如何用机器学习识别猫叫和狗叫声？

Posted 2021-06-27 华为移动服务

在一些应用项目开发的过程中，有时需要用到语音检测的功能，即识别敲门声、门铃声、汽车喇叭声等功能，对于中小开发者来说，单独开发构建该能力，不免耗时耗力，而华为机器学习服务中的声音识别服务SDK，只需简单集成，端侧就能实现这个功能。

华为机器学习服务声音识别能力

声音识别服务支持通过在线（实时录音）的模式检测声音事件，基于检测到的声音事件能够帮助开发者进行后续指令动作。目前支持13个种类的声音事件，包括：笑声、婴儿或小孩哭声、打鼾声、喷嚏声、叫喊声、猫叫声、狗叫声、流水声（包括水龙头流水声、溪流声、海浪声）、汽车喇叭声、门铃声、敲门声、火灾报警声（包括火灾报警器警报声、烟雾报警器警报声）、警报声（包括消防车警报声、救护车警报声、警车警报声、防空警报声）。

集成准备

开发环境配置

1、需要在华为开发者联盟上创建应用：

此步骤具体可以详见此链接：https://developer.huawei.com/consumer/cn/doc/development/AppGallery-connect-Guides/agc-get-started#createproject?ha__source=hms1

2、打开机器学习服务：

 

具体开启步骤可以查看此链接：https://developer.huawei.com/consumer/cn/doc/development/HMSCore-Guides-V5/enable-service-0000001050038078-V5?ha__source=hms1

2、创建完应用之后，会自动生成agconnect-services.json文件， 需要手动将agconnect-services.json文件拷贝到应用级根目录下

3、配置HMS Core SDK的Maven仓地址。

关于Maven仓的配置可以查看此链接：https://developer.huawei.com/consumer/cn/doc/development/HMSCore-Guides/config-maven-0000001050040031?ha__source=hms1

4、集成声音识别服务SDK

• 推荐使用Full SDK方式集成，在build.gradle文件中配置相应的sdk

// 引入声音识别集合包
implementation 'com.huawei.hms:ml-speech-semantics-sounddect-sdk:2.1.0.300'
implementation 'com.huawei.hms:ml-speech-semantics-sounddect-model:2.1.0.300'

•  根据实际情况声明AGC插件配置，有两种方式

apply plugin: 'com.android.application'
apply plugin: 'com.huawei.agconnect'

或

plugins {
    id 'com.android.application'
    id 'com.huawei.agconnect'
}

3. 自动更新机器学习模型

添加如下语句到AndroidManifest.xml文件中，用户从华为应用市场安装您的应用后，将自动更新机器学习模型到设备：

<meta-data
    android:name="com.huawei.hms.ml.DEPENDENCY"
    android:value= "sounddect"/>

更详细的步骤可以查看链接：https://developer.huawei.com/consumer/cn/doc/development/HMSCore-Guides/sound-detection-sdk-0000001055602754?ha__source=hms1

应用开发编码阶段

1.取得 麦克风 权限， 如果没有麦克风的权限 会报12203的错误

设置静态权限（必须）

<uses-permission android:name="android.permission.RECORD_AUDIO" />

动态权限获取（必须）

ActivityCompat.requestPermissions(
        this, new String[]{Manifest.permission.RECORD_AUDIO

 }, 1);

2.创建MLSoundDector对象

private static final String TAG = "MLSoundDectorDemo";

//语音识别的对象
private MLSoundDector mlSoundDector;


//创建MLSoundDector对象 并 设置回调方法
private void initMLSoundDector(){
    mlSoundDector = MLSoundDector.createSoundDector();
    mlSoundDector.setSoundDectListener(listener);
}

3. 声音识别结果回调，用于获取检测结果，并将回调传入声音识别实例。

//创建声音识别结果回调，用于获取检测结果，并将回调传入声音识别实例。
private MLSoundDectListener listener = new MLSoundDectListener() {
    @Override
    public void onSoundSuccessResult(Bundle result) {
        //识别成功的处理逻辑，识别结果为：0-12（对应MLSoundDectConstants.java中定义的以SOUND_EVENT_TYPE开头命名的13种声音类型）。
        int soundType = result.getInt(MLSoundDector.RESULTS_RECOGNIZED);
        Log.d(TAG,"声音识别成功："+soundType);
    }
    @Override
    public void onSoundFailResult(int errCode) {
        //识别失败，可能没有授予麦克风权限（Manifest.permission.RECORD_AUDIO）等异常情况。
        Log.d(TAG,"声音识别失败："+errCode);
    }
};

此代码中只是将声音识别结果的int类型打印了出来，实际编码中，可以将int类型的声音识别结果 转换为 可被用户识别的类型。

声音识别类型的定义：

<string-array name="sound_dect_voice_type">
    <item>笑声</item>
    <item>婴儿或小孩哭声</item>
    <item>打鼾声</item>
    <item>喷嚏声</item>
    <item>叫喊声</item>
    <item>猫叫声</item>
    <item>狗叫声</item>
    <item>流水声</item>
    <item>汽车喇叭声</item>
    <item>门铃声</item>
    <item>敲门声</item>
    <item>火灾报警声</item>
    <item>警报声</item>
</string-array>

3. 开启和关闭语音识别

@Override
public void onClick(View v) {
    switch (v.getId()){
        case R.id.btn_start_detect:
            if (mlSoundDector != null){
                boolean isStarted = mlSoundDector.start(this); //context 是上下文
                //isStared 等于true表示启动识别成功、isStared等于false表示启动识别失败（原因可能是手机麦克风被系统或其它三方应用占用)
                if (isStarted){
                    Toast.makeText(this,"语音识别开启成功", Toast.LENGTH_SHORT).show();
                }
            }

            break;

        case R.id.btn_stop_detect:
            if (mlSoundDector != null){
                mlSoundDector.stop();
            }
            break;
    }
}

4.当页面关闭的时候，可以调用destroy()方法释放资源

@Override
protected void onDestroy() {
    super.onDestroy();
    if (mlSoundDector != null){
        mlSoundDector.destroy();
    }
}

运行测试

1. 以敲门声为例，预计声音识别类型的输出结果为10
2. 点击开启语音识别按钮、模拟敲门声 ，在AS控制台中可以得到如下日志， 说明集成成功。

其他

1. 声音识别服务属于华为机器学习服务中的一个很小的模块，华为机器学习服务包括6大模块，分别为：文本类、语音语言类、图像类、人脸人体类、自然语言处理类，自定义模型 。
2. 这篇记录文档只是介绍了“语音语言类”这个模块中的“声音识别服务”
3. 如果有读者对华为机器学习服务其他模块感兴趣的话，可以查看华为提供的相关集成文档

>>访问华为机器学习服务官网，了解更多相关内容
>>获取华为机器学习服务开发指导文档
>>华为HMS Core官方论坛
>>华为机器学习服务开源仓库地址：GitHub、Gitee

点击右上角头像右方的关注，第一时间了解华为移动服务最新技术~