Siri 的威力來自語音辨識,而幕後技術提供者是 Nuance。嚴格說來,Siri 只是 Nuance 技術的一種應用形式,其 ASR 引擎本身能做的事遠不止於此。
Nuance 是全球最大的語音辨識軟體、影像處理軟體與輸入法軟體研發商。除了已經家喻戶曉的 Siri,它還有一項創下銷售紀錄的產品——T9 輸入法,在智慧型手機普及之前,用過 Nokia 等品牌功能機的用戶應該都不陌生。
除了英文、法文、德文等西歐語言,中文、粵語、日文等東亞語言也都在支援清單內。
首先到 Nuance 網站註冊開發者帳戶,取得 Application Key 並下載 SDK。
SDK 網址:https://www.nuance.com/for-developers/dragon-mobile-sdk/index.htm
SDK 提供 iOS 與 Android 兩個版本,其中 iOS 版發行較早、相對穩定,累積了不少實際案例。官方同時提供免費版與商業版,若要商業化發行,建議購買其商業授權方案。
1. 匯入 SpeechKit.framework
2. 設定 SpeechKitApplicationKey
// 請從 Nuance 寄發的郵件中複製
const unsigned char SpeechKitApplicationKey[] =
{0x47, 0xbe, 0x50, 0x57, 0x05, 0xde, 0x0f, 0x0e,
0x70, 0x63, 0x10, 0x4b, 0xb2, 0xad, 0xfb, 0xab,
0x14, 0x96, 0x99, 0x0d, 0x8e, 0x50, 0x2c, 0x1a,
0xb2, 0x5b, 0xf6, 0x76, 0x7d, 0xd8, 0xd5, 0xc5,
0x97, 0x25, 0x1c, 0x9c, 0x03, 0x2c, 0xaa, 0x74,
0x8f, 0xba, 0xbf, 0x42, 0x67, 0xba, 0xed, 0x7b,
0x50, 0x87, 0x88, 0xde, 0xd7, 0xb4, 0xf8, 0x89,
0x10, 0xef, 0xff, 0x8d, 0xc7, 0xd5, 0x52, 0x51};
NSString *const SpeechKitID = @"XXXX";
NSString *const SpeechHost = @"sandbox.nmdp.nuancemobility.net";
3. 建立辨識物件並設定參數
// 偵測類型:決定如何判定說話結束,可用短暫停頓或手動控制
detectionType = SKShortEndOfSpeechDetection;
// 辨識類型:分為搜尋型與聽寫型兩種
recoType = SKSearchRecognizerType;
// 語言,可為 en、de、fr、ja_JP、zh_CN 等
langType = @"ja_JP";
if (_voiceSearch) [_voiceSearch release];
_voiceSearch = [[SKRecognizer alloc] initWithType:recoType
detection:detectionType
language:langType
delegate:self];
4. 實作委派方法
// 開始錄音,錄製過程中持續呼叫
- (void)recognizerDidBeginRecording:(SKRecognizer *)recognizer
// 錄音結束
- (void)recognizerDidFinishRecording:(SKRecognizer *)recognizer
// 伺服器回傳結果,可取得辨識內容
- (void)recognizer:(SKRecognizer *)recognizer didFinishWithResults:(SKRecognition *)results
// 發生錯誤時呼叫,suggestion 通常會給出修正建議
- (void)recognizer:(SKRecognizer *)recognizer didFinishWithError:(NSError *)error
suggestion:(NSString *)suggestion
實務提醒:SpeechKit 的辨識流程需要把音訊上傳至 Nuance 伺服器處理,因此必須具備網路連線,並應在 App 中妥善說明麥克風與網路的使用目的。此外,sandbox 位址僅供開發測試,正式上線前請替換為正式環境的 host 與帳號資訊。