博客
关于我
强烈建议你试试无所不能的chatGPT,快点击我
基于AliOS Things玩转智能语音
阅读量:5877 次
发布时间:2019-06-19

本文共 4098 字,大约阅读时间需要 13 分钟。

随着AI技术的进步,智能语音开始将人机交互从手+眼睛的传统模式中解放出来。带给人们更便捷、更风趣、更有人情味的体验,让被操作对象变得不再只是一个死板的工具,而更像是一个有生命的助理。“帮我打开空调”,“明天上班需要带伞吗”,“帮我冲100块钱话费”…在万物互联的时代,你的所有需求只需要一句话便能实现。

AliOS Things 集成的Link Voice SDK即可实现智能语音交互。

关于阿里智能语音服务

阿里智能语音服务为设备提供语音交互能力、丰富的音乐内容、智能家居控制等,并可进行专有设备技能定制(如:语音操控跑步机、按摩椅等设备)。包括:

  • 通用服务:搜歌、搜栏目、搜电台、问天气、百科、四则运算等;
  • 阿里服务:控制智能家居、充值手机费、天猫超市购物、查询电费等 (需接入账号体系,可参考SDS接入);
  • 私有服务:操控设备、售后电话查询等 (需要技能定制,签约时请提供产品需求)。

功能集成

设备接入阿里语音服务,需要集成Alink SDK和Link-Voice SDK,其中Alink SDK为设备提供接入阿里IoT平台的连接、账号体系、配网、OTA等能力,而Link-Voice SDK为设备提供阿里智能语音服务。设备首先要集成了Alink SDK成为SDS平台的一个设备,才能通过集成Link-Voice SDK使用阿里智能语音服务。

Link-Voice SDK除了依赖Alink为设备完成平台接入设备管理外,还需要表格所列模块完成相应工作。其中websockets用来进行语音数据的交互;opus完成语音录制的PCM格式到opus格式的转换(服务端只接收opus格式);cjson用来做json解析;mbedtls为alink和websockets的底层连接进行加密,为其数据传输提供安全保障。
依赖组件

而目前AliOS Things已完成以上表格所有模块的移植适配工作并将其集成进来,所以我们直接使用AliOS Things便可完成愉快的智能语音开发。主mcu性能建议:

  • Flash>=512KB
  • RAM>=200KB
  • CPU>=180Mhz

单次语音识别流程图

简化缓冲处理等细节:

_19_

开发平台准备

按理满足功能集成章节性能要求,并带音频录制及播放功能的开发板即可。前提是需要完成AliOS Tings的移植适配工作。本文以全志xr871evb(已完成OS适配)为例进行介绍。

本平台资源:

  • cpu:192Mhz cortext-M4f
  • RAM:448KB(部分硬件相关code需要加载到ram中运行,实际可用约280KB)
  • FLASH:2MB SPI FLASH

环境搭建及代码编译

先搭建AliOS开发环境(以linux为例):

AliOS-Things-Linux-Environment-Setup

然后从github阿里官方开源库下载最新版本的AliOS Things源码():

以linux下开发为例:

git clone git@github.com:alibaba/AliOS-Things.git

切换到主分支:

git checkout master

建议再在主分支上新建一个自己的开发分支:

git checkout –b dev-xxx(yourname):

到目前为止环境也安装好了,代码也准备完毕,只待编译及烧录测试。

编译link-voice测试例程:

aos make linkvoiceapp@xr871evb xr871=1

代码烧入:

cd platform/mcu/xr871/tools/

修改串口配置:

vim settings.ini

将串口改成你板子的串口号,可ls /dev/tty*查看,保存退出。

uart setting
代码烧写,先将全志开发板启动选择拨码开关拨至NO位置,如同所示:
flash setting
然后执行

./phoenixMC_linux  开始进行代码烧写,烧写完成后再将拨码开关拨回靠串口位置,重启。

打开minicom或其他串口工具监视设备输入信息,波特率115200。

功能演示:
初次上电后先进行配网:

netmgr connect ssid psswd

其中ssid和psswd分别替换为你无线网络名及密码。

由于没有加本地关键词识别功能,所以现在没次对话需要按键触发。
根据终端提示,待网络连接后,出现以下提示时:
press key
按按键2(AK2)触发语音识别功能。
talking
此时对着开发板说话,语音数据被编码、上传到云端、识别成功后返回相应信息,识别失败亦有相应提示。

示例:

1:明天上班需要带伞吗?
2.给我讲个鬼故事。
3.推荐一部悬疑电影。
4.把空调打开。

以下为一个小的演示视频:

API介绍

1)初始化

int pal_init(const struct pal_config *config);

  • 说明: SDK初始化,只需调用一次。
  • 入参:config结构体向SDK传递必须的参数
  • 返回:0成功;-1失败

2)销毁

void pal_destroy();

  • 说明:SDK销毁,释放资源。
  • 入参:无
  • 返回:无

3)获取SDK版本

int pal_version();

  • 说明:返回SDK的版本号
  • 入参:无
  • 返回:SDK版本号

4)设置日志级别

void pal_set_log_level(int level);

  • 说明:设置SDK的日志级别。调试阶段可设置为PAL_LOG_LEVEL_DEBUG方便调试问题,调试稳定之后上线前把日志级别设置为PAL_LOG_LEVEL_ERROR。
  • 入参:level为SDK的日志级别
  • 返回:无

5)设置环境

void pal_set_env(int env);

  • 说明:设置SDK的环境,默认是PAL_ENV_RELEASE,在厂商外部环境下可以连接阿里线上环境。厂商无需使用这个接口。
  • 入参:env为SDK的环境
  • 返回: 无

6)厂商播放器向SDK上报消息

int pal_notify_msg(const char *msg);

  • 说明:厂商的播放器的状态或者按键事件需要按照Link_Voice_SDK_播控协议_v1.0.0.xlsx定义的json格式上报给SDK与上层应用同步状态。
  • 入参:msg为厂商播放器需要向SDK传递的事件消息
  • 返回:0成功;-1失败

7)厂商播放器通过SDK透传ALink消息

int pal_post_alink_msg(const char *msg);

  • 说明:SDK初始化过程会把ALink进行初始化,与阿里平台保持物联长连接,厂商设备需要上报给ALink的消息可通过该接口上报,SDK对该消息进行透传上报给ALink服务端。
  • 入参:msg为厂商需要通过SDK透传给ALink进行上报的消息,格式按照ALink定义的消息格式
  • 返回:0成功;-1失败

8)开始一次语音识别

int pal_asr_start();

  • 说明:设备通过按键或者远场唤醒触发语音识别时调用。
  • 入参:无
  • 返回:0成功;-1失败;

9)发送语音数据

int pal_asr_send_buffer(const char *buffer, int buffer_len);

  • 说明:该接口要在调用pal_asr_start成功了之后调用,发送语音数据。如果是PCM格式的数据,则要求每次640字节。如果返回PAL_VAD_STATUS_STOP则为云端检测到语音结束了,厂商这时候可以调用pal_asr_stop或pal_asr_stop_async来获本次识别结果。
  • 入参:buffer语音数据,buffer_len语音数据长度,字节
  • 返回:返回云端检测到的VAD状态

10)结束本次语音识别(同步接口)

struct pal_rec_result* pal_asr_stop();

  • 说明:pal_rec_result结构体返回本次语音识别的结果,同步的接口。结构体里的字段status表示本次语音识别的状态;should_restore_player_status表示厂商播放器处理完本次语音识别事件之后是否恢复之前的状态,0是不恢复,1是恢复;asr_result表示ASR识别的文本;task_status表示语音识别任务状态,PAL_REC_TASK_STATUS_END表示单次语音识别会话结束,PAL_REC_TASK_STATUS_WAITING表示多轮对话,应当播完TTS之后自动进入拾音状态,开始一次新的语音识别。
  • 入参:无
  • 返回:语音识别结果的结构体

11)结束本次语音识别(异步接口)

void pal_asr_stop_async(pal_asr_callback callback, void *user);

  • 说明:异步返回的接口,功能与pal_asr_stop一样。
  • 入参:callback注册的回调函数,用于返回语音识别结果;user用户自定义指针,在callback中会回传给用户
  • 返回:无

12)取消本次语音识别

void pal_asr_cancel();

  • 说明:取消本次的语音识别。
  • 入参:无
  • 返回:无

13)销毁语音识别结果

void pal_rec_result_destroy(struct pal_rec_result *result);

  • 说明:pal_asr_stop和pal_asr_stop_async返回的语音识别结果,需要通过该接口来释放资源。
  • 入参:result需要销毁的结果
  • 返回:无

14)文本转语音(同步接口)

struct pal_rec_result* pal_get_tts(const char *text);

  • 说明:提供文本转语音的功能。返回的结果pal_rec_result需要通过pal_rec_result_destroy销毁。
  • 入参:text需要转换的文本
  • 返回:返回的结构体,文本转语音的结果在tts字段中,是一个可播放的url。

更多

关于AliOS Things更多信息,请参考

关于Link Voice的更多信息,请参考

转载地址:http://jqkix.baihongyu.com/

你可能感兴趣的文章
《系统架构师》——操作系统和硬件基础
查看>>
如何看待一本图书
查看>>
Linux 中如何通过命令行访问 Dropbox
查看>>
开发进度——4
查看>>
JS里验证信息
查看>>
Akka actor tell, ask 函数的实现
查看>>
windows10 chrome 调试 ios safari 方法
查看>>
Netty 4.1.35.Final 发布,经典开源 Java 网络服务框架
查看>>
详解Microsoft.AspNetCore.CookiePolicy
查看>>
SCDPM2012 R2实战一:基于SQL 2008 R2集群的SCDPM2012 R2的安装
查看>>
SQL SERVER中字段类型与C#数据类型的对应关系
查看>>
Linux lsof命令详解
查看>>
SVG path
查看>>
js判断checkbox是否选中
查看>>
多系统盘挂载
查看>>
MySQL函数怎么加锁_MYSQL 函数调用导致自动生成共享锁问题
查看>>
MR1和MR2的工作原理
查看>>
Eclipse中修改代码格式
查看>>
GRUB Legacy
查看>>
关于 error: LINK1123: failure during conversion to COFF: file invalid or corrupt 错误的解决方案...
查看>>