使用Olami SDK实现一个语音输入数字进行24点计算的iOS程序

前言

在目前的软件应用中，输入方式还是以文字输入方式为主，但是语音输入的方式目前应用的越来越广泛。这是一个利用 Olami SDK 编写的一个24点iOS程序，是通过语音进行输入。

Olami SDK的介绍在下面这个网址

https://cn.olami.ai/wiki/?mp=sdk&content=sdk/ios/reference.html

在这个网址中详细的介绍了Olami SDK包含了那些函数和定义的委托。

App实现

下面就通过24点这个程序来介绍一下如何使用这个SDK。

这个APP可在 https://github.com/lym-ay/OlamiRecognizerMath24 下载



去上面的网址下载Olami SDK.包括两个文件，其中的一个是Olami的静态函数库，一个是其头文件

第一步是初始化Olami的语音识别对象，并设置代理

olamiRecognizer= [[OlamiRecognizer alloc] init];
olamiRecognizer.delegate = self;

2.调用setAuthorization函数进行授权

[olamiRecognizer setAuthorization:@"d13bbcbef2a4460dbf19ced850eb5d83"
api:@"asr" appSecret:@"3b08b349c0924a79869153bea334dd86" cusid:OLACUSID];

这个函数的参数的说明在OlamiRecognizer中有说明，也可以去在线API说明去查看

https://cn.olami.ai/wiki/?mp=sdk&content=sdk/ios/reference.html

有些参数必须去Olami的开发平台上注册才可以获的，网址是https://olami.ai，注册登陆以后创建应用才可以看到了



3.设置语系

[olamiRecognizer setLocalization:LANGUAGE_SIMPLIFIED_CHINESE];

在进行录音之前必须要先进行设置，否则会得不到结果。目前只支持简体中文(LANGUAGE_SIMPLIFIED_CHINESE)

4.开始录音

调用 start()接口开始进行录音

[olamiRecognizer start];

5.得到录音的文字和语义，并对其进行处理

通过调用stop()函数或者自动停止，都会获得录音的文字和对其进行的语义分析的结果

实现OlamiRecognizerDelegate onResult函数可以获得结果，其结果以一个json字符串的形式回调过来，对这个字符串进行解析，就可以获得想要的数字。例如对着话筒说”2345算24点”，得到的结果如下

{
"data": {
"asr": {
"result": "二 三 四 五 算 二 十 四 点",
"speech_status": 0,
"final": true,
"status": 0
},
"nli": [
{
"desc_obj": {
"status": 0
},
"semantic": [
{
"app": "math24",
"input": "二三四五算二十四点",
"slots": [
{
"num_detail": {
"recommend_value": "",
"type": "number"
},
"name": "number3",
"value": "4"
},
{
"num_detail": {
"recommend_value": "",
"type": "number"
},
"name": "number4",
"value": "5"
},
{
"num_detail": {
"recommend_value": "",
"type": "number"
},
"name": "number1",
"value": "2"
},
{
"num_detail": {
"recommend_value": "",
"type": "number"
},
"name": "number2",
"value": "3"
}
],
"modifier": [
"play_calculate"
],
"customer": "58df685e84ae11f0bb7b4893"
}
],
"type": "math24"
}
]
},
"status": "ok"
}

这个是根据OSL语法描述语言定义的一套规则，返回的结果。这个结果的说明在 https://cn.olami.ai/wiki/?mp=api_nlu&content=api_nlu3.html 这个网址上有说明。

看到这里大家可能会有疑惑，APP怎么知道我说的是什么意思呢？这就涉及到了OSL语法描述语言，OLAMI 语法描述语言（OLAMI Syntax Language，简称：OSL）是 OLAMI 平台针对自然语言处理所发展出的独特语法标记语言，自然语言语义互动（Natural Language Interaction, 简称：NLI）管理系统采用 OSL 取代复杂的编码编程，使用简单、容易学习而且灵活有弹性。可以在这个网址查看详细的说明

https://cn.olami.ai/wiki/?mp=osl&content=osl1.html

在编写这个APP之前，会按照OSL的要求编写好一套语法，这套语法可以被Olami的服务器所理解，并进行语义分析然后给出结果，就是上面的json字符串。在Olami官网上有写好的一些领域的模块，可以直接使用。在 https://cn.olami.ai/wiki/?mp=nli&content=nli1.html 网址可以看到介绍如何使用以后的模块。这个24点就是利用已有的模块来编写代码的。

6.创建应用，设置和导入grammar

首先去olami的主页去登陆和注册。登陆以后转到这页面



在这个页面可以看到我的应用 math24,还可以查看key

当然这个页面必须创建应用以后才有，点击“创建新应用”，转到下面这个页面



填写 应用名称，应用描述，应用介绍以后，就可以创建了。回到上一个页面，就可以看到创建的应用了。

点击”进入NLI系统”就可以进入模块页面



在官网已经内置了很多领域的grammar.在模块页面大家点击“导入”按钮，查看已有领域的模块



选择一个要使用的，例如我要导入”math24”这个模块，先选择它，点击“导入” 按钮





然后进入 math24模块，就可以看到例句



但是这个时候还是不能使用，需要先进行发布。点击页面上方的”发布”按钮，进入发布页面



点击“发布”按钮



发布成功，现在就可以使用24模块了。

Olami还提供了测试grammar的功能，点击“测试”按钮，可以在页面进行测试，而不必要先开发APP



最后还要回到“我的应用”界面，点击”配置NLI模块”按钮，让自己创建的应用和模块关联起来



7.onResult 函数的说明

在整个程序中，最主要的一个函数就是onResult函数

- (void)onResult:(NSData *)result {
NSError *error;
__weak typeof(self) weakSelf = self;
NSDictionary *dic = [NSJSONSerialization JSONObjectWithData:result
options:NSJSONReadingMutableContainers
error:&error];
if (error) {
NSLog(@"error is %@",error.localizedDescription);
}else{
NSString *jsonStr=[[NSString alloc]initWithData:result
encoding:NSUTF8StringEncoding];
NSLog(@"jsonStr is %@",jsonStr);
NSString *ok = [dic objectForKey:@"status"];
if ([ok isEqualToString:@"ok"]) {
NSDictionary *dicData = [dic objectForKey:@"data"];
NSDictionary *asr = [dicData objectForKey:@"asr"];
if (asr) {//如果asr不为空，说明目前是语音输入
[weakSelf processASR:asr];
}
NSDictionary *nli = [[dicData objectForKey:@"nli"] objectAtIndex:0];
NSDictionary *desc = [nli objectForKey:@"desc_obj"];
int status = [[desc objectForKey:@"status"] intValue];
if (status != 0) {// 0 说明状态正常,非零为状态不正常
NSString *result  = [desc objectForKey:@"result"];
dispatch_async(dispatch_get_main_queue(), ^{
_resultTextView.text = result;
});

}else{
NSDictionary *semantic = [[nli objectForKey:@"semantic"]
objectAtIndex:0];
[weakSelf processSemantic:semantic];

}

}else{
dispatch_async(dispatch_get_main_queue(), ^{
_resultTextView.text = @"请说出10以内的4个数";
});
}
}

}

这个函数就是对传过来的结果进行处理

在这个函数中，调用了三个函数，分别来处理josn格式中的三个比较重要的节点

- (void)processASR:(NSDictionary*)asrDic {
NSString *result  = [asrDic objectForKey:@"result"];
if (result.length == 0) { //如果结果为空，则弹出警告框
UIAlertController *alertController = [UIAlertController
alertControllerWithTitle:@"没有接受到语音，请重新输入!"
message:nil
preferredStyle:UIAlertControllerStyleAlert];
[self presentViewController:alertController animated:YES completion:^{
dispatch_time_t time=dispatch_time(DISPATCH_TIME_NOW, 1*NSEC_PER_SEC);
dispatch_after(time, dispatch_get_main_queue(), ^{
[alertController dismissViewControllerAnimated:YES completion:nil];

});

}];

}else{
dispatch_async(dispatch_get_main_queue(), ^{
NSString *str = [result stringByReplacingOccurrencesOfString:@" " withString:@""];//去掉字符中间的空格
_inputTextView.text = str;
});
}

}

这个用来处理ASR节点，获得语音识别的结果，如果没有结果，则弹出一个对话框进行提示。ASR识别的文字显示在第一个TextView中

- (void)processSemantic:(NSDictionary*)semanticDic {
NSArray *slot = [semanticDic objectForKey:@"slots"];
[_slotValue removeAllObjects];
if (slot.count != 0) {
for (NSDictionary *dic in slot) {
NSString* val = [dic objectForKey:@"value"];
[_slotValue addObject:val];
}

}

NSArray *modify = [semanticDic objectForKey:@"modifier"];
if (modify.count != 0) {
for (NSString *s in modify) {
[self processModify:s];

}

}

}

这个用来处理Semantic节点，这个节点中包含了slot的值和modifier的值。OSL 语法描述语言中的 slot 可理解为语义中的变量，用于传递、提取信息，是代码处理的数据的来源。对于24点这个程序来说，就是进行计算的4的数的来源。关于slot的值可以参考 https://cn.olami.ai/wiki/?mp=osl&content=osl_slot.html，这里有详细说明。在24点程序中我们的要计算的数字就是从这里获得的。

- (void)processModify:(NSString*) str {
if ([str isEqualToString:@"play_want"]
|| [str isEqualToString:@"play_want_ask"]
|| [str isEqualToString:@"needmore"]
|| [str isEqualToString:@"needmore_ask"]) {//要求用户输入值
dispatch_async(dispatch_get_main_queue(), ^{
_resultTextView.text = @"请说出10以内的4个数";
});
}else if ([str isEqualToString:@"rules"]){
dispatch_async(dispatch_get_main_queue(), ^{
_resultTextView.text = @"四个数字运算结果等于二十四";
});

}else if ([str isEqualToString:@"play_calculate"]){
NSString* str = [[Math24 shareInstance] calculate:_slotValue];
dispatch_async(dispatch_get_main_queue(), ^{
_resultTextView.text = str;
});

}else if ([str isEqualToString:@"attention"]){
dispatch_async(dispatch_get_main_queue(), ^{
_resultTextView.text = @"四个数字必须是10以内的，不能超过10";
});
}

}

这个用来处理语音和语义的结果。这个函数主要是处理json字符串中的modifier节点。modifier 语法描述规则是 OSL 语法描述语言中，除了 slot 以外的另一种内置的信息传递机制，一般用来表示语义目的，也可以理解为对于语义的一种注释方式，以便让应用程序的开发者得知 grammar 所代表的相应意图。详细说明参考

https://cn.olami.ai/wiki/?mp=osl&content=osl_regex.html#11，通过modifier，我们才能知道程序的意图是什么？例如是想发问，还是计算结果。

如上代码所示，在24点钟我们定义了7个modifier，根据字面意思大家也可以猜出来。这些都可以在OSL语法中自定义，然后通过Josn字符串获得，在程序中进行处理。这个是我们程序进行处理的一个判断机制。

下载资源

可以在csdn下载频道下载

http://download.csdn.net/detail/dfman1978/9840447

github

https://github.com/lym-ay/OlamiRecognizerMath24

另外这里还有几篇使用Olami SDK开发程序的文章

这个是一个听书的程序

http://blog.csdn.net/ls0609/article/details/71519203

这个是一个关于天气的程序

http://blog.csdn.net/zhangxy0605/article/details/71601604

这是一个根据OLAMI平台开发的日历demo

http://blog.csdn.net/xinfinityx/article/details/72840977