利用Olami SDK 实现语音控制计算器（iOS）

一、简介：
Olami Calculator是一款在键盘输入算式的普通计算器的基础上，增加了支持语音控制输入算式输出结果的人工智能计算器。此外还增加了多种动画效果，计算结果提示音功能，多元化主题换肤功能，以及保存计算公式，侧滑栏查看收藏记录等功能。网上也有许多语音计算器，但是打开看，只是添加了按钮提示音等，并不能识别我们对着计算器说的内容，而Olami Calculator可以实现不用手动敲击键盘，只需要把想知道结果的算式对着语音计算器说出来，例如三加四乘五、清空等，然后Olami会根据自己的一套语音识别系统帮我们准确识别出来。真正做到一款语音控制的计算器。

二、界面直观化展示


三、Olami SDK的配置
step 1：创建工程与导入sdk
Olami SDK下载地址：https://github.com/olami-developers/olami-sdk-ios.git
下载下来之后我们可以看到sdk-libs文件夹：，把libOlamiRecognizer.a静态库文件和OlamiRecognize.h对外提供接口文件拖入到我们的工程中。配置工程：

step 2 : 创建Olami应用
点击https://cn.olami.ai/open/website/home/home_show注册创建个人账号并登陆。进入后创建新应用，建好之后进入应用管理可以看到下面界面
点击查看key：


step 3：可直接导入的语音模块
点击配置模块选择你需要的语音模块，目前有天气，二十四点，新闻，听书，数学等50~多个模块，
，供大家选择的还是很多的。也可以点击“进入NLI系统”，再点击导入，可以看到如下界面，这里也是已经有的模块有需要的直接导入：


step 4：自定制语音模块
olami平台会为广大开发者提供一些已经写好了的语法模块，如果提供给大家的模块不能满足当下解析录入语音的需求，那么不要慌，下面就是教大家如何定制属于自己的模块。
首先.登录，进入我的应用（没有应用的话记得创建新应用哦），然后点击“进入NLI系统”。下面是点击之后的界面，可以看到右上角有导入和新增

如果没有所需的模块，那么就需要点击”新增“。我们做的是计算器那就给个名字，输入calculate，提交成功后可以看到我的模块里面有了一个新模块，:


点击calculate后面的进入模块。界面中有例句库，grammar，rule，slot，template模板。



现在做的计算器，那需要olami为我们识别出什么呢？
比如：9+8+7 就这个算式而言，我们对着蜜蜜说完，是希望把数字还有符号都给我们识别出来的。

分析：”9”、”+”、”8”、”+”、”7”是我们需要系统帮我们识别并且返回给我们的变量，那就可以在slot设置5个变量，slot有五种类型（这里数字用float、符号用internal），rule是一些临时的中间表达式:[等于|结果是]，modifier传递预定义好的信息，不管是slot还是rule都是为grammar服务的，要显示句子要写grammar。
各举一个例子：
grammar：名称：两个数结果等于多少 内容：[<再>][<数字一>][<符号一>][<数字二>][<结果是>|<等于几>]
slot：名称：数字一 类型：float 最长：50 最短：1
rule：名称：结果是 内容：[的]结果[是|等于[多少|几]] （|：或 []:可以省略的）。
要更多的了解点击这里查看OSL 语法描述语言 grammar的简介：https://cn.olami.ai/wiki/?mp=overview&content=quickstart.html。
一切就绪提交成功了之后，就可以测试了，测试无误满足需求，点击“发布”就可以使用啦！

上图：

• 1.新增grammar：
  

• 2.添加语料：写出希望可以识别的一句grammar，测试并提交
  

• 3.最后测试无误一定要点发布
  

• 4.完成配置
  以上都完成了回到应用管理，我们就可以配置自己搭建的模块了！
  

• 5.再测试
  噔噔噔噔~可以使用了，变量都帮我们识别出来了！
  
  
  
  

四、代码处实现

先来看下OlamiRecognizer.h为我提供了哪些接口

 *返回结果 */-(void)onResult:(NSData*)result;/* *取消本次会话 */-(void)onCancel;/* *识别失败 */-(void)onError:(NSError *)error;/* *音量的大小 音频强度范围时0到100 */-(void)onUpdateVolume:(float) volume;/*** *开始录音 */-(void)onBeginningOfSpeech;/** *结束录音 * */-(void)onEndOfSpeech;@endtypedef NS_ENUM(NSInteger, LanguageLocalization) {    LANGUAGE_SIMPLIFIED_CHINESE = 0, //简体中文    LANGUAGE_TRADITIONA_CHINESE = 1  //繁体中文};@interface OlamiRecognizer : NSObject@property (nonatomic,weak) id<OlamiRecognizerDelegate> delegate;@property (nonatomic, assign,readonly) BOOL isRecording;//是否正在录音-(void)start;//开始录音-(void)stop;//结束录音，开始识别-(void)cancel;//取消本次回话/** *设置语系的选项，目前只支持一种，简体中文 */-(void)setLocalization:(LanguageLocalization) location;/** *CUSID;//终端用户标识id，用来区分各个最终用户 例如:手机的IMEI *appKey;//创建应用的appkey *api;//要调用的API类型。现有3种：语义(nli)和分词(seg)和语音(asr) *appSecret;//加密的秘钥，由应用管理自动生成 */-(void)setAuthorization:(NSString*)appKey api:(NSString*)api appSecret:(NSString*)appSecret cusid:(NSString*)CUSID;-(void)setVADTimeoutFrontSIL:(unsigned int)value;//设置VAD前端点超时范围 1000~~10000（ms） 默认3000-(void)setVADTimeoutBackSIL:(unsigned int)value;//设置VAD后端点超时范围  1000~~10000（ms） 默认2000-(void)setInputType:(int) type;//设置是语音输入还是文字输入 0 为语音 1为文字输入-(void)setLatitudeAndLongitude:(double) latitude longitude:(double)longit;//设置地理位置,参数为经纬度-(void)sendText:(NSString*)text;//发送输入的文字

项目中，首先 初始化Olami语音识别对象并设置代理

 /** *CUSID;//终端用户标识id，用来区分各个最终用户 例如:手机的IMEI *appKey;//创建应用的appkey *api;//要调用的API类型。现有3种：语义(nli)和分词(seg)和语音(asr) *appSecret;//加密的秘钥，由应用管理自动生成 */#define AppKey @""//查看自己的#define AppSecret @""#define macID @""-(void)setupOLAMI{    _olamiRecognizer= [[OlamiRecognizer alloc] init];    _olamiRecognizer.delegate = self;//此处为OlamiRecognizerDelegate    [_olamiRecognizer setAuthorization:AppKey api:@"asr" appSecret:AppSecret cusid:macID];    //设置语言，目前只支持中文    [_olamiRecognizer setLocalization:LANGUAGE_SIMPLIFIED_CHINESE];}

设置一个录音键

#pragma mark --录音键- (IBAction)recordButton:(UIButton *)sender {    //设置为语音模式（代理方法：0为语音）    [_olamiRecognizer setInputType:0];    //开始录音    if (_olamiRecognizer.isRecording) {//isRecording = YES 即为录音模式        [_olamiRecognizer stop];//代理方法        [_recordButton setImage:[UIImage imageNamed:@"话筒4.png"] forState:UIControlStateNormal];    }else{        [_olamiRecognizer start];//代理方法        [_recordButton setImage:[UIImage imageNamed:@"话筒7.png"] forState:UIControlStateNormal];        [_recordButton.layer addAnimation:[self shine] forKey:@"shine"];//添加一个动画    }}//发光动画- (CABasicAnimation *)shine{    CABasicAnimation *animation =[CABasicAnimation animationWithKeyPath:@"shine"];    animation.fromValue = [NSNumber numberWithFloat:1.0f];    animation.toValue = [NSNumber numberWithFloat:0.0f];    animation.autoreverses = YES;    animation.duration = 0.5;    animation.repeatCount = MAXFLOAT;    animation.removedOnCompletion = NO;    animation.fillMode = kCAFillModeForwards;    animation.timingFunction = [CAMediaTimingFunction functionWithName:kCAMediaTimingFunctionEaseIn];    return animation;}#pragma mark -- 录音结束（代理方法）- (void)onEndOfSpeech {    [_recordButton setImage:[UIImage imageNamed:@"话筒4.png"] forState:UIControlStateNormal];    [_recordButton.layer removeAnimationForKey:@"shine"];}

识别音量

#pragma mark--NLU delegate- (void)onUpdateVolume:(float)volume {    if (_olamiRecognizer.isRecording) {        _waveView.present = volume/100;    }}waveview： 根据sin函数 y=Asin(ωx+φ)+b    //e.g.:1.    CGContextRef context = UIGraphicsGetCurrentContext();    CGMutablePathRef path = CGPathCreateMutable();    CGContextSetLineWidth(context, 3);    CGContextSetLineCap(context, kCGLineCapRound);    CGContextSetAllowsAntialiasing(context, true);    CGContextSetRGBStrokeColor(context, 124 / 255.0, 145 / 255.0, 155 / 255.0, 1.0);      CGContextBeginPath(context);    float y= (1 - _present) * rect.size.height;    CGPathMoveToPoint(path, NULL, -10, y);    for(float x=0;x<=rect.size.width;x++){        y=  sin( 3*x/rect.size.width * M_PI + moveX/rect.size.width *M_PI ) *maxA + _currentLinePointY;        CGPathAddLineToPoint(path, nil, x, y);    }    CGContextAddPath(context, path);    CGContextDrawPath(context, kCGPathStroke);    CGPathRelease(path);

界面差不多就这些，主要是看返回来的result
调用代理这个方法-(void)onResult:(NSData*)result; 其语义分析后的结果以一个json字符串的形式回调过来，对这个字符串进行解析，就可以获得想要的变量。

#pragma mark --返回结果- (void)onResult:(NSData *)result {    NSError *error;    __weak typeof(self) weakSelf = self;    if (error) {        NSLog(@"error is %@",error.localizedDescription);    }else{        NSDictionary *json = [NSJSONSerialization JSONObjectWithData:result                                                            options:NSJSONReadingMutableContainers                                                              error:&error];        NSLog(@"json=%@",json);        if ([json[@"status"] isEqualToString:@"ok"]) {            NSDictionary *asr = [json[@"data"] objectForKey:@"asr"];            //如果asr不为空，说明目前是语音输入            if (asr) {                [weakSelf processASR:asr];            }            NSDictionary *nli = [[json[@"data"] objectForKey:@"nli"] objectAtIndex:0];            NSDictionary *desc = [nli objectForKey:@"desc_obj"];            int status = [[desc objectForKey:@"status"] intValue];            if (status != 0) {// 0 说明状态正常,非零为状态不正常                NSString *result  = [desc objectForKey:@"result"];                dispatch_async(dispatch_get_main_queue(), ^{                    _resultLabel.text = result;//输出不正常提示                    _resultLabel.font = [UIFont systemFontOfSize:20];                    [_resultLabel startAnimation];                    _showTextView.text = asr[@"result"];                    AudioServicesPlaySystemSound (soundID);                });            }else{                NSDictionary *semantic = [[nli objectForKey:@"semantic"]                                          objectAtIndex:0];                //对slot和算式的处理结果                [weakSelf processSemantic:semantic asr:asr];                //处理modifier                NSArray *modifierArr = [semantic objectForKey:@"modifier"];                [weakSelf processModifier:modifierArr result:desc[@"result"]];            }        }else{            _showTextView.text = @"请说出要计算的公式";        }    }}#pragma mark --处理ASR语音对话节点- (void)processASR:(NSDictionary*)asrDic {    NSString *result  = [asrDic objectForKey:@"result"];    if (result.length == 0) { //如果结果为空，则弹出警告框        [self showAlert:@"没有接受到语音，请重新输入!"];        return;    }else{        dispatch_async(dispatch_get_main_queue(), ^{            NSString *str = [result stringByReplacingOccurrencesOfString:@" " withString:@""];//去掉字符中间的空格            NSLog(@"answer result = %@",str);        });    }}//处理semantic节点返回的slot - (void)processSemantic:(NSDictionary*)semanticDic asr:(NSDictionary *)asr {    NSMutableArray *sumArr = [NSMutableArray array];    for (NSDictionary *dic in semanticDic[@"slots"]) {        NSString *nameStr = dic[@"name"];    //遍历，然后把slot添加到数组里    NSString *textStr = [[sumArr componentsJoinedByString:@","] stringByReplacingOccurrencesOfString:@"," withString:@""];    NSLog(@"textstr=%@",textStr);    if (![textStr isEqualToString:@""]) {        _passString = [self replaceInputStrWithPassStr:textStr];        if (asr) {            _lastAnswer = _resultLabel.text;//语音记录上一次记录        }else{            _lastAnswer = @"";        }        //第一次运算或者不再加        if ([_lastAnswer isEqualToString:@"error"]||[_lastAnswer isEqualToString:@""]) {            if (asr) {                dispatch_async(dispatch_get_main_queue(), ^{                    _showTextView.text = [[textStr stringByReplacingOccurrencesOfString:@"2√" withString:@"√"] stringByAppendingString:@"="];//计算公式                });                textStr = [_calcultor calculatingWithString:_passString andAnswerString:@"0"];            }else{                textStr = [_calcultor calculatingWithString:_passString andAnswerString:@"0"];            }        //有结果考虑再运算的步骤        }else{            //有结果再运算的情况            UniChar c = [_passString characterAtIndex:0];            if (c =='-'|| c == '+'||c == 'x'||c =='/')            {                dispatch_async(dispatch_get_main_queue(), ^{                    _showTextView.text = [[_lastAnswer stringByAppendingString:[textStr stringByReplacingOccurrencesOfString:@"2√" withString:@"√"]] stringByAppendingString:@"="];//计算公式                });                textStr = [_calcultor calculatingWithString:[_lastAnswer stringByAppendingString:_passString] andAnswerString:@"0"];//            }            //有结果但是不想再运算            else{                dispatch_async(dispatch_get_main_queue(), ^{                    _showTextView.text = [[textStr stringByReplacingOccurrencesOfString:@"2√" withString:@"√"] stringByAppendingString:@"="];//计算公式                });                textStr = [_calcultor calculatingWithString:_passString andAnswerString:@"0"];            }        }        dispatch_async(dispatch_get_main_queue(), ^{                AudioServicesPlaySystemSound (soundID1);                _resultLabel.font = [UIFont systemFontOfSize:50.0];                _resultLabel.text = textStr;        });        [_resultLabel startAnimation];    }}

后台返回：语音内容是显示在asr字段里，大家可能会有疑问后台怎么识别的我们语音的内容，这是由于我们之前在olami平台创建新应用后导入了一套识别相应内容的grammar，这样olami的语义解析功能会为我们自动识别出想要得到的变量内容。

比如我说：3+6乘九等于几？
对应grammar语法：[<再>][<数字一>]<符号一><数字二><符号二><数字三>[<结果>|<等于>]
返回结果：

json={    data =     {        asr =         {            final = 1;            result = "\U4e09\U52a0\U516d\U4e58\U4e5d\U7b49\U4e8e\U51e0";            "speech_status" = 0;            status = 0;        };        nli =         (                        {                "desc_obj" =                 {                    status = 0;                };                semantic =                 (                                        {                        app = calculator;                        customer = 59530feb84aea6f385319c65;                        input = "\U4e09\U52a0\U516d\U4e58\U4e5d\U7b49\U4e8e\U51e0";                        modifier =                         (                        );                        slots =                         (                                                        {                                name = number3;                                "num_detail" =                                 {                                    "recommend_value" = 9;                                    type = float;                                };                                value = "\U4e5d";                            },                                                        {                                name = number1;                                "num_detail" =                                 {                                    "recommend_value" = 3;                                    type = float;                                };                                value = "\U4e09";                            },                                                        {                                name = number2;                                "num_detail" =                                 {                                    "recommend_value" = 6;                                    type = float;                                };                                value = "\U516d";                            },                                                        {                                name = symbol1;                                value = "+";                            },                                                        {                                name = symbol2;                                value = x;                            }                        );                    }                );                type = calculator;            }        );    };    status = ok;}

再加三等于几？
对应grammar：[<再>][<数字一>][<符号一>][<数字二>][<结果>|<等于>] 、
后台返回json字段：

json={    data =     {        asr =         {            final = 1;            result = "\U518d\U52a0\U4e09\U7b49\U4e8e\U51e0";            "speech_status" = 0;            status = 0;        };        nli =         (                        {                "desc_obj" =                 {                    status = 0;                };                semantic =                 (                                        {                        app = calculator;                        customer = 59530feb84aea6f385319c65;                        input = "\U518d\U52a0\U4e09\U7b49\U4e8e\U51e0";                        modifier =                         (                        );                        slots =                         (                                                        {                                name = again;                                value = a;                            },                                                        {                                name = number2;                                "num_detail" =                                 {                                    "recommend_value" = 3;                                    type = float;                                };                                value = "\U4e09";                            },                                                        {                                name = symbol1;                                value = "+";                            }                        );                    }                );                type = calculator;            }        );    };    status = ok;}

键盘上的收藏是用FMDB实现。

计算过程：涉及到算法，数据结构堆栈问题，大概思路设置优先级，设置两个栈，一个数据栈，一个运算符栈，在运算符栈底添加#方便处理。获取表达式第一个元素如果是数据添加到数据栈中，元素如果是运算符，那么每次都要跟运算符栈定元素比较优先级，如果取得的运算符的优先级大于栈顶元素优先级时，该运算符直接进栈，优先级不大的话，就要取栈顶运算符优先运算，最后碰到#停止。如果有记忆上一轮结果的话，结果需要放到数据栈栈进行下一次处理

        NSString *subStr1 = [numberArray    objectAtIndex:0];        UniChar c = [subStr1   characterAtIndex:0];        //如果是数据则添加到数据栈        if ((subStr1.length > 1 && [subStr1 hasPrefix:@"-"])||(c >='0'&&c <= '9')) {            //插到数据栈顶            [operandStackArray insertObject:subStr1 atIndex:0];            //元素每次进栈之后要在表达式数组中移除该元素            [numberArray   removeObjectAtIndex:0];        }        else        {            //元素是运算符，则每次都要跟运算符栈的栈顶元素比较优先级            NSString *topStack2 = [stack2   objectAtIndex:0];//取得运算符栈栈顶元素            if ([subStr1   isEqualToString:@"#"] && [topStack2   isEqualToString:@"#"]){                //当取得元素和栈顶元素都为#时，说明表达式运算结束，获取运算结果                result = [operandStackArray  objectAtIndex:0];                break;            }            //对取得的元素在优先级表中获取优先级            NSInteger one = [[_opPriority objectForKey:subStr1]integerValue];            //对栈顶元素在优先级表中获取优先级            NSInteger two = [[_opPriority objectForKey:topStack2]integerValue];            if (one < two) {                //取得的运算符的优先级大于栈顶元素优先级时，该运算符直接进栈                [stack2 insertObject:subStr1 atIndex:0];                [numberArray   removeObjectAtIndex:0];            }            else            {                NSString *strX = [operandStackArray  objectAtIndex:0];                if ([strX   isEqualToString:@"error"]) {                    result =@"error";                    break;                }                double x1 = [strX  doubleValue];                [operandStackArray removeObjectAtIndex:0];                strX = [operandStackArray  objectAtIndex:0];                if ([strX   isEqualToString:@"error"]) {                    result =@"error";                    break;                }                double x2 = [strX doubleValue];                [operandStackArray removeObjectAtIndex:0];                [stack2 removeObjectAtIndex:0];                //计算结果                result = [self calculateNumbersWithOperator:topStack2 betweenDouble:x2 andDoule:x1];                if ([result   isEqualToString:@"error"]) {                    break;                }                [operandStackArray insertObject:result atIndex:0];            }        }