科大讯飞离线语音识别安装与运行

Posted 2020-08-21 Not-Bad

先从官网下载sdk，有点不懂下载的逻辑..

文件解析：

bin/inc下有四个头文件：msp_errors.h  msp_types.h  qisr.h  qtts.h

msp_errors.h  msp_types.h为通用数据结构的头文件，qisr.h是语音识别用的头文件，qtts.h是语音合成用的头文件。

这是sdk中原代的解释：

1.doc目录下存放开发文档等；

2.lib目录下存放SDK需要调用的动态库以及需要引用的头文件。

3.example目录下存放提供的示例demo，每个例子下都有Makefile文件，在当前目录make即可；

4.bin目录下存放符合标准的语音文件样例、配置文件和资源文件等，make之后的example可执行程序也会拷贝至此，请在此目录下运行，否则会运行失败；

5.prj目录下提供make脚本，可以快速编译例子。

 然后我按照它的指示，在example下的asrdome下make，然而报错：找不到 lasound，去看它的makefile文件，其中需要这个库，在网上搜了一下，解决方案如下：

sudo apt-get install alsa-base alsa-utils alsa-source libasound2-dev

重新编译，又报错，警告：检测到时钟错误。您的创建可能是不完整的。

将之前编译创建的 “asrdemo.o”　删除　继续，编译成功。

然后再bin下生成了"asrdemo"可执行文件，在bin目录下运行（./asrdemo)

运行成功。

然而　输出的结果是一堆代码，里面夹杂识别的话。在网上查了一下，代码的函数逻辑大概如下

1.先要调用QISRInit（）函数，参数是自己的appid，每个SDK都是注册才能下载的，所以是唯一的，用来区分用户的，不同级别的用户每天可以使用SDK的次数有限制，毕竟人用的多了语音识别的性能肯定会下降；

2.之后就是把GrammarID，输入输出的参数param和调用状态返回值ret作为参数传入QISRSessionBegin（）函数中进行初始化，返回值是sessionID，这个是后面所有函数的主要参数之一；

3.打开自己的音频文件，调用QISRAudioWrite（）函数写入，可以分段也可以一次，第一个参数是sessionID，上面初始化函数返回的值，第二个参数是音频数据头指针，第三个参数是音频文件大小，第四个参数是音频发送的状态，表示发送完了没有，剩下两个是服务器端检测语音状态和识别状态的返回值；

4.调用QISRGetResult（）函数获取识别的结果，第一个参数还是sessionID，第二个参数是输出识别的状态，第三个参数是与服务器交互的间隔时间，官方建议5000，我取为0，第四个参数是调用状态返回值ret，最后这个函数的返回值就是上面结果的json数据了

 

 

录制语音时，使用“ffmpeg”录音，简单方便，符合语音识别的要求。

讯飞语音对语音的要求如下：采样率16K或8KHz，采样位是16位，单声道，格式是PCM或WAV。自带的录音软件都是默认32位采样，只能用ffmpeg或自己写代码录制，ffmpeg命令如下：

ffmpeg -f alsa  -ar 16000 -ac 1 -i hw:0 lib.wav