基于Android的語音助手APP

張路瑤 蔡虹

【摘要】本項目采用Java語言，基于Android Studio平臺打造的一款智能語音助手APP。旨在為用戶提供智能化的服務，提高人機交互速率，除實現了目前市場已有的語音助手的功能外，加入了特色化的音頻文件轉寫功能，為用戶的生活、辦公等提供了方便快捷的渠道，如會議音頻文件處理。通過調用Android麥克風接收用戶的語音輸入，通過集成百度SDK進行語音識別，并通過算法實現關鍵字提取，并完成用戶需求的實現。音頻轉寫功能是通過restapi形式的http接口的調用，實現用戶選取指定文件對其進行轉寫的需求。

【關鍵詞】Java Android 語音識別 文件轉寫

一、引言

由于智能手機平臺和應用日新月異的發展，使得智能手機的使用以及服務的使用變得愈加復雜，為了提高人機交互的效率，讓用戶更加方便地使用智能手機，本文設計并實現了智能語音助手APP，提供給用戶更多樣、更快捷的智能服務。

二、功能分析

本項目為基于Android的一款智能服務類軟件，用戶通過語音進行人機交互，實現多種基本功能，并且可以進行特色化的長語音文件的轉換、保存。

語音識別與顯示功能為用戶提供高精度的語音識別服務，融合百度領先的自然語言處理技術，支持多場景智能語音交互，對用戶的語音信息經過處理，轉換為文字信息，顯示在用戶界面上;語意分析與功能實現，是用戶通過語音描述需求，軟件通過對語音信息的分析以及關鍵字的提取，獲取用戶想要實現的功能，并自動進入不同的平臺進行功能的實現;音頻文件向文本的轉換，用戶通過菜單項選擇進入音頻文件轉寫界面，選擇需要轉寫的音頻文件，轉寫完成的文字將顯示在界面的文本框中，用戶可以選擇是否進行文本的編輯和以文檔方式的保存。

三、功能實現

語音輸入調用Android的麥克風權限，用戶點擊界面的麥克風圖標即可開始進行語音輸入，通過捕捉音頻并通過集成百度離在線語音識別Android SDK框架，完成語音的識別工作，識別完成后會將識別結果展示在用戶界面。在識別結束后，通過算法實現語音的關鍵字提取完成語意的理解，并通過算法完成用戶需求的實現。核心代碼如下：

SpeechLongBottomSheetDialogspeechLongBottomSheetDia-

log = SpeechLongBottomSheetDialog.getInstance（MainActivity.this）;

speechLongBottomSheetDialog.seOnResultListItemClickListener（new SpeechLongBottomSheetDialog.OnResultListItemClickListener（） {@Override

public void onItemClick（String title） {analysisResult=analysis.start（）;

switch （analysisResult）{//body}

用戶通過菜單項的選擇進入音頻文件轉寫界面，音頻文件的選擇是申請了Android的WRITE_EXTERNAL_STORAGE權限，獲取SD卡所有的Audio文件供用戶選擇，用戶選擇文件后可對音頻進行播放試聽，點擊轉寫按鈕對文件進行轉寫。核心代碼如下：

Url+=access_token;

OkHttpClient client=new OkHttpClient（）.newBuilder（）.build（）;

MediaType mediaType=MediaType.parse（"application/json"）;

RequestBodyrequestBody=RequestBody.create（mediaType，"{＼r＼n＼"speech_url＼"：＼"http：//speech-doc.gz.bcebos.com/

rest-api-asr/public_audio/16k.pcm＼"，＼r＼n＼"pid＼"：1537，＼r＼

n＼"rate＼"：16000，＼r＼n ＼"format＼"： ＼"pcm＼"＼r＼n}"）;

Request request=new Request.Builder（）.url（Url）.post（requestBody）.addHeader（"ContentType"，"application/json"

）.build（）;

Response response=client.newCall（request）.execute（）;

四、實現效果

圖2為語音識別功能界面實現圖，通過點擊下方麥克風圖標可進行語音輸入，識別結果及系統回復將顯示在用戶界面，隨后，系統將根據用戶語音的識別結果進行相應的跳轉，如通話，打開指定軟件，搜索等。

圖3為音頻文件轉寫功能界面實現圖，通過點擊圖2所示的主界面中的菜單進行跳轉，在次界面，用戶點擊加號圖標添加音頻文件，可通過播放按鈕控制該音頻文件的播放和暫停，點擊轉換按鈕，系統將轉換完成的文本顯示在下方文本框，供用戶操作。

參考文獻：

[1]郭霖.第一行代碼——Android（2版）[M].人民郵電出版社，2016.

[2]楊豐盛.Android應用開發揭秘[M].機械工業出版社，2010.

[3]李剛.瘋狂Android講義[M].電子工業出版社，2015.

基金項目：課題資助：南昌航空大學第14屆三小課題。