NUANCE 語音識別客戶端
RCEngine 實現總結
編寫目的:
本文只是一個純技術性的文檔,主要從編程角度敘述了利用 RCEngine 開發語音識別的過程與步驟,具體語音識別的理論,請參考 Nuance 的相關技術材料。另外閱讀本文是最好是配合瀏覽 Nuance 的例子程序,以便加深理解。
1. 基礎概念:
RCEngine :
是一個封裝了語音識別,語音文件操作,電話控制的類,它派生自 RCEngineInterface 抽象基類。所以要在程序中調用 Nuance 的語音識別功能你就必須實例化 RCEngine 。
NotifiableAdapter :
RCEngine 的所有函數都是異步函數,它使用確認 --- 通知形式與用戶程序通信,要獲取到這些確認和通知消息你必須建立一個消息處理類,而這個類必須派生自 NotifiableAdapter ,并且在實例化 RCEngine 時把本類指針交給 RCEngine 。
Application object :
通常 Nuance 把一個派生自 NotifiableAdapter 的且與一個 RCEngine 對象對應得實例化對象稱為一個 Application object 。一個應用程序可以根據自己有多少個 license 來創建多個 Application object 。在 Nuance 的例子和我寫的客戶端中 RCAPP 就是一個 Application object 。
Dispatcher object :
他是個事件分發對象,他一直都在不斷的作把識別事件分發給各個 RCEngine 的循環,當所有的 RCEngine 都摧毀時他便自動結束事件循環。
Triggerable :
觸發器,你若要讓 Dispatcher 自動在某觸發事件放生時調用你的處理函數,那么你的處理函數實現的類必須要派生于 Triggerable 。所以我的代碼中 RCAPP 也派生于這個類。
2. 本客戶端組成:
RCAPP : 擔當 Application object 和 Triggerable 角色。
AudioSampleFetcher : 一個為 RCEngine 提供識別數據的輔助類。
CRCDispatcher : 擔當 Dispatcher object 角色。
3. 本程序中各個類之間的關系:
每個 RCAPP 包含一個 AudioSampleFetcher 為它在識別時提供數據。
系統中可根據 license 個數創建多個 RCAPP 。各個 RCAPP 的消息需要由 CRCDispatcher 分發。而 CRCDispatcher 是個消息分發的循環體,它只有在所有 RCAPP 都被刪除時才退出循環。 CRCDispatcher 在系統中只可以有一個。
4. 識別客戶端初始化流程:
一個客戶端從創建到開始可以進行識別需要一系列對象創建過程,這個過程很重要,而且也比較復雜。下面我將一步步地把這個過程描述出來:
4.1. Dispatcher object 的創建:
這是所有操作的開始點。我們需要一些準備工作來創建這個 Dispatcher 對象:
4.1.1. 創建一個 NuanceConfig 對象:
對于單獨語法包的客戶端,我們可以用函數 NuanceConfigBuild ()來創建,只要向它提供語法包路徑就可以了。對于多語法包的客戶端我們要用 NuanceConfigBuildFromCommandLine ()函數來創建,創建時把所有參數作為一個存放字符串數組 (char**) 放到它的第二個參數里,它第一個參數是參數個數。這里必須要注意第二個參數的數據的格式和空格大小寫等,任何一個錯誤都會引起創建失敗。我的做法是用一個配置文件存儲所有的參數,然后逐一讀出,組裝成一個字符串指針數組。下面是我的配置文件的部分:
packagedir=H:\GHT\ICA\CVP_M
packagedir=H:\GHT\ICA\CVP_C
audio.Provider=mem
client.Behaviors=calllog,timeout
。。。。
讀出整理后要求的格式是:
-package
H:\GHT\ICA\CVP_M
–package
H:\GHT\ICA\CVP_M
audio.Provider=mem
client.Behaviors=calllog,timeout
。。。。
上面每一行作為字符串( char* )分別存儲到以下的 punit 數組中:
typedef char* _tCmdLnUnit;
_tCmdLnUnit punit[256];
然后再調用 NuanceConfigBuildFromCommandLine ()
4.1.2. 創建一個 Dispatcher :
這部分比較簡單只要把上一步創建的 NuanceConfig 作為參數傳入 Dispatcher 的構造函數即可。
4.2. 創建 Application object :
4.2.1. 創建 RCAPP :
本客戶端的 RCAPP 對象就是 Application object 對象。它派生于 NotifiableAdapter 和 Triggerable ,并且它有一個 RCEngine * 的內部成員。
4.2.2. 創建 RCEngine :
其構造函數為: RCEngine(NuanceConfig const* config, DispatcherInterface & dispatcher, Notifiable & notifiable, NuanceStatus & status) ;把剛才創建的 NuanceConfig 對象、 Dispatcher 對象、 RCAPP 對象的指針作為參數即可。
4.3. 啟動 Dispatcher 的消息循環:
4.3.1. 創建一個線程:
Dispatcher 的消息循環需要獨占一個線程。
4.3.2. 執行消息循環:
只要執行 Dispatcher 的 Dispatch ()函數即可。該函數不會退出,除非所有 RCEngine 都被刪掉。當它退出時,就是這個 Dispatcher 應該被刪除的時候了。
4.4. HandleInitializationCompleted 被調用:
當你的 Application object 的 HandleInitializationCompleted 被調用時且通告狀態值是 NUANCE_OK 時,說明你的 RCEngine 已初始化成功了。但注意這里并不是表示你可以進行識別了,你還需要做以完一下工作:
4.4.1. 設置播音為外部:
因為我們使用的是自己的播放音平臺,所以必須設定是外部播音。
4.4.2. 打開數據庫
我們要用到動態語法所以必須要打開數據庫。用函數 OpenDatabase ()打開數據庫,這里要提供 odbc 數據源名稱,用戶帳號,數據庫類型的信息。
4.4.3. 打開 calllog 通道
調用 OpenCalllogChannel ()函數打開 callog 通道讓 Nuance 把 callog 放到 NuanceConfig 對象創建時參數指定的位置,否則 callog 會放到客戶端程序同樣路徑下。
4.4.4. 創建 AudioSampleFetcher :
這是個為識別提供數據的輔助類,在這里創建比較合適。
4.5. HandleNuanceDBOpened :
通告狀態值是 NUANCE_OK 時,說明你的數據庫打開成功。這個時候,你的初始化成功完成了。你可以進入下一步,開始識別了。
4.6. 啟動識別:
4.6.1. 設定識別閥值:
當的識別得分,低于這個值時,識別結果就會被拒絕。
4.6.2. 設定 NoSpeechTimeoutSecs 值:
當 RCEngine 啟動超后在該值時間內沒有人聲輸入,系統就會結束識別并返回 NoSpeechTimeout 信息。
4.6.3. 預定義輸出結果格式:
當需要格式化的識別結果時,要在這里設定好結果的輸出格式。比如我們輸入的格式是: <&confidence>spelling:<spelling> 則輸出的結果可以是: 69 spelling:chai4 shan1 shan1 . 表示識別分數 69, 識別出來的 slot (這里是 <spelling> )對應的值是 chai4 shan1 shan1 。
4.6.4. 啟動識別:
使用 RCEngine 的 RecognizeUtterance ()函數啟動識別。這里要提供一個 Top grammar ,也就是靜態語法中的 top grammar. 識別過程需要一定的時間等待結果,若你要在被過程中啟動超時則可以通過設定 behavior.timeout.ExternalPromptDone 為 TRUE ,讓之前設定的 NoSpeechTimeoutSecs 生效。
4.6.5. 啟動錄音:
由 AudioSampleFetcher 的 StartPlatformDependentRecording 函數調用外部錄音平臺錄音。 AudioSampleFetcher 會創建觸發器,該觸發器會每 100 毫秒(該值可以在啟動觸發器時自己定義,推薦用默認的 100 毫秒)進行一次錄音數據的輸入。
4.6.6. 發現人音 HandleStartOfSpeech :
正常的話,當在音頻數據中發現人聲時,你的 application object 的 HandleStartOfSpeech 被調用。這時你可以停掉外部的平臺放音。
4.6.7. 發現語音結束點 HandleEndOfSpeech :
當識別系統認為人聲結束時,你的 application object 的 HandleEndOfSpeech 會被調用。
4.6.8. 發現語音結束點 HandleRecognitionStopped :
當系統識別結束時這個 application object 的 HandleRecognitionStopped 會被調用。這時你要做的是用 AudioSampleFetcher 的 StopPlatformDependentRecording 停掉外部平臺錄音。用 RecResultGetType ()獲取識別結束原因,除了成功外,其中還飽含識別失敗的原因等,用 RecResultGetTextResult 獲取識別的格式化結果。至此一次識別結束。
5. 識別客戶端的關閉:
識別客戶端關閉的具體步驟是:
5.1. 停止所有識別任務:
用 RCEngine 的 Abort ()函數終止一切操作。
5.2. 關閉動態語法數據庫:
用 RCEngine 的 CloseDatabase ()關閉語法數據庫。
5.3. 刪除所有 Application object( 在它釋構時刪除它的 RCEngine 對象成員 ) :
即刪除本客戶端的 RCAPP 對象。
5.4. Dispatcher 退出消息循環時刪除 Dispatcher object 對象:
這里一定要等到 Dispatcher 自動退出循環才刪掉這個對象,不然會引起錯誤。
lyman
2005.12.30
posted on 2006-06-22 11:43
名羽 閱讀(1027)
評論(0) 編輯 收藏 引用 所屬分類:
project sum-up