HTML用javascrip在浏览器上实现语音输入和语义理解功能（speex压缩）

摘要：返回的字串如下我要听三国演义这本书正在努力搜索中，请稍等我要听三国演义这本书三国演义通过解析这段，可以得到类型，用于查询书名，是表示行为是播放。

转载请注明原文地址：传送

olami 开放平台 sdk 除了支持语音识别功能外，更强大的在于支持语义理解功能，在 Android 平台和 iOS 平台都有示例 demo 供大家下载。

语音在线听书demo：传送

语音记账demo：传送

在 web 端，基于 JavaScript 用 olami 开放平台 sdk 也可以实现语音识别语义理解。本文就实现了这样一个小程序，web 客户端本地用麦克风录音，录音的数据用 speex 压缩，然后跨域向服务器发送请求，返回识别的语音和语义字符串并显示。

先上图：

如下图刚载入的时候，未录音前界面

点击开始录音button后

一句话说完自动检测尾音结束标志然后压缩上传给服务器进行识别

将从服务器获取的识别结果显示到界面上

本例中说的语音是：“我要听三国演义这本书”，用的是 android 平台听书 app 建立的语法。
返回的json字串如下：

{
    “data”: {
        “asr”: {
            “result”: “我要听三国演义这本书”,
            “speech_status”: 0,
            “final”: true,
            “status”: 0
        },
        “nli”: [
            {
                “desc_obj”: {
                    “result”: “正在努力搜索中，请稍等”,
                    “status”: 0
                },
                “semantic”: [
                    {
                        “app”: “musiccontrol”,
                        “input”: “我要听三国演义这本书”,
                        “slots”: [
                            {
                                “name”: “songname”,
                                “value”: “三国演义”
                            }
                        ],
                        “modifier”: [
                            “play”
                        ],
                        “customer”: “58df512384ae11f0bb7b487e”
                    }
                ],
                “type”: “musiccontrol”
            }
        ]
    },
    “status”: “ok”
}

通过解析这段 json，可以得到 app 类型，songname (用于查询书名)，modifier 是 play 表示行为是播放。

这段 json 的语法当然是用户自定义的，获得了 json 字串就可以解析得到程序需要的字段用于对应的操作，从而实现了语义理解功能。olami 开放平台语法编写介绍

下面来看看实现的 code，用 eclipse 建立 J2EE 工程 WebVoiceRecognize

初次搭建可以参考如下网站： 传送

下面是建立的工程目录结构，发布后，网页打开运行在chrome或者QQ浏览器均可。

下面讲述下 voiceRecognize.html 这个文件，其他都是 min.js,只需知道如何调用就可以了。

    
    
     
    
     
      
          
     

    
        

        
点击开始button录音,点击停止button停止录音并进行识别
        

        
        
      
      
result:
      

         
       
      
     

浏览器载入的时候，先调用load()进行初始化

function load(){
setAuthorization(
                "http://cn.olami.ai/cloudservice/api",//serverurl
                "51a4bb56ba954655a4fc834bfdc46af1", //appkey             
                "asr",//api类型
                "68bff251789b426896e70e888f919a6d",//appSecret
                "nli");//seq
setCallBackFromServerResult(getResultFromServer);
}

initAudio()中初始化了recorder用于获取麦克风资源做录音使用。

setAuthorization函数，参数分别是

url :服务器地址
appkey:开放平台注册应用后获得的appkey
api:api类型选asr为语音
appSecret:开放平台注册应用后获得的appSecret
nli:为seq表示包含语音语义返回，为stt表示只有语音返回

setCallBackFromServerResult(getResultFromServer) 注册录音介绍并且识别出结果后的回调，在回调函数中可以把结果输出到界面上。

当点击开始录音 button 后，调用

function StartRecording()
{
      // start recording
      if (audioRecorder == null)
      {
         initAudio();   
         alert("need initialize media");    
      }        
      audioRecorder.clear();
      audioRecorder.record();  
      recording = true;  
      bRecorded = false;
      ToggleLabels(); 
      RegisterCallBackToRecorder(); //注册recoder回调        
}

当在录音的js代码中，会自动检测尾音结束，然后回调注册的函数speexEncode ()，点击停止录音button一样调用这个函数

window.speexEncode =  function()
 {
    exportSpeex();      
 };


  function exportSpeex()
{
    recording = false;
    bRecorded = true;
    ToggleLabels();//更新界面的button状态
    audioRecorder.stop();               
    audioRecorder.exportPCM(uploadSpeexData);
} 

audioRecorder.exportPCM(uploadSpeexData) 实现了将录好的 16Kpcm 语音压缩成 speex 格式并上传到服务器，从服务器取得结果后调用注册的

setCallBackFromServerResult(getResultFromServer)函数，然后再函数 getResultFromServer 中进行结果的输出显示。

代码下载地址：

https://github.com/ls0609/Web...

相关网站链接：

olami开放平台语法官方介绍：https://cn.olami.ai/wiki/?mp=...
olami开放平台语法编写简介：http://blog.csdn.net/ls0609/a...