SFSpeechRecognizer -检测话语的结束

Question

我是黑客使用iOS 10内置语音识别的一个小项目。我有使用设备的麦克风的工作结果，我的讲话非常准确地识别。

我的问题是，对于每个可用的部分转录，都会调用识别任务回调，我希望它能够检测停止说话的，并调用isFinal属性设置为true的回调。这是不可能的-应用程序正在无限期地监听。

SFSpeechRecognizer是否有能力检测句子的结尾？

这是我的代码-它是基于在互联网上发现的例子，它主要是一个样板，需要从麦克风源识别。我修改了它，增加了识别taskHint。我还将shouldReportPartialResults设置为false，但它似乎被忽略了。

    func startRecording() {

    if recognitionTask != nil {
        recognitionTask?.cancel()
        recognitionTask = nil
    }

    let audioSession = AVAudioSession.sharedInstance()
    do {
        try audioSession.setCategory(AVAudioSessionCategoryRecord)
        try audioSession.setMode(AVAudioSessionModeMeasurement)
        try audioSession.setActive(true, with: .notifyOthersOnDeactivation)
    } catch {
        print("audioSession properties weren't set because of an error.")
    }

    recognitionRequest = SFSpeechAudioBufferRecognitionRequest()
    recognitionRequest?.shouldReportPartialResults = false
    recognitionRequest?.taskHint = .search

    guard let inputNode = audioEngine.inputNode else {
        fatalError("Audio engine has no input node")
    }

    guard let recognitionRequest = recognitionRequest else {
        fatalError("Unable to create an SFSpeechAudioBufferRecognitionRequest object")
    }

    recognitionRequest.shouldReportPartialResults = true

    recognitionTask = speechRecognizer?.recognitionTask(with: recognitionRequest, resultHandler: { (result, error) in

        var isFinal = false

        if result != nil {
            print("RECOGNIZED \(result?.bestTranscription.formattedString)")
            self.transcriptLabel.text = result?.bestTranscription.formattedString
            isFinal = (result?.isFinal)!
        }

        if error != nil || isFinal {
            self.state = .Idle

            self.audioEngine.stop()
            inputNode.removeTap(onBus: 0)

            self.recognitionRequest = nil
            self.recognitionTask = nil

            self.micButton.isEnabled = true

            self.say(text: "OK. Let me see.")
        }
    })

    let recordingFormat = inputNode.outputFormat(forBus: 0)
    inputNode.installTap(onBus: 0, bufferSize: 1024, format: recordingFormat) { (buffer, when) in
        self.recognitionRequest?.append(buffer)
    }

    audioEngine.prepare()

    do {
        try audioEngine.start()
    } catch {
        print("audioEngine couldn't start because of an error.")
    }

    transcriptLabel.text = "Say something, I'm listening!"

    state = .Listening
}

Answer 1

当用户按预期停止说话时，isFinal标志似乎不成立。我想这是苹果想要的行为，因为“用户停止交谈”事件是一个未定义的事件。

我相信，要达到你的目标，最简单的方法是做以下工作：

• 你必须建立一个“沉默的间隔”。这意味着，如果用户说话的时间不超过您的时间间隔，他已经停止说话(即2秒)。
• 在开始时创建一个audio session计时器

var timer = NSTimer.scheduledTimerWithTimeInterval(2, target: self, selector: "didFinishTalk", userInfo: nil, repeats: false)

• 当您在recognitionTask中获得新的转录时，请使定时器失效并重新启动。 timer.invalidate() timer = NSTimer.scheduledTimerWithTimeInterval(2, target: self, selector: "didFinishTalk", userInfo: nil, repeats: false)
• 如果计时器过期，这意味着用户不会在2秒内说话。您可以安全地停止音频会话并退出

Answer 2

根据我在iOS10上的测试，当shouldReportPartialResults设置为false时，您必须等待60秒才能得到结果。

Answer 3

我正在使用语音短信，目前在一个应用程序，它是好的工作对我。我的recognitionTask块如下：

recognitionTask = speechRecognizer?.recognitionTask(with: recognitionRequest, resultHandler: { (result, error) in
        var isFinal = false

        if let result = result, result.isFinal {
            print("Result: \(result.bestTranscription.formattedString)")
            isFinal = result.isFinal
            completion(result.bestTranscription.formattedString, nil)
        }

        if error != nil || isFinal {
            self.audioEngine.stop()
            inputNode.removeTap(onBus: 0)

            self.recognitionRequest = nil
            self.recognitionTask = nil
            completion(nil, error)
        }
    })