iOS语音控制系统
介绍了iOS10开放的语音识别库Speech的特点和使用。
语音识别
ios10之前，用户和iOS系统进行语音交互有两种途径：
- Siri
- 通过键盘的麦克风按钮，进入听写模式
Siri
缺点：
虽然Siri在iOS10中也开放了一些接口，但是非常有限：
- VoIP calling
- Messaging
- Payments
- Photo
- Workouts
- Ride booking
- CarPlay (automotive vendors only)
- Restaurant reservations (requires additional support from Apple)
而且，还必须以App Extension的形式实现。
优点：
但是优点也是很明显的，比如，在一个支持Siri的Messaging的应用中，可能出现下面的对话：
| Siri | User |
|---|---|
| Hi, Siri, send a app_name message. | |
| to whom? | |
| Hongchao | |
| What do you want to say to Hongchao? | |
| Good job on Jarvis for Map. |
Speech
iOS10除了通过SiriKit开发了Siri的一些功能之外，还开放了Siri使用的语音识别库Speech，该库是一个在线语音识别库。通过Speech进行语音识别非常简单、好用识别率高。详情参照官方文档。
虽然ios10开放了Speech，但是也是有限制的开放：
- 最长一分钟的持续时间。
- 对每个设备和每个应用，每天都有请求次数限制，但是具体次数没有公布。
命令提取
Speech识别请求会返回最长一分钟的音频识别结果，如何从这段识别结果里面提取出需要执行的命令呢？我们使用下面两条原则：
- 从后往前提取出第一个匹配命令库中的命令。
- 设计一些断句词帮助断句、提取命令。
通过原则1，可以解决不带参数的固定命令的提取，但是对命令有个要求：
- 任何命令不能是另一个命令的后缀。
否则较长的命令就不能被执行。
对于有参数的变化命令，通过原则1就不能解决了。
比如，有命令search for new york，其中search for是命令，new york是参数。当执行完此命令之后，继续说了一些“无关紧要”的话，就会导致系统继续执行此命令。这里说的“无关紧要”是指：
- 不是固定命令
- 不是断句词
执行完带有参数的变化命令之后，需要使用断句词进行断句。这就是原则2的必要性。
更自然的命令提取方法
- 只要能得到每个单词的时间戳，就可以通过停顿进行断句和命令提取，更加自然。
- 参考Siri在某个固定场景下的对话方式。
通过扬声器发声
需要设置AVAudioSession的状态，保证既可以录音，也可以发声，同时发出的声音不应该再被录入。
这个需求应该可以通过AVSpeechSynthesizerDelegate中下面的方法实现：
1
| |