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。
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
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。
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。SFSpeechRecognizer。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。