利用Olami SDK 实现语音控制计算器（iOS）

2017-08-21 本文已影响0人 Scarlett_ZHAO

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

图片描述其中包括结果FMDB收藏、侧滑栏、主题换肤、音量正余弦动画等多种动画、混合运算算法等等。

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：

，把libOlamiRecognizer.a静态库文件和OlamiRecognize.h对外提供接口文件拖入到我们的工程中。配置工程：

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

点击查看key：

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，

，供大家选择的还是很多的。也可以点击“进入NLI系统”，再点击导入，可以看到如下界面，这里也是已经有的模块有需要的直接导入：

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

/
-(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;
@end

typedef NS_ENUM(NSInteger, LanguageLocalization) {
LANGUAGE_SIMPLIFIED_CHINESE = 0, //简体中文
LANGUAGE_TRADITIONA_CHINESE = 1 //繁体中文
};
@interface OlamiRecognizer : NSObject
@property (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 100010000（ms）默认3000
-(void)setVADTimeoutBackSIL:(unsigned int)value;//设置VAD后端点超时范围 100010000（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];

}

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);

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

您喜欢的话还请多多支持，不明白可以留言也欢迎加qq、微信讨论：121003626