发 帖  

[经验] 基于AliOS Things玩转智能语音

2018-3-13 18:06:43  392 智能 语音
收藏 0 收藏 推荐 0 推荐
分享
摘要: 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”,“快递到哪了”…在万物互联的时代,你的所有需求只需要一句话便能实现。
点此查看原文:http://click.aliyun.com/m/43694/
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。
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:
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。
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:
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:

按按键2(AK2)触发语音识别功能。

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
关于AliOS Things更多信息,请参考https://github.com/alibaba/AliOS-Things/wiki
关于Link Voice的更多信息,请参考https://iot.aliyun.com/product/voice?spm=a2c2j.8959409.5007732.14.666018deKqxNU7
识别以下二维码,阅读更多干货

只有小组成员才能发言,加入小组>>

57个成员聚集在这个小组

加入小组

创建小组步骤

关闭

站长推荐 上一条 /9 下一条

快速回复 返回顶部 返回列表