開發一個會叫自己“爺爺”的“孫子”，是一種什么樣的體驗？

獨居的生活很是無聊，如果有什么成精的東西和我聊聊天就好了…

“獨居的生活很是無聊，如果有什么成精的東西和我聊聊天就好了”，基于這個獨特的想法，我，決定讓某一樣東西成精，賦予它閱讀指定文字的能力，

目前市面上有兩款產品可以較好的實作語音相關的功能，分別是百度語音識別與科大訊飛語音識別，在這兩個中我選科大訊飛，如果Python、Node.js、C#、C++、PHP作為你的開發語言，百度語音識別可以找到相關檔案，如果開發的語音識別是搭載著HarmonyOS系統上，可以選科大訊飛，二者各有所長、各有所短，

在操作前需要先前往官網下載語音相關的demo，demo里面有我們集成語音技術必要的資源，

下載后，將assets、libs檔案夾拷貝至自己的專案，在AndroidManifest.xml靜態宣告部分權限，

<!--連接網路權限，用于執行云端語音能力 -->
<uses-permission android:name="android.permission.INTERNET"/>
<!--獲取手機錄音機使用權限，聽寫、識別、語意理解需要用到此權限 -->
<uses-permission android:name="android.permission.RECORD_AUDIO"/>
<!--讀取網路資訊狀態 -->
<uses-permission android:name="android.permission.ACCESS_NETWORK_STATE"/>
<!--獲取當前wifi狀態 -->
<uses-permission android:name="android.permission.ACCESS_WIFI_STATE"/>
<!--允許程式改變網路連接狀態 -->
<uses-permission android:name="android.permission.CHANGE_NETWORK_STATE"/>
<!--讀取手機資訊權限 -->
<uses-permission android:name="android.permission.READ_PHONE_STATE"/>
<!--外存盤寫權限，構建語法需要用到此權限 -->
<uses-permission android:name="android.permission.WRITE_EXTERNAL_STORAGE"/>
<!--外存盤讀權限，構建語法需要用到此權限 -->
<uses-permission android:name="android.permission.READ_EXTERNAL_STORAGE"/>
<!--配置權限，用來記錄應用配置資訊 -->
<uses-permission android:name="android.permission.WRITE_SETTINGS"/>
<!--手機定位資訊，用來為語意等功能提供定位，提供更精準的服務-->
<!--定位資訊是敏感資訊，可通過Setting.setLocationEnable(false)關閉定位請求 -->
<uses-permission android:name="android.permission.ACCESS_FINE_LOCATION"/>

接著動態申請危險權限：

/**
* android 6.0 以上需要動態申請錄制音頻、寫外部存盤權限
*/
private void initPermission() {
   String permissions[] = {Manifest.permission.RECORD_AUDIO,
           Manifest.permission.WRITE_EXTERNAL_STORAGE
   };
   ArrayList<String> toApplyList = new ArrayList<String>();

   for (String perm : permissions) {
       if (PackageManager.PERMISSION_GRANTED != ContextCompat.checkSelfPermission(this,
               perm)) {
           toApplyList.add(perm);
       }
   }
   String tmpList[] = new String[toApplyList.size()];
   if (!toApplyList.isEmpty()) {
       ActivityCompat.requestPermissions(this, toApplyList.toArray(tmpList), 123);
   }
}

使用科大訊飛語音識別需要初始化，初始化即創建語音配置物件，只有初始化后才可以使用MSC的各項服務，建議將初始化放在程式入口處（如Application、Activity的onCreate方法），

// 將“=”后面的字串替換成您申請的APPID，申請地址：http://www.xfyun.cn
// 請勿在“=”與appid之間添加任何空字符或者轉義符
SpeechUtility.createUtility(this, "appid=" + getString(R.string.app_id));

實作語音識別監聽

/**
* 語音識別監聽器
 */
private RecognizerDialogListener mRecognizerDialogListener = new RecognizerDialogListener() {
    public void onResult(RecognizerResult results, boolean isLast) {
        if (!isLast) {
            // 識別結果
        }
    }
    // 識別回呼錯誤.
    public void onError(SpeechError error) {
        Toast.makeText(MainActivity.this, error.getPlainDescription(true),
                Toast.LENGTH_SHORT).show();
    }
};

接著就是 call 孫子啦

public void call() {
    // 使用SpeechRecognizer物件，可根據回呼訊息自定義界面；
    mIat = SpeechRecognizer.createRecognizer(this, mInitListener);
    if (null == mIat) {
        // 創建單例失敗，與 21001 錯誤為同樣原因，參考 http://bbs.xfyun.cn/forum.php?mod=viewthread&tid=9688
        Toast.makeText(this, "創建物件失敗，請確認 libmsc.so 放置正確，且有呼叫 createUtility 進行初始化",
                Toast.LENGTH_SHORT).show();
        return;
    }
    // 清除資料
    mIatResults.clear();
    // 設定引數
    // 清空引數
    mIat.setParameter(SpeechConstant.PARAMS, null);
    // 設定聽寫引擎型別
    mIat.setParameter(SpeechConstant.ENGINE_TYPE, SpeechConstant.TYPE_CLOUD);
    // 設定回傳結果的資料格式
    mIat.setParameter(SpeechConstant.RESULT_TYPE, "json");

    if (language.equals("zh_cn")) {
        String lag = mSharedPreferences.getString("iat_language_preference",
                "mandarin");
        // 設定語言
        mIat.setParameter(SpeechConstant.LANGUAGE, "zh_cn");
        // 設定語言區域
        mIat.setParameter(SpeechConstant.ACCENT, lag);
    } else {
        mIat.setParameter(SpeechConstant.LANGUAGE, language);
    }
    //此處用于設定dialog中不顯示錯誤碼資訊
    mIat.setParameter("view_tips_plain", "false");

    // 設定語音前端點:靜音超時時間，即用戶多長時間不說話則當做超時處理
    mIat.setParameter(SpeechConstant.VAD_BOS, mSharedPreferences.getString(
            "iat_vadbos_preference", "4000"));

    // 設定語音后端點:后端點靜音檢測時間，即用戶停止說話多長時間內即認為不再輸入， 自動停止錄音
    mIat.setParameter(SpeechConstant.VAD_EOS, mSharedPreferences.getString(
            "iat_vadeos_preference", "1000"));

    // 設定標點符號,設定為"0"回傳結果無標點,設定為"1"回傳結果有標點
    mIat.setParameter(SpeechConstant.ASR_PTT, mSharedPreferences.getString(
            "iat_punc_preference", "1"));

    // 設定音頻保存路徑，保存音頻格式支持pcm、wav，設定路徑為sd卡請注意WRITE_EXTERNAL_STORAGE權限
    mIat.setParameter(SpeechConstant.AUDIO_FORMAT, "wav");
    mIat.setParameter(SpeechConstant.ASR_AUDIO_PATH,
            Environment.getExternalStorageDirectory() + "/msc/iat.wav");
    mIatDialog.setListener(mRecognizerDialogListener);//設定監聽
    mIatDialog.show();// 顯示對話框
}

看到show()方法沒？隨著show()方法的執行，語音識別功能也就完成了喔

爺爺問話了，此時的孫子還不能回復爺爺的話，對于爺爺的招呼，也只能默默的看著爺爺，像個木頭人似的不知所措，

孫子發言，需要使用語音合成，語音合成，與語音聽寫相反，語音合成是將一段文字轉換為語音，可根據需要合成出不同音色、語速和語調的聲音，讓機器像人一樣開口說話，不僅如此，還能根據個人需求，更換孫子或孫女，高端的孫子、孫女往往都可以識別民族語言、多國語言的喔，

孫子怎么知道應該回復什么資訊呢？

回復的資訊是我們提前預設好的，發言的不同，回復的內容也不一樣，語音識別和命令詞識別有一點區別，命令詞識別是識別語音并提取提前預設的關鍵詞通過文本輸出，而語音識別則是直接將一串語音翻譯成文本直接輸出，

我把爺爺發言與孫子的答復提前插入Sqlite，待語音識別到的文本與存盤在Sqlite里爺爺的發言一致時，取對應的答案，通過語音輸出，孫子也就不再是一個啞巴了，

那么，我們來實作孫子的語音回復吧，

/**
* 孫子回復
* @param answer 孫子回復內容
 */
private void grandsonAnswer(String answer) {
    // 初始化云端發音人名稱串列
    cloudVoicersEntries = getResources().getStringArray(R.array.voicer_cloud_entries);
    cloudVoicersValue = getResources().getStringArray(R.array.voicer_cloud_values);
    // 初始化合成物件
    mTts = SpeechSynthesizer.createSynthesizer(this, mInitListener);
    // 清空引數
    mTts.setParameter(SpeechConstant.PARAMS, null);
    //設定合成
    //設定使用云端引擎
    mTts.setParameter(SpeechConstant.ENGINE_TYPE, SpeechConstant.TYPE_CLOUD);
    //設定發音人
    mTts.setParameter(SpeechConstant.VOICE_NAME, voicerCloud);
    //mTts.setParameter(SpeechConstant.TTS_DATA_NOTIFY,"1");//支持實時音頻流拋出，僅在synthesizeToUri條件下支持
    //設定合成語速
    mTts.setParameter(SpeechConstant.SPEED, "50");
    //設定合成音調
    mTts.setParameter(SpeechConstant.PITCH, "50");
    //設定合成音量
    mTts.setParameter(SpeechConstant.VOLUME, "50");
    //設定播放器音頻流型別
    mTts.setParameter(SpeechConstant.STREAM_TYPE, "3");
    //	mTts.setParameter(SpeechConstant.STREAM_TYPE, AudioManager.STREAM_MUSIC+"");

    // 設定播放合成音頻打斷音樂播放，默認為true
    mTts.setParameter(SpeechConstant.KEY_REQUEST_FOCUS, "true");

    // 設定音頻保存路徑，保存音頻格式支持pcm、wav，設定路徑為sd卡請注意WRITE_EXTERNAL_STORAGE權限
    mTts.setParameter(SpeechConstant.AUDIO_FORMAT, "wav");

    mTts.setParameter(SpeechConstant.TTS_AUDIO_PATH,
            Environment.getExternalStorageDirectory() + "/msc/tts.wav");
    int code = mTts.startSpeaking(answer, mTtsListener);
    if (code != ErrorCode.SUCCESS) {
        Toast.makeText(this, "語音合成失敗,錯誤碼: " + code + ",請點擊網址https://www.xfyun" +
                ".cn/document/error-code查詢解決方案", Toast.LENGTH_SHORT).show();
    }
}

代碼copy一下運行起來便是這樣的結果了 ↓

如果想聽孫子叫爺爺，那呼叫方法的時候直接傳一個爺爺的引數就可以啦

public void callGrandpa(View view) {
    grandsonAnswer("爺爺~");
}

孫子的聲音聽膩了，還可以切換成孫女的聲音

/**
* 切換孫子或孫女
*/
public void update(View view) {
   new AlertDialog.Builder(this).setTitle("更換孫子或孫女")
           .setSingleChoiceItems(cloudVoicersEntries, // 單選框有幾項,各是什么名字
                   selectedNumCloud, // 默認的選項
                   new DialogInterface.OnClickListener() { // 點擊單選框后的處理
                       public void onClick(DialogInterface dialog,
                                           int which) { // 點擊了哪一項
                           voicerCloud = cloudVoicersValue[which];
                           selectedNumCloud = which;
                           dialog.dismiss();
                       }
                   }).show();
}

可切換的孫子、孫女

<!-- 合成 -->
 <string-array name="voicer_cloud_entries">
     <item>小燕</item>
     <item>小宇</item>
     <item>凱瑟琳</item>
     <item>亨利</item>
     <item>瑪麗</item>
     <item>小研</item>
     <item>小琪</item>
     <item>小峰</item>
     <item>小梅</item>
     <item>小莉</item>
     <item>小蓉</item>
     <item>小蕓</item>
     <item>小坤</item>
     <item>小強 </item>
     <item>小瑩</item>
     <item>小新</item>
     <item>楠楠</item>
     <item>老孫</item>
 </string-array>
 <string-array name="voicer_cloud_values">
     <item>xiaoyan</item>
     <item>xiaoyu</item>
     <item>catherine</item>
     <item>henry</item>
     <item>vimary</item>
     <item>vixy</item>
     <item>xiaoqi</item>
     <item>vixf</item>
     <item>xiaomei</item>
     <item>xiaolin</item>
     <item>xiaorong</item>
     <item>xiaoqian</item>
     <item>xiaokun</item>
     <item>xiaoqiang</item>
     <item>vixying</item>
     <item>xiaoxin</item>
     <item>nannan</item>
     <item>vils</item>
 </string-array>

到這里，能想到的功能也就都完成了，附上demo運行GIF

最后也不要忘記當界面銷毀后，對應的變數應該釋放記憶體

@Override
protected void onDestroy() {
    super.onDestroy();
    if( null != mIat ){
        // 退出時釋放連接
        mIat.cancel();
        mIat.destroy();
    }
    if( null != mTts ){
        mTts.stopSpeaking();
        // 退出時釋放連接
        mTts.destroy();
    }
}

本文代碼已上傳至：開發一個會叫自己“爺爺”的“孫子”，是一種什么樣的體驗？

參考文獻：
1、Android 科大訊飛語音識別(詳細步驟+原始碼)
2、科大訊飛在線語音聽寫 Android SDK 檔案
3、科大訊飛在線語音合成 Android SDK 檔案