iOS siri语音听写和语音合成OC版

最近在做移动办公平台时智能机器人时，需要用到语音听写和语音合成。因为以前用过科大讯飞的语音听写，并且我们已经封装成一个接口，听写界面也很平易近人。所以自然而然的想到使用科大讯飞。但是在使用的过程中发现，科大讯飞免费版的每天只提供20000条语音听写。对于我们公司有三千多人的情况，一人一条还不够。智能考虑其他的厂家的语音听写功能。

由于以前做过使用苹果自带的Speech.framework和AVFoundation写过一个语音转文本，并且翻译成其他语言，在转化为语音的翻译demo.此时正好派上用场。下面是它的各种逻辑

语音听写

1. 设置属性

#import <Speech/Speech.h>
@interface NTListenUserSiri() <SFSpeechRecognizerDelegate, SFSpeechRecognitionTaskDelegate>

@property (nonatomic, strong) SFSpeechRecognizer *speechRecognizer;
@property (nonatomic, strong) SFSpeechAudioBufferRecognitionRequest *recognitionRequest;
@property (nonatomic, strong) SFSpeechRecognitionTask *recognitionTask;
@property (nonatomic, strong) AVAudioEngine * audioEngine;
@property (nonatomic, strong) NSTimer *timer;

2. 在实例化对象时判断siri是否有权限

-(instancetype)init {
    if(self) {
        //初始化siri
        self.speechRecognizer = [[SFSpeechRecognizer alloc] initWithLocale:[[NSLocale alloc] initWithLocaleIdentifier:@"zh-CN"]];
        self.speechRecognizer.delegate = self;
        [SFSpeechRecognizer requestAuthorization:^(SFSpeechRecognizerAuthorizationStatus status) {
            switch (status) {
                case SFSpeechRecognizerAuthorizationStatusAuthorized:
                    NSLog(@"验证通过");
                    break;
                case SFSpeechRecognizerAuthorizationStatusDenied:
                    NSLog(@"siri权限被拒绝");
                    break;
                case SFSpeechRecognizerAuthorizationStatusRestricted:
                    NSLog(@"siri权限未开启");
                    break;
                default:
                    break;
            }
        }];
        
        self.audioEngine = [[AVAudioEngine alloc] init];
    }
    return self;
}

3. 开始语音听写

- (void)startUseSiriListen {
    if(self.audioEngine.isRunning){
        ...
        //退出录音
    }else {
        self.isListening = YES;
        [self startRecording];
        //开始录音
    }
}

#pragma mark -- Private method
- (void)startRecording {
    //检查revognitionTask是否在运行，如果是则取消
    if(self.recognitionTask != nil) {
        [self.recognitionTask cancel];
        self.recognitionTask = nil;
    }
    
    /*
     创建一个AVAudioSeesion对象为录音做准备
     将category设置为Record(录制音频，静音不停止)
     model设置我measurement 减少设备在处理音频I/O的信号量时的影响，然后启用
     */
    AVAudioSession *audioSession = [AVAudioSession sharedInstance];
    @try {
        [audioSession setCategory:AVAudioSessionCategoryPlayAndRecord withOptions:AVAudioSessionCategoryOptionMixWithOthers error:nil];
        [audioSession setMode:AVAudioSessionModeDefault error:nil];
        [audioSession setActive:YES withOptions:AVAudioSessionSetActiveOptionNotifyOthersOnDeactivation error:nil];
        [[AVAudioSession sharedInstance] overrideOutputAudioPort:AVAudioSessionPortOverrideSpeaker error:nil];
    } @catch (NSException *exception) {
        NSLog(@"audioSession Properties weren't set because of an error");
    }
    
    //初始化recognitionRequest,新建SFSpeechAudioBufferRecognitionRequest对象，之后会使用它来将音频数据递送给苹果服务器
    self.recognitionRequest = [[SFSpeechAudioBufferRecognitionRequest alloc] init];
    
    //检查audioEngine是否有录音的音频输入，没有则报告一个重要错误
    AVAudioInputNode *inputNode = self.audioEngine.inputNode;
    
    //检查recognitionRequest对象是否被初始化是否为空。
    self.recognitionRequest.shouldReportPartialResults = YES;
    
    //告诉recognitionRequest分段输出用户说话的语音识别结果。
    NTWeakself;
    [self.speechRecognizer recognitionTaskWithRequest:self.recognitionRequest resultHandler:^(SFSpeechRecognitionResult * _Nullable result, NSError * _Nullable error) {
        BOOL isFinal = NO;
        if (result != nil){
//            weakself.listenText = result.bestTranscription.formattedString; 1
            if(weakself.delegate && weakself.isListening){
                [weakself.delegate siriListeningWithText:result.bestTranscription.formattedString];
            }
            isFinal = result.isFinal;
            [weakself createTimer:1.5 isWillRecorder:NO];
        }
        
//        //若没有任何错误或者有最终结果了，则停止audioEngine、recognitionRequest与recognitionRequest。
//        if(error != nil || isFinal) {
//            [weakself.audioEngine stop];
//            [inputNode removeTapOnBus:0];
//             [weakself.recognitionRequest endAudio];
//            weakself.recognitionRequest = nil;
//            weakself.recognitionTask = nil;
//        }
    }];
    
    //给recognitionRequest添加一个音频输入，注意在启动recognitionTask之后添加音频输入是可以的。Speech框架会在添加音频输入的同时开始识别。
    AVAudioFormat *recordingFormat = [inputNode outputFormatForBus:0];
    [inputNode installTapOnBus:0 bufferSize:1024 format:recordingFormat block:^(AVAudioPCMBuffer * _Nonnull buffer, AVAudioTime * _Nonnull when) {
        [weakself.recognitionRequest appendAudioPCMBuffer:buffer];
    }];
    
    [self.audioEngine prepare];
    
    @try {
        [self.audioEngine startAndReturnError:nil];
    } @catch (NSException *exception) {
        NSLog(@"audioEngine could't start because of an error");
    }
    [self createTimer:4.0f isWillRecorder:YES];
}

4. SFSpeechRecognizerDelegate

#pragma mark SFSpeechRecognizerDelegate
- (void)speechRecognizer:(SFSpeechRecognizer *)speechRecognizer availabilityDidChange:(BOOL)available {
    if(available){
        //可以使用录音
    }else {
        //不可以使用录音
        [HUDNotificationCenter showMessage:@"录音权限没有被开启" hideAfter:1.0];
    }
}

5.定时器

- (void)createTimer:(NSTimeInterval)interval isWillRecorder:(BOOL)isWillRecord{
    [self.timer invalidate];
    self.timer = nil;
    NTWeakself;
    self.timer = [NSTimer scheduledTimerWithTimeInterval:interval repeats:NO block:^(NSTimer * _Nonnull timer) {
        if(weakself.audioEngine.isRunning){
            [weakself endUseSiriListenWithIsContailText:!isWillRecord];
        }
    }];
}

需要注意的地方

1. 根据参考文章介绍的，在startRecording方法中，audioSession 中设置属性方法是这样写的

 try audioSession.setCategory(AVAudioSessionCategoryRecord)
        try audioSession.setMode(AVAudioSessionModeMeasurement)
        try audioSession.setActive(true, with: .notifyOthersOnDeactivation)

当使用参考文章中的方法时，只用到语音听写时没有问题，但是当语音听写和语音合成同时使用时，就会出现语音合成播放不出来声音的现象。查看了一下stackOverflow发现是设置参数的问题，改成我写的方法就没有问题了。

2. siri是通过把语音转到苹果服务器，再有服务器转化为文本返回。用过siri功能的都知道，它的语音听写不是一次把结果返回的，而是根据上下文来实时返回。并且想要暂停的时候，必须手动来实施暂停。而不是向siri一样，当一句话结束以后，自动暂停。

而我们就想向siri一样，一句话结束自动暂停。所以我在程序里面加了一个定时器方法，原理是当打开语音听写，设置定时器为5秒，如果5秒之内没有说话，就执行结束语音听写。如果5秒之内，有人说话的话，就会执行一个两秒的定时器，如果2秒之内苹果服务器没有返回文本，我们就认为说话已经结束，自动停止。经过测试，基本达到我们的需求。

语音合成

语音合成，说的通俗一点就是把文本转化为语音，让他播放出来。这个功能相对来说比较简单，下面就直接粘贴代码。

#import <AVFoundation/AVFoundation.h>

@interface NTSpeakUserSiri ()
@property (nonatomic , strong) AVSpeechSynthesizer *av;
@end

@implementation NTSpeakUserSiri

static NTSpeakUserSiri* sharedSpeaker;

+ (NTSpeakUserSiri*)sharedSpeaker {
  static dispatch_once_t onceToken;
  dispatch_once(&onceToken, ^{
    sharedSpeaker = [[NTSpeakUserSiri alloc] init];
    
  });
  return sharedSpeaker;
}

- (void)speakWithText:(NSString *)text {
    if(text && text.length > 0) {
        AVSpeechUtterance *utterance = [[AVSpeechUtterance alloc] initWithString:text];
        utterance.rate = 0.5;
        utterance.pitchMultiplier = 1.0f;
        utterance.volume = 1.0;
        
        AVSpeechSynthesisVoice *voice = [AVSpeechSynthesisVoice voiceWithLanguage:@"zh-cn"];
        utterance.voice = voice;
      
        [self.av speakUtterance:utterance];
    }
}

- (void)stopSpeaking {
  [self.av stopSpeakingAtBoundary:AVSpeechBoundaryImmediate];
}

- (AVSpeechSynthesizer *)av {
  if (!_av) {
    _av = [[AVSpeechSynthesizer alloc] init];
    AVAudioSession *audioSession = [AVAudioSession sharedInstance];
    [audioSession setCategory:AVAudioSessionCategoryPlayback withOptions:AVAudioSessionCategoryOptionMixWithOthers error:nil];
      [audioSession setMode:AVAudioSessionModeDefault error:nil];
      [audioSession setActive:YES withOptions:AVAudioSessionSetActiveOptionNotifyOthersOnDeactivation error:nil];
      [[AVAudioSession sharedInstance] overrideOutputAudioPort:AVAudioSessionPortOverrideSpeaker error:nil];
  }
  return _av;
}

麦克风权限验证和siri权限验证

麦克风权限验证

//检测麦克风权限是否开启
- (BOOL)checkMicophonStatus {
    AVAuthorizationStatus videoAuthStatus = [AVCaptureDevice authorizationStatusForMediaType:AVMediaTypeVideo];
    if(videoAuthStatus == AVAuthorizationStatusRestricted || videoAuthStatus == AVAuthorizationStatusDenied) {// 未授权
        return NO;
    }else{// 已授权
        return YES;
    }
}

检测siri权限

//检测siri权限
- (BOOL)checkSiriStatus {
    SFSpeechRecognizerAuthorizationStatus status = [SFSpeechRecognizer authorizationStatus];
    if(status == SFSpeechRecognizerAuthorizationStatusDenied || status == SFSpeechRecognizerAuthorizationStatusRestricted) {
        return NO;
    }else {
        return YES;
    }
}