用Kotlin開發(fā)android平臺語音識別語義理解應用

 用Kotlin開發(fā)android平臺語音識別，語義理解應用（olamisdk）

轉(zhuǎn)載請注明CSDN博文地址：http://blog.csdn.net/ls0609/article/details/75084994

本文使用Kotlin開發(fā)Android平臺的一個語音識別方面的應用，用的是歐拉密開放平臺olamisdk。

1.Kotlin簡介

Kotlin是由JetBrains創(chuàng)建的基于JVM的編程語言，IntelliJ正是JetBrains的杰作，而android Studio是

基于IntelliJ修改而來的。Kotlin是一門包含很多函數(shù)式編程思想的面向?qū)ο缶幊陶Z言。

　　后來了解到Kotlin原來是以一個島的名字命名的(Котлин)，它是一門靜態(tài)類型編程語言，支持JVM平臺，android平臺，瀏覽器js運行環(huán)境，本地機器碼等。支持與Java，Android 100% 完全互操作。Kotlin生來就是為了彌補Java缺失的現(xiàn)代語言的特性，并極大的簡化了代碼，使得開發(fā)者可以編寫盡量少的樣板代碼。

2.Kotlin,java,Swift簡單比較

• 1.輸出Hello,World!

       JAVA: System.out.println("Hello,World!");

        Kotlin: println("Hello,World!")

        Swift:  print("Hello,World!")

• 2.變量和常量

       Java：  int  mVariable =10;

                mVariable =20;

                static final int mConstant = 10;

        Kotlin：var mVariable = 10

                mVariable = 20

                val mConstant = 10     

        Swift：var mVariable = 10

               mVariable = 20

               let mConstant = 10           

        感覺Swift和Kotlin比Java簡潔,Kotlin和swift很像。

• 3.強制類型轉(zhuǎn)換

      Swift：

               let label = "Hello world "

               let width = 80

               let widthLabel = label + String(width)

       Kotlin：

               val label = "Hello world  "

               val width = 80

               val widthLabel =label + width      

• 4數(shù)組

       Swift ：

                var tempList = ["one", "two","three"]

                tempList[1] = "zero"

        Kotlin ：

               val tempList = arrayOf("one", "two","three")

               tempList[1] = "zero"

• 5.函數(shù)

       Swift ：func greet(_ name: String,_day: String) -> String {

                                     return"Hello\(name),today is \(day)." }

                    greet("Bob", "Tuesday")

            Kotlin ：   

                   fun greet(name: String, day: String): String {

                                      return"Hello$name, today is $day."}

                   greet("Bob", "Tuesday")   

• 6.類聲明及用法

     Swift：

       聲明：classShape {

                    var numberOfSides = 0

                    func simpleDescription() -> String {

                         return"A shapewith \(numberOfSides) sides."

                    }

              }

       用法：varshape = Shape()

              shape.numberOfSides = 7

              var shapeDescription =shape.simpleDescription()

    Kotlin ：

        聲明：classShape {

                    var numberOfSides = 0

                    fun simpleDescription() = "A shapewith $numberOfSides sides."

              }

        用法：var shape = Shape()

               shape.numberOfSides = 7

               var shapeDescription= shape.simpleDescription()

可見，Kotlin和Swift好像，現(xiàn)代語言的特征，比java這樣的高級語言更加簡化，更貼近自然語言。

3.開發(fā)環(huán)境

本文使用的是android studio2.0版本，啟動androd studio。 
如下圖在configure下拉菜單中選擇plugins，在搜索框中搜索Kotlin，找到結(jié)果列表中的”Kotlin”插件。

如下圖，找了一張還沒有安裝kotlin插件的圖

點擊右側(cè)intall，安裝后重啟studio.

4.新建android項目

你可以像以前使用android stuio一樣新建一個andoid項目，建立一個activity。本文用已經(jīng)完成的一個demo來做示范。

如下圖是一個stuio的demo工程 

選擇MainActivity和MessageConst兩個java文件，然后選擇導航欄上的code，在下拉菜單中選擇convert Java file to kotlin file 

系統(tǒng)會自動進行轉(zhuǎn)化，轉(zhuǎn)化完后會生成對應的MainActivity.kt MessageConst.kt文件，打開MainActivity.kt，編譯器上方會提示”Kotlin not configured”，點擊一下Configure按鈕，IDE就會自動幫我們配置好了！

將兩個kt文件復制到src/kotlin目錄下，如下圖

轉(zhuǎn)化后的文件，也許有些語法錯誤，需要按照kotlin的語法修改。

環(huán)境配置好后，來看下gradle更新有哪些區(qū)別

project的gradle代碼如下：

buildscript {

    ext.kotlin_version = '1.1.3-2'

    repositories {

        jcenter()

    }

    dependencies {

        classpath 'com.android.tools.build:gradle:2.0.0'

        //此處多了kotlin插件依賴

        classpath "org.jetbrains.kotlin:kotlin-gradle-plugin:$kotlin_version"

    }

}

allprojects {

    repositories {

        jcenter()

    }

}

再來看看某個module的gradle代碼：

apply plugin: 'com.android.application'

apply plugin: 'kotlin-android'//此處多了這條插件聲明

android {

    compileSdkVersion 14

    buildToolsVersion "24.0.0"

    defaultConfig {

        applicationId "com.olami"

        minSdkVersion 8

        targetSdkVersion 14

    }

    buildTypes {

        release {

            minifyEnabled false

            proguardFilesgetDefaultProguardFile('proguard-android.txt'), 'proguard-rules.txt'

        }

    }

    sourceSets {

        main.java.srcDirs += 'src/main/kotlin'//生成的***.kt文件需要copy到對應的目錄

    }

}

dependencies {

    compile 'com.android.support:support-v4:18.0.0'

    compile files('libs/voicesdk_android.jar')

    compile "org.jetbrains.kotlin:kotlin-stdlib:$kotlin_version"//此處多了kotlin包的依賴

}

repositories {

    mavenCentral()

}

如上所示，如果不是通過轉(zhuǎn)化的方式新建kotlin工程，則需要自己按照上面的gradle中增加的部分配置好。

5.olami語音識別應用

先貼一張識別后的效果圖： 

在MainActivity.kt中

override funonCreate(savedInstanceState: Bundle?) {

        super.onCreate(savedInstanceState)

        setContentView(R.layout.activity_main)

        initHandler()//初始化handler用于處理消息

        initView()//初始化view控件，比如點擊開始錄音的button

        initViaVoiceRecognizerListener()//初始化語音識別回調(diào)，用于返回錄音狀態(tài)和識別結(jié)果

        init()//初始化語音識別對象

}

fun init()

{

        initHandler()

        //定義olami語音識別對象

        mOlamiVoiceRecognizer =OlamiVoiceRecognizer(this@MainActivity)

        val telephonyManager = this.getSystemService(

                                   Context.TELEPHONY_SERVICE) as TelephonyManager

        val imei = telephonyManager.deviceId

        mOlamiVoiceRecognizer!!.init(imei)

        //set null if you do not want to notifyolami server.

        //設置回調(diào)，用于更新錄音狀態(tài)和數(shù)據(jù)等的界面

       mOlamiVoiceRecognizer!!.setListener(mOlamiVoiceRecognizerListener)

        //設置支持的語言類型，默認請設置簡體中文

       mOlamiVoiceRecognizer!!.setLocalization(

                                 OlamiVoiceRecognizer.LANGUAGE_SIMPLIFIED_CHINESE)

       mOlamiVoiceRecognizer!!.setAuthorization("51a4bb56ba954655a4fc834bfdc46af1",  

                                   "asr", "68bff251789b426896e70e888f919a6d", "nli")

        //注冊Appkey，在olami官網(wǎng)注冊應用后生成的appkey

        //注冊api，請直接填寫“asr”，標識語音識別類型

        //注冊secret，在olami官網(wǎng)注冊應用后生成的secret

       mOlamiVoiceRecognizer!!.setVADTailTimeout(2000)

        //錄音時尾音結(jié)束時間，建議填//2000ms

       mOlamiVoiceRecognizer!!.setLatitudeAndLongitude(

                                             31.155364678184498, 121.34882432933009)

        //設置經(jīng)緯度信息，不愿上傳位置信息，可以填0

 }

代碼比較簡單，點擊開始錄音button后，啟動錄音，在OlamiVoiceRecognizerListener中回調(diào)處理，然后通過handler發(fā)送消息用于更新界面。

來看一下初始化view的代碼，看看跟java方式書寫有哪些不同

private fun initView()

{

        mBtnStart = findViewById(R.id.btn_start) asButton

        mBtnStop = findViewById(R.id.btn_stop) as Button

        mBtnCancel = findViewById(R.id.btn_cancel) asButton

        mBtnSend = findViewById(R.id.btn_send) as Button

        mInputTextView = findViewById(R.id.tv_inputText) asTextView

        mEditText = findViewById(R.id.et_content) asEditText

        mTextView = findViewById(R.id.tv_result) asTextView

        mTextViewVolume = findViewById(R.id.tv_volume) asTextView

        mBtnStart!!.setOnClickListener {

            if (mOlamiVoiceRecognizer != null)

                mOlamiVoiceRecognizer!!.start()

        }

        mBtnStop!!.setOnClickListener {

            if (mOlamiVoiceRecognizer != null)

                mOlamiVoiceRecognizer!!.stop()

            mBtnStart!!.text = "開始"

            Log.i("led", "MusicActivity mBtnStop onclick 開始")

        }

        mBtnCancel!!.setOnClickListener {

            if (mOlamiVoiceRecognizer != null)

                mOlamiVoiceRecognizer!!.cancel()

        }

        mBtnSend!!.setOnClickListener {

            if (mOlamiVoiceRecognizer != null)

                mOlamiVoiceRecognizer!!.sendText(mEditText!!.text.toString())

            mInputTextView!!.text = "輸入: " + mEditText!!.text

        }

}

是不是感覺代碼更簡練了？ 

下面兩句賦值，效果相同，第二句可以用id之間進行文本賦值，比以前簡練好多。

mInputTextView!!.text = "輸入: " + mEditText!!.text

tv_inputText.text ="輸入: " + et_content.text

再來看看handler：

private funinitHandler() {

        mHandler = object : Handler() {

            override fun handleMessage(msg:Message) {

                when (msg.what) {

                    MessageConst.CLIENT_ACTION_START_RECORED-> mBtnStart!!.text

                                                               = "錄音中"

                    MessageConst.CLIENT_ACTION_STOP_RECORED -> mBtnStart!!.text

                                                               = "識別中"

                    MessageConst.CLIENT_ACTION_CANCEL_RECORED-> {

                        mBtnStart!!.text = "開始"

                        mTextView!!.text = "已取消"

                    }

                    MessageConst.CLIENT_ACTION_ON_ERROR-> {

                        mTextView!!.text = "錯誤代碼：" + msg.arg1

                        mBtnStart!!.text = "開始"

                    }

                    MessageConst.CLIENT_ACTION_UPDATA_VOLUME-> mTextViewVolume!!.text

                                                               = "音量: " + msg.arg1

                    MessageConst.SERVER_ACTION_RETURN_RESULT-> {

                        if (msg.obj != null)

                            mTextView!!.text = "服務器返回: " + msg.obj.toString()

                        mBtnStart!!.text = "開始"

                        try {

                            val message = msg.obj as String

                            var input: String?= null

                            val jsonObject =JSONObject(message)

                            val jArrayNli =

                                  jsonObject.optJSONObject("data").optJSONArray("nli")

                            val jObj =jArrayNli.optJSONObject(0)

                            var jArraySemantic:JSONArray? = null

                            if (message.contains("semantic")) {

                                jArraySemantic= jObj.getJSONArray("semantic")

                                input =

                                  jArraySemantic!!.optJSONObject(0).optString("input")

                            } else {

                                input =   jsonObject.optJSONObject("data")

                                              .optJSONObject("asr").optString("result")

                            }

                            if (input != null)

                               mInputTextView!!.text ="輸入: " + input

                        } catch (e: Exception) {

                            e.printStackTrace()

                        }

                    }

                }

            }

        }

 }

原來的switch case的方式，變成了when***，代碼不僅簡練，更貼近現(xiàn)代語言，更容易理解。

上面的MessageConst.SERVER_ACTION_RETURN_RESULT時，獲取了服務器返回的結(jié)果，緊接著對這段語義進行了簡單的解析

{

    "data": {

        "asr": {

            "result": "我要聽三國演義",

            "speech_status": 0,

            "final": true,

            "status": 0

        },

        "nli": [

            {

                "desc_obj": {

                    "result": "正在努力搜索中，請稍等",

                    "status": 0

                },

                "semantic": [

                    {

                        "app": "musiccontrol",

                        "input": "我要聽三國演義",

                        "slots": [

                            {

                               "name": "songname",

                               "value": "三國演義"

                            }

                        ],

                        "modifier": [

                            "play"

                        ],

                        "customer": "58df512384ae11f0bb7b487e"

                    }

                ],

                "type": "musiccontrol"

            }

        ]

    },

    "status": "ok"

}

1）解析出nli中type類型是musiccontrol,這是語法返回app的類型，而這個在線聽書的demo只關(guān)心musiccontrol這個app類型，其他的忽略。

2）用戶說的話轉(zhuǎn)成文字是在asr中的result中獲取 
3）在nli中的semantic中，input值是用戶說的話，同asr中的result。 
modifier代表返回的行為動作，此處可以看到是play就是要求播放，slots中的數(shù)據(jù)表示歌曲名稱是三國演義。 
那么動作是play，內(nèi)容是歌曲名稱是三國演義，在這個demo中調(diào)用 
mBookUtil.searchBookAndPlay(songName,0,0);會先查詢，查詢到結(jié)果會再發(fā)播放消息要求播放，我要聽三國演義這個流程就走完了。

這段是在線聽書應用中的語義解析，詳情請看博客：http://blog.csdn.net/ls0609/article/details/71519203

6.代碼下載

用Koltlin實現(xiàn)android平臺語音識別語義理解

7.相關(guān)博客

語音在線聽書博客：http://blog.csdn.net/ls0609/article/details/71519203

語音記賬demo：http://blog.csdn.net/ls0609/article/details/72765789

基于JavaScript用olamisdk實現(xiàn)web端語音識別語義理解（speex壓縮）

http://blog.csdn.net/ls0609/article/details/73920229

olami開放平臺語法編寫簡介：http://blog.csdn.net/ls0609/article/details/71624340

olami開放平臺語法官方介紹：https://cn.olami.ai/wiki/?mp=nli&content=nli2.html