从零开始开发纯血鸿蒙应用之语音输入

〇、前言

除了从图片中识别文本外，语音输入也是一种现代生活中较为普遍的数据输入方式。对于语音输入产生的数据，除了直接以声音模拟信号进行存储和传输外，就是将其转换为普通的文本数据即字符串类型的数据。

在鸿蒙系统中，想要集成通过语音输入文字的能力，比较简单，只需同上一篇一样，利用SDK中开箱即用的 AI 能力即可。

一、认识 speechRecognizer

在前面的语音朗读一篇中，我们利用鸿蒙 SDK 中 Core Speech Kit 里的 textToSpeech，完成了文本朗读功能。

实际上，在相同的 Core Speech Kit 里面，还有一个提供语音转文本能力的 speechRecognizer。

1、使用方式

同 textToSpeech 一样，speechRecognizer 的使用，是通过引擎实例 SpeechRecognitionEngine 对象进行的，因此，集成语音识别能力的第一步，便是获得并持有 SpeechRecognitionEngine 实例。

SpeechRecognitionEngine 实例创建，也同样是一样工厂模式创建，而非直接 new 出来的。一般而言，获得 SpeechRecognitionEngine 对象实例之后，就可以开始进行语音识别了，而识别过程中，理所当然的需要写入一个音频数据。

2、依赖权限

音频数据，最直接的，就是利用麦克风去实时获取，而麦克风作为手机硬件资源，使用之前必须获得用户的授权，所以，就需要在合适的时机，向用户弹窗申请麦克风权限。

3、结果回写

语音识别结果，可以直接用字符串数据进行获取，只不过，结果的获取需要通过事件监听函数完成，而不是其他类型的方法返回。

二、实现语音识别功能

1、创建语音识别引擎

根据上面的理论，实现语音识别功能的第一步，就是获取和持有 SpeechRecognitionEngine，为此，可以在 EditPage 的 aboutToAppear 函数中，加上如下的一段代码：

为了方便在其他地方调用 SpeechRecognitionEngine 对象，需要在 EditPage 中定义一个页面级全局有效的私有字段 ASREngine: private ASREngine: speechRecognizer.SpeechRecognitionEngine | null = null;，之所以要联合 null 类型，是为了在 EditPage 不可见时，将语音识别引擎实例所占用的内存资源及时释放掉。

2、设置事件监听

一如前文所说，语音识别结果是通过事件监听函数返回的，因此，第二步就是准备好语音识别引擎的事件监听函数，并将其注册绑定到上面创建好的语音识别引擎实例对象上。

3、启动识别

启动识别前，需要设置好相关参数，如待识别的音频规格信息，以及管理识别会话所需的会话ID 等等。

4、写入音频数据

启动识别后，语音识别引擎就会进入工作状态，等待写入具体的待识别的音频数据，这里，我是通过 AudioCapturer 去获取音频数据的，也就是调用麦克风实时获得用户的说话声音。

5、操作控制

为了方便暂停和继续语音识别，我这里专门创建了一个弹窗进行操作控制：


长按该弹窗上的“长按识别”按钮，就能触发语音识别功能，而识别结果会在松开按钮的时候，回写到编辑框上。

三、总结

单就集成语音识别能力来说，并不是一件特别难的事情，在鸿蒙应用开发中，比较困难的是进行结果校正，让最终产生的文本，不会出现一大串重复的文字或短语，而这种校正往往需要一定的模型算法，本文便不再展开探索，有兴趣的可自行了解。