
[_olamiRecognizer setInputType:0]; //开始录音
if (_olamiRecognizer.isRecording) {//isRecording = YES 即为录音模式
[_olamiRecognizer stop];//代理方法
[_recordButton setImage:[UIImage imageNamed:@"话筒4.png"] forState:UIControlStateNormal];
}else{
[_olamiRecognizer start];//代理方法
[_recordButton setImage:[UIImage imageNamed:@"话筒7.png"] forState:UIControlStateNormal];
[_recordButton.layer addAnimation:[self shine] forKey:@"shine"];//添加一个动画
}
}//发光动画- (CABasicAnimation *)shine{
CABasicAnimation *animation =[CABasicAnimation animationWithKeyPath:@"shine"];
animation.fromValue = [NSNumber numberWithFloat:1.0f];
animation.toValue = [NSNumber numberWithFloat:0.0f];
animation.autoreverses = YES;
animation.duration = 0.5;
animation.repeatCount = MAXFLOAT;
animation.removedOnCompletion = NO;
animation.fillMode = kCAFillModeForwards;
animation.timingFunction = [CAMediaTimingFunction functionWithName:kCAMediaTimingFunctionEaseIn]; return animation;
}#pragma mark -- 录音结束（代理方法）- (void)onEndOfSpeech {
[_recordButton setImage:[UIImage imageNamed:@"话筒4.png"] forState:UIControlStateNormal];
[_recordButton.layer removeAnimationForKey:@"shine"];
}识别音量
#pragma mark--NLU delegate
- (void)onUpdateVolume:(float)volume { if (_olamiRecognizer.isRecording) {
_waveView.present = volume/100;
}
}
waveview： 根据sin函数 y=Asin(ωx+φ)+b //e.g.:1.
CGContextRef context = UIGraphicsGetCurrentContext();
CGMutablePathRef path = CGPathCreateMutable();
CGContextSetLineWidth(context, 3);
CGContextSetLineCap(context, kCGLineCapRound);
CGContextSetAllowsAntialiasing(context, true);
CGContextSetRGBStrokeColor(context, 124 / 255.0, 145 / 255.0, 155 / 255.0, 1.0);
CGContextBeginPath(context); float y= (1 - _present) * rect.size.height;
CGPathMoveToPoint(path, NULL, -10, y); for(float x=0;x<=rect.size.width;x++){
y= sin( 3*x/rect.size.width * M_PI + moveX/rect.size.width *M_PI ) *maxA + _currentLinePointY;
CGPathAddLineToPoint(path, nil, x, y);
}
CGContextAddPath(context, path);
CGContextDrawPath(context, kCGPathStroke);
CGPathRelease(path);界面差不多就这些，主要是看返回来的result
调用代理这个方法-(void)onResult:(NSData*)result; 其语义分析后的结果以一个json字符串的形式回调过来，对这个字符串进行解析，就可以获得想要的变量。
#pragma mark --返回结果- (void)onResult:(NSData *)result { NSError *error;
__weak typeof(self) weakSelf = self; if (error) { NSLog(@"error is %@",error.localizedDescription);
}else{ NSDictionary *json = [NSJSONSerialization JSONObjectWithData:result
options:NSJSONReadingMutableContainers
error:&error]; NSLog(@"json=%@",json); if ([json[@"status"] isEqualToString:@"ok"]) { NSDictionary *asr = [json[@"data"] objectForKey:@"asr"]; //如果asr不为空，说明目前是语音输入
if (asr) {
[weakSelf processASR:asr];
} NSDictionary *nli = [[json[@"data"] objectForKey:@"nli"] objectAtIndex:0]; NSDictionary *desc = [nli objectForKey:@"desc_obj"]; int status = [[desc objectForKey:@"status"] intValue]; if (status != 0) {// 0 说明状态正常,非零为状态不正常
NSString *result = [desc objectForKey:@"result"]; dispatch_async(dispatch_get_main_queue(), ^{
_resultLabel.text = result;//输出不正常提示
_resultLabel.font = [UIFont systemFontOfSize:20];
[_resultLabel startAnimation];
_showTextView.text = asr[@"result"];
AudioservicesPlaySystemSound (soundID);
});
}else{ NSDictionary *semantic = [[nli objectForKey:@"semantic"]
objectAtIndex:0]; //对slot和算式的处理结果
[weakSelf processSemantic:semantic asr:asr]; //处理modifier
NSArray *modifierArr = [semantic objectForKey:@"modifier"];
[weakSelf processModifier:modifierArr result:desc[@"result"]];
}
}else{
_showTextView.text = @"请说出要计算的公式";
}
}
}#pragma mark --处理ASR语音对话节点- (void)processASR:(NSDictionary*)asrDic { NSString *result = [asrDic objectForKey:@"result"]; if (result.length == 0) { //如果结果为空，则弹出警告框
[self showAlert:@"没有接受到语音，请重新输入!"]; return;
}else{ dispatch_async(dispatch_get_main_queue(), ^{ NSString *str = [result stringByReplacingOccurrencesOfString:@" " withString:@""];//去掉字符中间的空格
NSLog(@"answer result = %@",str);
});
}
}//处理semantic节点返回的slot - (void)processSemantic:(NSDictionary*)semanticDic asr:(NSDictionary *)asr { NSMutableArray *sumArr = [NSMutableArray array]; for (NSDictionary *dic in semanticDic[@"slots"]) { NSString *nameStr = dic[@"name"]; //遍历，然后把slot添加到数组里
NSString *textStr = [[sumArr componentsJoinedByString:@","] stringByReplacingOccurrencesOfString:@"," withString:@""]; NSLog(@"textstr=%@",textStr); if (![textStr isEqualToString:@""]) {
_passString = [self replaceInputStrWithPassStr:textStr]; if (asr) {
_lastAnswer = _resultLabel.text;//语音记录上一次记录
}else{
_lastAnswer = @"";
} //第一次运算或者不再加
if ([_lastAnswer isEqualToString:@"error"]||[_lastAnswer isEqualToString:@""]) { if (asr) { dispatch_async(dispatch_get_main_queue(), ^{
_showTextView.text = [[textStr stringByReplacingOccurrencesOfString:@"2√" withString:@"√"] stringByAppendingString:@"="];//计算公式
});
textStr = [_calcultor calculatingWithString:_passString andAnswerString:@"0"];
}else{
textStr = [_calcultor calculatingWithString:_passString andAnswerString:@"0"];
} //有结果考虑再运算的步骤
}else{ //有结果再运算的情况
UniChar c = [_passString characterAtIndex:0]; if (c ==‘-‘|| c == ‘+‘||c == ‘x‘||c ==‘/‘)
{ dispatch_async(dispatch_get_main_queue(), ^{
_showTextView.text = [[_lastAnswer stringByAppendingString:[textStr stringByReplacingOccurrencesOfString:@"2√" withString:@"√"]] stringByAppendingString:@"="];//计算公式
});
textStr = [_calcultor calculatingWithString:[_lastAnswer stringByAppendingString:_passString] andAnswerString:@"0"];//
} //有结果但是不想再运算
else{ dispatch_async(dispatch_get_main_queue(), ^{
_showTextView.text = [[textStr stringByReplacingOccurrencesOfString:@"2√" withString:@"√"] stringByAppendingString:@"="];//计算公式
});
textStr = [_calcultor calculatingWithString:_passString andAnswerString:@"0"];
}
} dispatch_async(dispatch_get_main_queue(), ^{
AudioServicesPlaySystemSound (soundID1);
_resultLabel.font = [UIFont systemFontOfSize:50.0];
_resultLabel.text = textStr;
});
[_resultLabel startAnimation];
}
}后台返回：语音内容是显示在asr字段里，大家可能会有疑问后台怎么识别的我们语音的内容，这是由于我们之前在olami平台创建新应用后导入了一套识别相应内容的grammar，这样olami的语义解析功能会为我们自动识别出想要得到的变量内容。
比如我说：3+6乘九等于几？
对应grammar语法：[<再>][<数字一>]<符号一><数字二><符号二><数字三>[<结果>|<等于>]
返回结果：
json={ data = { asr = { final = 1; result = "\U4e09\U52a0\U516d\U4e58\U4e5d\U7b49\U4e8e\U51e0";
"speech_status" = 0; status = 0;
};
nli = (
{ "desc_obj" = {
status = 0;
};
semantic = (
{
app = calculator;
customer = 59530feb84aea6f385319c65;
input = "\U4e09\U52a0\U516d\U4e58\U4e5d\U7b49\U4e8e\U51e0";
modifier = (
);
slots = (
{
name = number3; "num_detail" = { "recommend_value" = 9; type = float;
};
value = "\U4e5d";
},
{
name = number1; "num_detail" = { "recommend_value" = 3; type = float;
};
value = "\U4e09";
},
{
name = number2; "num_detail" = { "recommend_value" = 6; type = float;
};
value = "\U516d";
},
{
name = symbol1;
value = "+";
},
{
name = symbol2;
value = x;
}
);
}
); type = calculator;
}
);
};
status = ok;
}再加三等于几？
对应grammar：[<再>][<数字一>][<符号一>][<数字二>][<结果>|<等于>] 、
后台返回json字段：
json={ data = { asr = { final = 1; result = "\U518d\U52a0\U4e09\U7b49\U4e8e\U51e0";
"speech_status" = 0; status = 0;
};
nli = (
{ "desc_obj" = {
status = 0;
};
semantic = (
{
app = calculator;
customer = 59530feb84aea6f385319c65;
input = "\U518d\U52a0\U4e09\U7b49\U4e8e\U51e0";
modifier = (
);
slots = (
{
name = again;
value = a;
},
{
name = number2; "num_detail" = { "recommend_value" = 3; type = float;
};
value = "\U4e09";
},
{
name = symbol1;
value = "+";
}
);
}
); type = calculator;
}
);
};
status = ok;
}计算过程：涉及到算法，数据结构堆栈问题，大概思路设置优先级，设置两个栈，一个数据栈，一个运算符栈，在运算符栈底添加#方便处理。获取表达式第一个元素如果是数据添加到数据栈中，元素如果是运算符，那么每次都要跟运算符栈定元素比较优先级，如果取得的运算符的优先级大于栈顶元素优先级时，该运算符直接进栈，优先级不大的话，就要取栈顶运算符优先运算，最后碰到#停止。如果有记忆上一轮结果的话，结果需要放到数据栈栈进行下一次处理
代码下载地址：https://github.com/zhaoshihui/calculator_olami_ios.git
以上是关于利用Olami SDK 实现语音控制计算器（iOS）的主要内容，如果未能解决你的问题，请参考以下文章
使用Olami SDK 语音控制一个支持HomeKit的智能家居的iOS程序
语音识别，语义理解一站式解决（android平台&olami sdk）
语音识别，语义理解一站式解决之二(android,olami)
基于javascript用olamisdk实现web端语音识别语义理解（speex压缩）