在目前的软件应用中,输入方式还是以文字输入方式为主,但是语音输入的方式目前应用的越来越广泛。这是一个利用 Olami SDK 编写的一个24点iOS程序,是通过语音进行输入。
Olami SDK的介绍在下面这个网址
https://cn.olami.ai/wiki/?mp=sdk&content=sdk/ios/reference.html
在这个网址中详细的介绍了Olami SDK包含了那些函数和定义的委托。
App实现
下面就通过24点这个程序来介绍一下如何使用这个SDK。
这个APP可在https://github.com/lym-ay/OlamiRecognizerMath24下载
去上面的网址下载Olami SDK.包括两个文件,其中的一个是Olami的静态函数库,一个是其头文件
第一步是初始化Olami的语音识别对象,并设置代理
2.调用setAuthorization函数进行授权
这个函数的参数的说明在OlamiRecognizer中有说明,也可以去在线API说明去查看
https://cn.olami.ai/wiki/?mp=sdk&content=sdk/ios/reference.html
有些参数必须去Olami的开发平台上注册才可以获的,网址是https://olami.ai,注册登陆以后创建应用才可以看到了
3.设置语系
在进行录音之前必须要先进行设置,否则会得不到结果。目前只支持简体中文(LANGUAGE_SIMPLIFIED_CHINESE)
4.开始录音
调用 start()接口开始进行录音
5.得到录音的文字和语义,并对其进行处理
通过调用stop()函数或者自动停止,都会获得录音的文字和对其进行的语义分析的结果
实现OlamiRecognizerDelegate onResult函数可以获得结果,其结果以一个json字符串的形式回调过来,对这个字符串进行解析,就可以获得想要的数字。例如对着话筒说”2345算24点”,得到的结果如下
这个是根据OSL语法描述语言定义的一套规则,返回的结果。这个结果的说明在https://cn.olami.ai/wiki/?mp=api_nlu&content=api_nlu3.html这个网址上有说明。
看到这里大家可能会有疑惑,APP怎么知道我说的是什么意思呢?这就涉及到了OSL语法描述语言,OLAMI 语法描述语言(OLAMI Syntax Language,简称:OSL)是 OLAMI 平台针对自然语言处理所发展出的独特语法标记语言,自然语言语义互动(Natural Language Interaction, 简称:NLI)管理系统采用 OSL 取代复杂的编码编程,使用简单、容易学习而且灵活有弹性。可以在这个网址查看详细的说明
https://cn.olami.ai/wiki/?mp=osl&content=osl1.html
在编写这个APP之前,会按照OSL的要求编写好一套语法,这套语法可以被Olami的服务器所理解,并进行语义分析然后给出结果,就是上面的json字符串。在Olami官网上有写好的一些领域的模块,可以直接使用。在https://cn.olami.ai/wiki/?mp=nli&content=nli1.html网址可以看到介绍如何使用以后的模块。这个24点就是利用已有的模块来编写代码的。
6.创建应用,设置和导入grammar
首先去olami的主页去登陆和注册。登陆以后转到这页面
在这个页面可以看到我的应用 math24,还可以查看key
当然这个页面必须创建应用以后才有,点击“创建新应用”,转到下面这个页面
填写 应用名称,应用描述,应用介绍以后,就可以创建了。回到上一个页面,就可以看到创建的应用了。
点击”进入NLI系统”就可以进入模块页面
在官网已经内置了很多领域的grammar.在模块页面大家点击“导入”按钮,查看已有领域的模块
选择一个要使用的,例如我要导入”math24”这个模块,先选择它,点击“导入” 按钮
然后进入 math24模块,就可以看到例句
但是这个时候还是不能使用,需要先进行发布。点击页面上方的”发布”按钮,进入发布页面
点击“发布”按钮
发布成功,现在就可以使用24模块了。
Olami还提供了测试grammar的功能,点击“测试”按钮,可以在页面进行测试,而不必要先开发APP
最后还要回到“我的应用”界面,点击”配置NLI模块”按钮,让自己创建的应用和模块关联起来
7.onResult 函数的说明
在整个程序中,最主要的一个函数就是onResult函数
这个函数就是对传过来的结果进行处理
在这个函数中,调用了三个函数,分别来处理josn格式中的三个比较重要的节点
这个用来处理ASR节点,获得语音识别的结果,如果没有结果,则弹出一个对话框进行提示。ASR识别的文字显示在第一个TextView中
这个用来处理Semantic节点,这个节点中包含了slot的值和modifier的值。OSL 语法描述语言中的 slot 可理解为语义中的变量,用于传递、提取信息,是代码处理的数据的来源。对于24点这个程序来说,就是进行计算的4的数的来源。关于slot的值可以参考https://cn.olami.ai/wiki/?mp=osl&content=osl_slot.html,这里有详细说明。在24点程序中我们的要计算的数字就是从这里获得的。
这个用来处理语音和语义的结果。这个函数主要是处理json字符串中的modifier节点。modifier 语法描述规则是 OSL 语法描述语言中,除了 slot 以外的另一种内置的信息传递机制,一般用来表示语义目的,也可以理解为对于语义的一种注释方式,以便让应用程序的开发者得知 grammar 所代表的相应意图。详细说明参考
https://cn.olami.ai/wiki/?mp=osl&content=osl_regex.html#11,通过modifier,我们才能知道程序的意图是什么?例如是想发问,还是计算结果。
如上代码所示,在24点钟我们定义了7个modifier,根据字面意思大家也可以猜出来。这些都可以在OSL语法中自定义,然后通过Josn字符串获得,在程序中进行处理。这个是我们程序进行处理的一个判断机制。
上图为2017年最新的视频教程资料,搜索2352149755加我好友私聊我上传视频教程,有什么不懂的也可以来私聊问我。
不定时更新中。
如果你能明白这些视频资料的好差,那么你也算是入行了,底层和中高层就是这一步之差。