您现在的位置: IOS教程網 >> IOS系統 >  >> iOS 程式開發 >> iOS 開發綜合

iOS 語音輸入:串接 Google Speech API 的實作思路

編輯:iOS 開發綜合

做 iOS 開發到現在已經兩年多了。最近整理舊專案,翻出幾段當時卡關的程式碼,覺得有記錄的價值,就寫成這篇筆記分享出來,也歡迎初學者一起交流。

整體思路

要在 App 內實作語音輸入,一個可行的路徑是採用 Google 的語音辨識服務。這裡只談思路,細節留給動手實作時去驗證。

端點大致如下:

https://www.google.com/speech-api/v1/recognize?xjerr=1&lang=zh-CN&maxresults=1

實作流程

1. 錄音:用 AVAudioRecorder 把使用者的語音錄下來並存成本地檔案。這一步需要設定 AVAudioSession 的 category 為 AVAudioSessionCategoryRecord(或 PlayAndRecord),並指定錄音格式與取樣率。

2. 上傳:以 HTTP POST 把錄音檔的內容送出,帶上語言參數。lang=zh-CN 是普通話,zh-HK 是粵語,也可以換成其他語言代碼。

3. 解析回應:等待伺服器回應,回傳的是 JSON 格式資料,辨識出的文字就在其中。用 NSJSONSerialization 或任何 JSON 解析器取出即可。

實作時會遇到的幾個問題

  • 錄音格式與編碼:這類服務通常對音訊格式有要求(常見為 FLAC 或特定取樣率的 PCM)。格式不合會直接回錯誤,且錯誤訊息往往不夠明確,建議先把錄音檔拉出來自己聽過、確認內容正常。
  • 錄音長度:上傳整段長錄音既慢又容易被拒絕。實務上多會做「偵測停頓自動切句」,在語音靜默一段時間後就結束錄音並送出。
  • 權限說明:iOS 要求任何使用麥克風的功能都必須在 info.plist 中提供 NSMicrophoneUsageDescription 與語音辨識用途說明,缺少任一项會直接崩潰。
  • 網路狀態:這個方案完全依賴網路,離線時必須有降級處理(例如退回鍵盤輸入),並在等待回應期間提供清楚的 loading 狀態。
  • 服務條款:非官方公開的 API 隨時可能變更或停止服務。若要上線,建議評估改用官方簽約的雲端語音服務,或 iOS 10 之後內建的 SFSpeechRecognizer。

結語

語音輸入的技術門檻其實不高,難的是「使用者願不願意用」。辨識率、回應延遲、麥克風權限的信任感,這三者缺一不可。這裡只提供思路,歡迎留言討論各自的實作經驗。

  1. 上一篇文章:
  2. 下一篇文章:
蘋果刷機越獄教程| IOS教程問題解答| IOS技巧綜合| IOS7技巧| IOS8教程
Copyright © IOS教程網 All Rights Reserved