RT-Thread-[网络编程学习营]+_xiangxi+百度语音识别RT-Thread问答社区

[网络编程学习营]+_xiangxi+百度语音识别

发布于 2018-08-26 22:35:11 浏览：1537 订阅该版

* 本帖最后由 _xiangxi 于 2018-8-26 22:44 编辑 *

这个帖子是本次学习营的挑战项目--百度语音识别功能的使用。讲实话来说呢，这个部分，并不算是我独立完成的，是借鉴了@zppsky的帖子，嗯~~~也是整合吸收了的大佬的创意，只是做了一点点小的修改。本来是参考httpclient_sample.c的内容的，嗯~~~后来发现了@zppsky的帖子，[https://club.rt-thread.org/ask/question/7868.html](https://club.rt-thread.org/ask/question/7868.html) 本次实验室需要根据语音识别的结果来控制板子。嗯，板子上有两颗LED灯，之前的Onenet家居测试上也使用过，正好拿过来使用。本次的测试步骤，主要是分为六步。**第一步：通过百度语音的语音合成功能获取.mp3的语音**使用wget方法获取.mp3语音，在串口输入界面可以手工输入的方法获取语音，当然，也可以通过改写int webclient_get_file(const char* URI, const char* filename)来实现。嗯~我用得是笨方法，使用串口中的wget命令获取.mp3文件。```wget http://tsn.baidu.com/text2audio?lan=zh&ctp=1&cuid=abcdxxx&tok=24.9d36d483e92013887b1bc99d84db0fa0.2592000.1537014976.282335-11670509&tex=%e8%8f%9c%e9%b8%a1%e5%b0%b1%e8%a6%81%e5%a4%9a%e5%ad%a6%e4%b9%a0&vol=9&per=0&spd=5&pit=5&aue=3 caiji.mp3```当然，也可以通过修改aue=4的方法来直接获取.pcm文件，不过这个格式的文件并不是语音，在识别时候会出现困难。![QQ截图20180826213656.png](/uploads/201808/26/213720cezvsh0hsh55tvwt.png)attention:要确保```#define FINSH_CMD_SIZE 800```提供足够大的空间，否则会出现命令无法识别的情况，前一节已经说明。
**第二步：通过tftp_server功能从板子的文件系统中复制到电脑上**这一步利用在板子上已经构建好的文件系统为基础，利用tftp64.exe工具，实现文本的传输。在传输前，不要忘记启动tftp_server![QQ截图20180826214222.png](/uploads/201808/26/214249a61k6uk16jqv76b9.png)![QQ截图20180826214356.png](/uploads/201808/26/214410sbxgadwxhddxagbd.png)**第三步：使用ffmpeg把.mp3格式文件转为.pcm格式文件**转码工具可以使用ffmpeg，嗯~~除了这个，其他的还真的不好找。首先要下载[ffmpeg](https://ffmpeg.zeranoe.com/builds/),然后解压打开并在该页面启动ConEmu Here![无标题.png](/uploads/201808/26/215326as7shuy2i1uhnhnz.png)输入```ffmpeg -y  -i xiangxi.mp3  -acodec pcm_s16le -f s16le -ac 1 -ar 16000 xiangxi.pcm```![QQ截图20180826215516.png](/uploads/201808/26/215533fzy0pyyr7y7y71yc.png)
**第四步：使用tftp_server功能传输.pcm格式文件到开发板上**仍然是通过tftp64.exe这个工具，把文件传输到开发板的文件系统上。![QQ截图20180826215804.png](/uploads/201808/26/215821pt0ppq11oo2p5ooo.png)使用put推送到开发板文件系统上。此时，文件系统上有需要全部.pcm文件用于接下来的语音识别测试。**第五步：编写（改写）voice_ctrl.c文件**呃，不要意思的说，这个部分的代码，是根据@zppsky大佬修改的，其实也没有修改什么内容。代码的主要框架并没有改写，只是修改了一些响应规则。[<原版传送门>](https://club.rt-thread.org/ask/question/7868.html)我使用这个文件时，出现了编码问题，就是编码合适不正确，报错的现象。![QQ截图20180826220244.png](/uploads/201808/26/220259pve3rr1jxnomxj03.png)作为偷懒的惩罚，我找了许多解决办法。嗯~~最靠谱的是，使用Notepad++的将voice_ctrl.c文件的编码格式重编码为UTF-8 BOM。不过，之后哪怕修改一个字符，或者是填一个空格也是会导致编译的失败。这是需要重复上面的操作。这个情况，和我当时上传中文数据流的情况是一样的，上传的数据流格式通过UTF-8编码，当时也是把整个文件编码为UTF-8格式。**第六步:  测试.pcm文件，查看识别效果，并配置语音识别库提高识别率**一些短的命令，如开灯，关灯的识别效果很不错，不过，其他的一些不具有通性标识的语音，比如：姓名，就不那么容易识别了。![QQ截图20180826220839.png](/uploads/201808/26/221025yizz4hwesob2t6lz.png)为了达到提高识别率的效果，需要配置语音识别库（对语音识别结果加权）![QQ截图20180826221212.png](/uploads/201808/26/221232v2rn9q9nyn2k4chs.png)按照说明文档的要求，添加自己常用的字符段![QQ截图20180826221419.png](/uploads/201808/26/221437gnon49umbpokuyi4.png)当然，这个训练需要时间，不会刚提交就生效。百度推荐一个小时以后，我就上传后等了一个多小时，然后再测试的这条.pcm的语音，实验结果还是很理想的。

嗯，本次的训练营的内容，基本是结束了。但是，对于我来说，还并没有结束。群里的大佬都太牛逼了，自己作为一只小萌新在其中瑟瑟发抖，通常的状态就是在群里窥屏，看大佬的发言来学习从来没有听说过的知识。当然，效果还是很明显的。虽然时常听不太明白，但是经过问度娘，问大佬的方法也开拓了眼界，学习了新方向。总之，本次的学习令我很受益，如果有机会能参加下次的培训项目，我会非常激动的。对于RT-Thread的理解，我也不断加深了。一开始只是以为，RT-Thread作为实时操作系统和FreeRTOS这样的并没有多大区别。（一开始选择学习，是因为这是一个国产的嵌入式实时操作系统）所以，一开始也是先学习内核的编程部分，有幸在观看完15天RT-Thread入门教程后得知了网络编程训练营的招募，也十分幸运得加入其中。现在对我的感觉，RT-Thread作为一个实时操作系统，除此外，还拥有丰富的组件，有着超乎寻常的源码更新速度。还有那么多大佬助阵。对于我这个菜鸡而言，得到的更多是震撼。学习了RT-Thread后，感觉自己之前的轮询式程序就像是裸奔，不堪回首。相信我再经过一年多的学习，可以在毕业设计上，拿出一个包含RT-Thread的满意的毕业设计。十分感谢本次训练营让我受益颇多，我会尽快把所学得知识转化为自己的能力。再次感谢RT-Thread，感谢群内大佬的支持和工作人员的努力。谢谢！！！