SFSpeechRecognizer API Archives

W iOS 10 mamy do dyspozycji SFSpeechRecognizer API, które umożliwia transkrypcję w czasie rzeczywistym lub z wcześniej nagranych plików audio. Rezultatem takiej transkrypcji jest nie tylko tekst, ale również alternatywne interpretacje audio, czas trwania wypowiedzianych słów oraz poziom trafności rozpoznanych słów (skala 0.0 – 1.0). Poznaj możliwości tego narzędzia i sprawdź, jak je wykorzystać w praktyce. SFSpeechRecognizer API Api umożliwia analizę ponad 50 języków, dlatego warto . Wykorzystanie SFSpeechRecognizer API w aplikacji jest bardzo proste i w zasadzie sprowadza się do czterech kroków. Krok 1. Dodanie do pliku info.plist odpowiednich kluczy wraz z ich opisami NSSpeechRecognitionUsageDescription – to klucz informujący o tym, do czego będziemy wykorzystywać w aplikacji SFSpeechRecognizer; NSMicrophoneUsageDescription – niezbędny w przypadku, kiedy wykorzystujemy mikrofon, aby analizować mowę na żywo. Krok 2. Wywołanie prośby o zezwolenie SFSpeechRecognizer SFSpeechRecognizer.requestAuthorization { authStatus in /* The callback may not be called on the main thread. Add an operation to the main queue to update the record button's state. */ OperationQueue.main.addOperation { switch authStatus { case .authorized: //.. case .denied: //.. case .restricted: //.. case .notDetermined: //.. } } } Krok 3. Utworzenie żądania rozpoznawania mowy Wyróżniamy dwa typy takiego żądania: SFSpeechURLRecognitionReqest – wykorzystywane do analizy mowy z wcześniej nagranego pliku audio, SFSpeechAudioBufferRecognitionRequest – wykorzystywany do analizy mowy na żywo (przy użyciu mikrofonu). Dla obu żądań będzie potrzebna klasa SFSpeechRecognizer, aby wykonać analizę mowy. //.. let speechRecognizer = SFSpeechRecognizer(locale: Locale(identifier: "pl-PL")) //.. SFSpeechURLRecognitionReqest Obsługa tego typu żądania sprowadza się do użycia paru linijek kodu: let fileURL = URL(fileURLWithPath: Bundle.main.path(forResource: "audio", ofType: ".mp3")!) let request = SFSpeechURLRecognitionRequest(url: fileURL) SFSpeechAudioBufferRecognitionRequest Obsługa analizy mowy na żywo wymaga trochę więcej pracy. Dodatkowo należy wykorzystać AVAudioEngine, aby przechwycić mowę z mikrofonu urządzenia. Kolejnym i ostatnim elementem, który jest niezbędny do rozpoznawania mowy jest: SFSpeechRecognitionTask. //.. recognitionRequest = SFSpeechAudioBufferRecognitionRequest() guard let inputNode = audioEngine.inputNode else { fatalError("Audio engine has no input node") } guard let recognitionRequest = recognitionRequest else { fatalError("Unable to created a SFSpeechAudioBufferRecognitionRequest object") } // Configure request so that results are returned before audio recording is finished recognitionRequest.shouldReportPartialResults = true // A recognition task represents a speech recognition session. // We keep a reference to the task so that it can be cancelled. recognitionTask = speechRecognizer.recognitionTask(with: recognitionRequest) { result, error in //.. } let recordingFormat = inputNode.outputFormat(forBus: 0) inputNode.installTap(onBus: 0, bufferSize: 1024, format: recordingFormat) { (buffer: AVAudioPCMBuffer, when: AVAudioTime) in self.recognitionRequest?.append(buffer) } audioEngine.prepare() try audioEngine.start() SFSpeechRecognitionResult zawiera bestTranscription oraz alternatywne transkrypcje.

Speech Recognizer API - co musisz wiedzieć?

Wycena projektu

Dlaczego warto rozwijać z nami projekty?

Speech Recognizer API - co musisz wiedzieć?

Udostępnij

Wycena projektu

Dlaczego warto rozwijać z nami projekty?