張路瑤 蔡虹

【摘要】本項(xiàng)目采用Java語(yǔ)言，基于A(yíng)ndroid Studio平臺(tái)打造的一款智能語(yǔ)音助手APP。旨在為用戶(hù)提供智能化的服務(wù)，提高人機(jī)交互速率，除實(shí)現(xiàn)了目前市場(chǎng)已有的語(yǔ)音助手的功能外，加入了特色化的音頻文件轉(zhuǎn)寫(xiě)功能，為用戶(hù)的生活、辦公等提供了方便快捷的渠道，如會(huì)議音頻文件處理。通過(guò)調(diào)用Android麥克風(fēng)接收用戶(hù)的語(yǔ)音輸入，通過(guò)集成百度SDK進(jìn)行語(yǔ)音識(shí)別，并通過(guò)算法實(shí)現(xiàn)關(guān)鍵字提取，并完成用戶(hù)需求的實(shí)現(xiàn)。音頻轉(zhuǎn)寫(xiě)功能是通過(guò)restapi形式的http接口的調(diào)用，實(shí)現(xiàn)用戶(hù)選取指定文件對(duì)其進(jìn)行轉(zhuǎn)寫(xiě)的需求。

【關(guān)鍵詞】Java Android 語(yǔ)音識(shí)別 文件轉(zhuǎn)寫(xiě)

一、引言

由于智能手機(jī)平臺(tái)和應(yīng)用日新月異的發(fā)展，使得智能手機(jī)的使用以及服務(wù)的使用變得愈加復(fù)雜，為了提高人機(jī)交互的效率，讓用戶(hù)更加方便地使用智能手機(jī)，本文設(shè)計(jì)并實(shí)現(xiàn)了智能語(yǔ)音助手APP，提供給用戶(hù)更多樣、更快捷的智能服務(wù)。

二、功能分析

本項(xiàng)目為基于A(yíng)ndroid的一款智能服務(wù)類(lèi)軟件，用戶(hù)通過(guò)語(yǔ)音進(jìn)行人機(jī)交互，實(shí)現(xiàn)多種基本功能，并且可以進(jìn)行特色化的長(zhǎng)語(yǔ)音文件的轉(zhuǎn)換、保存。

語(yǔ)音識(shí)別與顯示功能為用戶(hù)提供高精度的語(yǔ)音識(shí)別服務(wù)，融合百度領(lǐng)先的自然語(yǔ)言處理技術(shù)，支持多場(chǎng)景智能語(yǔ)音交互，對(duì)用戶(hù)的語(yǔ)音信息經(jīng)過(guò)處理，轉(zhuǎn)換為文字信息，顯示在用戶(hù)界面上;語(yǔ)意分析與功能實(shí)現(xiàn)，是用戶(hù)通過(guò)語(yǔ)音描述需求，軟件通過(guò)對(duì)語(yǔ)音信息的分析以及關(guān)鍵字的提取，獲取用戶(hù)想要實(shí)現(xiàn)的功能，并自動(dòng)進(jìn)入不同的平臺(tái)進(jìn)行功能的實(shí)現(xiàn);音頻文件向文本的轉(zhuǎn)換，用戶(hù)通過(guò)菜單項(xiàng)選擇進(jìn)入音頻文件轉(zhuǎn)寫(xiě)界面，選擇需要轉(zhuǎn)寫(xiě)的音頻文件，轉(zhuǎn)寫(xiě)完成的文字將顯示在界面的文本框中，用戶(hù)可以選擇是否進(jìn)行文本的編輯和以文檔方式的保存。

三、功能實(shí)現(xiàn)

語(yǔ)音輸入調(diào)用Android的麥克風(fēng)權(quán)限，用戶(hù)點(diǎn)擊界面的麥克風(fēng)圖標(biāo)即可開(kāi)始進(jìn)行語(yǔ)音輸入，通過(guò)捕捉音頻并通過(guò)集成百度離在線(xiàn)語(yǔ)音識(shí)別Android SDK框架，完成語(yǔ)音的識(shí)別工作，識(shí)別完成后會(huì)將識(shí)別結(jié)果展示在用戶(hù)界面。在識(shí)別結(jié)束后，通過(guò)算法實(shí)現(xiàn)語(yǔ)音的關(guān)鍵字提取完成語(yǔ)意的理解，并通過(guò)算法完成用戶(hù)需求的實(shí)現(xiàn)。核心代碼如下：

SpeechLongBottomSheetDialogspeechLongBottomSheetDia-

log = SpeechLongBottomSheetDialog.getInstance（MainActivity.this）;

speechLongBottomSheetDialog.seOnResultListItemClickListener（new SpeechLongBottomSheetDialog.OnResultListItemClickListener（） {@Override

public void onItemClick（String title） {analysisResult=analysis.start（）;

switch （analysisResult）{//body}

用戶(hù)通過(guò)菜單項(xiàng)的選擇進(jìn)入音頻文件轉(zhuǎn)寫(xiě)界面，音頻文件的選擇是申請(qǐng)了Android的WRITE_EXTERNAL_STORAGE權(quán)限，獲取SD卡所有的Audio文件供用戶(hù)選擇，用戶(hù)選擇文件后可對(duì)音頻進(jìn)行播放試聽(tīng)，點(diǎn)擊轉(zhuǎn)寫(xiě)按鈕對(duì)文件進(jìn)行轉(zhuǎn)寫(xiě)。核心代碼如下：

Url+=access_token;

OkHttpClient client=new OkHttpClient（）.newBuilder（）.build（）;

MediaType mediaType=MediaType.parse（"application/json"）;

RequestBodyrequestBody=RequestBody.create（mediaType，"{＼r＼n＼"speech_url＼"：＼"http：//speech-doc.gz.bcebos.com/

rest-api-asr/public_audio/16k.pcm＼"，＼r＼n＼"pid＼"：1537，＼r＼

n＼"rate＼"：16000，＼r＼n ＼"format＼"： ＼"pcm＼"＼r＼n}"）;

Request request=new Request.Builder（）.url（Url）.post（requestBody）.addHeader（"ContentType"，"application/json"

）.build（）;

Response response=client.newCall（request）.execute（）;

四、實(shí)現(xiàn)效果

圖2為語(yǔ)音識(shí)別功能界面實(shí)現(xiàn)圖，通過(guò)點(diǎn)擊下方麥克風(fēng)圖標(biāo)可進(jìn)行語(yǔ)音輸入，識(shí)別結(jié)果及系統(tǒng)回復(fù)將顯示在用戶(hù)界面，隨后，系統(tǒng)將根據(jù)用戶(hù)語(yǔ)音的識(shí)別結(jié)果進(jìn)行相應(yīng)的跳轉(zhuǎn)，如通話(huà)，打開(kāi)指定軟件，搜索等。

圖3為音頻文件轉(zhuǎn)寫(xiě)功能界面實(shí)現(xiàn)圖，通過(guò)點(diǎn)擊圖2所示的主界面中的菜單進(jìn)行跳轉(zhuǎn)，在次界面，用戶(hù)點(diǎn)擊加號(hào)圖標(biāo)添加音頻文件，可通過(guò)播放按鈕控制該音頻文件的播放和暫停，點(diǎn)擊轉(zhuǎn)換按鈕，系統(tǒng)將轉(zhuǎn)換完成的文本顯示在下方文本框，供用戶(hù)操作。

參考文獻(xiàn)：

[1]郭霖.第一行代碼——Android（2版）[M].人民郵電出版社，2016.

[2]楊豐盛.Android應(yīng)用開(kāi)發(fā)揭秘[M].機(jī)械工業(yè)出版社，2010.

[3]李剛.瘋狂Android講義[M].電子工業(yè)出版社，2015.

基金項(xiàng)目：課題資助：南昌航空大學(xué)第14屆三小課題。