摘要： 隨著AI技術的進步，智能語音開始將人機交互從手+眼睛的傳統模式中解放出來。帶給人們更便捷、更風趣、更有人情味的體驗，讓被操作對象變得不再只是一個死板的工具，而更像是一個有生命的助理。“幫我打開空調”，“明天上班需要帶傘嗎”，“快遞到哪了”…在萬物互聯的時代，你的所有需求只需要一句話便能實現。

點此查看原文：http://click.aliyun.com/m/43694/

隨著AI技術的進步，智能語音開始將人機交互從手+眼睛的傳統模式中解放出來。帶給人們更便捷、更風趣、更有人情味的體驗，讓被操作對象變得不再只是一個死板的工具，而更像是一個有生命的助理。“幫我打開空調”，“明天上班需要帶傘嗎”，“幫我沖100塊錢話費”…在萬物互聯的時代，你的所有需求只需要一句話便能實現。
AliOS Things 集成的Link Voice SDK即可實現智能語音交互。

關于阿里智能語音服務

阿里智能語音服務為設備提供語音交互能力、豐富的音樂內容、智能家居控制等，并可進行專有設備技能定制（如：語音操控跑步機、按摩椅等設備）。包括：

通用服務：搜歌、搜欄目、搜電臺、問天氣、百科、四則運算等；
阿里服務：控制智能家居、充值手機費、天貓超市購物、查詢電費等 （需接入賬號體系，可參考SDS接入）；
私有服務：操控設備、售后電話查詢等 （需要技能定制，簽約時請提供產品需求）。

功能集成

設備接入阿里語音服務，需要集成Alink SDK和Link-Voice SDK，其中Alink SDK為設備提供接入阿里IoT平臺的連接、賬號體系、配網、OTA等能力，而Link-Voice SDK為設備提供阿里智能語音服務。設備首先要集成了Alink SDK成為SDS平臺的一個設備，才能通過集成Link-Voice SDK使用阿里智能語音服務。

Link-Voice SDK除了依賴Alink為設備完成平臺接入設備管理外，還需要表格所列模塊完成相應工作。其中websockets用來進行語音數據的交互；opus完成語音錄制的PCM格式到opus格式的轉換（服務端只接收opus格式）；cjson用來做json解析；mbedtls為alink和websockets的底層連接進行加密，為其數據傳輸提供安全保障。

而目前AliOS Things已完成以上表格所有模塊的移植適配工作并將其集成進來，所以我們直接使用AliOS Things便可完成愉快的智能語音開發。主mcu性能建議：

Flash>=512KB
RAM>=200KB
CPU>=180Mhz

單次語音識別流程圖

簡化緩沖處理等細節：

開發平臺準備

按理滿足功能集成章節性能要求，并帶音頻錄制及播放功能的開發板即可。前提是需要完成AliOS Tings的移植適配工作。本文以全志xr871evb（已完成OS適配）為例進行介紹。

本平臺資源：

cpu:200Mhz cortext-M4f
RAM：448KB（部分硬件相關code需要加載到ram中運行，實際可用約280KB）
FLASH：2MB SPI FLASH

環境搭建及代碼編譯

先搭建AliOS開發環境（以linux為例）：
AliOS-Things-Linux-Environment-Setup

然后從github阿里官方開源庫下載最新版本的AliOS Things源碼（https://github.com/alibaba/AliOS-Things）：
以linux下開發為例：

git clone git@github.com:alibaba/AliOS-Things.git

切換到主分支：

git checkout master

建議再在主分支上新建一個自己的開發分支：

git checkout –b dev-xxx(yourname):

到目前為止環境也安裝好了，代碼也準備完畢，只待編譯及燒錄測試。
編譯link-voice測試例程：

aos make linkvoiceapp@xr871evb xr871=1

代碼燒入：

cd platform/mcu/xr871/tools/

修改串口配置：

vim settings.ini

將串口改成你板子的串口號，可ls /dev/tty*查看，保存退出。

代碼燒寫，先將全志開發板啟動選擇撥碼開關撥至NO位置，如同所示：

然后執行

./phoenixMC_linux 開始進行代碼燒寫，燒寫完成后再將撥碼開關撥回靠串口位置，重啟。

打開minicom或其他串口工具監視設備輸入信息，波特率115200。
功能演示：
初次上電后先進行配網：

netmgr connect ssid psswd

其中ssid和psswd分別替換為你無線網絡名及密碼。
由于沒有加本地關鍵詞識別功能，所以現在沒次對話需要按鍵觸發。
根據終端提示，待網絡連接后，出現以下提示時：

按按鍵2（AK2）觸發語音識別功能。

此時對著開發板說話，語音數據被編碼、上傳到云端、識別成功后返回相應信息，識別失敗亦有相應提示。

示例：
1:明天上班需要帶傘嗎？
2.給我講個鬼故事。
3.推薦一部懸疑電影。
4.把空調打開。

以下為一個小的演示視頻：
http://v.youku.com/v_show/id_XMzQ1NjQ4MjIyOA==.html?spm=a2h3j.8428770.3416059.1

API介紹

1）初始化

int pal_init(const struct pal_config *config);

說明： SDK初始化，只需調用一次。
入參：config結構體向SDK傳遞必須的參數
返回：0成功；-1失敗

2）銷毀

void pal_destroy();

說明：SDK銷毀，釋放資源。
入參：無
返回：無

3）獲取SDK版本

int pal_version();

說明：返回SDK的版本號
入參：無
返回：SDK版本號

4）設置日志級別

void pal_set_log_level(int level);

說明：設置SDK的日志級別。調試階段可設置為PAL_LOG_LEVEL_DEBUG方便調試問題，調試穩定之后上線前把日志級別設置為PAL_LOG_LEVEL_ERROR。
入參：level為SDK的日志級別
返回：無

5）設置環境

void pal_set_env(int env);

說明：設置SDK的環境，默認是PAL_ENV_RELEASE，在廠商外部環境下可以連接阿里線上環境。廠商無需使用這個接口。
入參：env為SDK的環境
返回： 無

6）廠商播放器向SDK上報消息

int pal_notify_msg(const char *msg);

說明：廠商的播放器的狀態或者按鍵事件需要按照Link_Voice_SDK_播控協議_v1.0.0.xlsx定義的json格式上報給SDK與上層應用同步狀態。
入參：msg為廠商播放器需要向SDK傳遞的事件消息
返回：0成功；-1失敗

7）廠商播放器通過SDK透傳ALink消息

int pal_post_alink_msg(const char *msg);

說明：SDK初始化過程會把ALink進行初始化，與阿里平臺保持物聯長連接，廠商設備需要上報給ALink的消息可通過該接口上報，SDK對該消息進行透傳上報給ALink服務端。
入參：msg為廠商需要通過SDK透傳給ALink進行上報的消息，格式按照ALink定義的消息格式
返回：0成功；-1失敗

8）開始一次語音識別

int pal_asr_start();

說明：設備通過按鍵或者遠場喚醒觸發語音識別時調用。
入參：無
返回：0成功；-1失敗；

9）發送語音數據

int pal_asr_send_buffer(const char *buffer, int buffer_len);

說明：該接口要在調用pal_asr_start成功了之后調用，發送語音數據。如果是PCM格式的數據，則要求每次640字節。如果返回PAL_VAD_STATUS_STOP則為云端檢測到語音結束了，廠商這時候可以調用pal_asr_stop或pal_asr_stop_async來獲本次識別結果。
入參：buffer語音數據，buffer_len語音數據長度，字節
返回：返回云端檢測到的VAD狀態

10）結束本次語音識別（同步接口）

struct pal_rec_result* pal_asr_stop();

說明：pal_rec_result結構體返回本次語音識別的結果，同步的接口。結構體里的字段status表示本次語音識別的狀態；should_restore_player_status表示廠商播放器處理完本次語音識別事件之后是否恢復之前的狀態，0是不恢復，1是恢復；asr_result表示ASR識別的文本；task_status表示語音識別任務狀態，PAL_REC_TASK_STATUS_END表示單次語音識別會話結束，PAL_REC_TASK_STATUS_WAITING表示多輪對話，應當播完TTS之后自動進入拾音狀態，開始一次新的語音識別。
入參：無
返回：語音識別結果的結構體

11）結束本次語音識別（異步接口）

void pal_asr_stop_async(pal_asr_callback callback, void *user);

說明：異步返回的接口，功能與pal_asr_stop一樣。
入參：callback注冊的回調函數，用于返回語音識別結果；user用戶自定義指針，在callback中會回傳給用戶
返回：無

12）取消本次語音識別

void pal_asr_cancel();

說明：取消本次的語音識別。
入參：無
返回：無

13）銷毀語音識別結果

void pal_rec_result_destroy(struct pal_rec_result *result);

說明：pal_asr_stop和pal_asr_stop_async返回的語音識別結果，需要通過該接口來釋放資源。
入參：result需要銷毀的結果
返回：無

14）文本轉語音（同步接口）

struct pal_rec_result* pal_get_tts(const char *text);

說明：提供文本轉語音的功能。返回的結果pal_rec_result需要通過pal_rec_result_destroy銷毀。
入參：text需要轉換的文本
返回：返回的結構體，文本轉語音的結果在tts字段中，是一個可播放的url。

更多

關于AliOS Things更多信息，請參考https://github.com/alibaba/AliOS-Things/wiki
關于Link Voice的更多信息，請參考https://iot.aliyun.com/product/voice?spm=a2c2j.8959409.5007732.14.666018deKqxNU7

識別以下二維碼，干貨

總結

以上是生活随笔為你收集整理的基于AliOS Things玩转智能语音的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。