基于AliOS Things玩转智能语音

jewel0516 · · 316 次点击 · 开始浏览    置顶
这是一个创建于 的主题,其中的信息可能已经有所发展或是发生改变。
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:200Mhz 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(https://github.com/alibaba/AliOS-Things): 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: http://v.youku.com/v_show/id_XMzQ1NjQ4MjIyOA==.html?spm=a2h3j.8428770.3416059.1 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 原文链接:http://click.aliyun.com/m/43694/
316 次点击  
加入收藏 微博
暂无回复
添加一条新回复 (您需要 登录 后才能回复 没有账号 ?)
  • 请尽量让自己的回复能够对别人有帮助
  • 支持 Markdown 格式, **粗体**、~~删除线~~、`单行代码`
  • 支持 @ 本站用户;支持表情(输入 : 提示),见 Emoji cheat sheet
  • 图片支持拖拽、截图粘贴等方式上传