使用Olami sdk实现一个语音查询股票的iOS程序

前言

在目前的软件应用中，输入方式还是以文字输入方式为主，但是语音输入的方式目前应用的越来越广泛。在这里介绍一个使用 Olami SDK 编写的一个使用语音输入查询股票的APP
Olami SDK的介绍在下面这个网址
https://cn.olami.ai/wiki/?mp=sdk&content=sdk/ios/reference.html
在这个网址中详细的介绍了Olami SDK包含了那些函数和定义的委托。

APP介绍

下面通过一个APP来介绍一下如何使用Olami SDK
这个APP的下载地址是
https://github.com/lym-ay/OlamiStock

1. 去上面的网址下载Olami SDK.包括两个文件，其中的一个是Olami的静态函数库，一个是其头文件
第一步是初始化Olami的语音识别对象，并设置代理

olamiRecognizer= [[OlamiRecognizer alloc] init];olamiRecognizer.delegate = self;

2 . 调用setAuthorization函数进行授权

[olamiRecognizer setAuthorization:@"d13bbcbef2a4460dbf19ced850eb5d83"    api:@"asr" appSecret:@"3b08b349c0924a79869153bea334dd86" cusid:OLACUSID];

这个函数的参数的说明在OlamiRecognizer中有说明，也可以去在线API说明去查看
https://cn.olami.ai/wiki/?mp=sdk&content=sdk/ios/reference.html
有些参数必须去Olami的开发平台上注册才可以获的，网址是https://olami.ai，注册登陆以后创建应用才可以看到了

3 设置语系

[olamiRecognizer setLocalization:LANGUAGE_SIMPLIFIED_CHINESE];

在进行录音之前必须要先进行设置，否则会得不到结果。目前只支持简体中文(LANGUAGE_SIMPLIFIED_CHINESE)

4.开始录音
调用 start()接口开始进行录音

[olamiRecognizer start];

5得到录音的文字和语义，并对其进行处理
通过调用stop()函数或者自动停止，都会获得录音的文字和对其进行的语义分析的结果
实现OlamiRecognizerDelegate onResult函数可以获得结果，其结果以一个json字符串的形式回调过来，对这个字符串进行解析，就可以获得想要的股票的名称

[  {    "desc_obj": {      "status": 0    },    "semantic": [      {        "app": "stock",        "input": "招商银行的股价",        "slots": [          {            "name": "subject",            "value": "价格"          },          {            "name": "name",            "value": "招商银行"          },          {            "name": "type",            "value": "股票"          }        ],        "modifier": [          "query"        ],        "customer": "58df685e84ae11f0bb7b4893"      }    ],    "type": "stock"  }]

这个是根据OSL语法描述语言定义的一套规则，返回的结果。这个结果的说明在 https://cn.olami.ai/wiki/?mp=api_nlu&content=api_nlu3.html 这个网址上有说明。

看到这里大家可能会有疑惑，APP怎么知道我说的是什么意思呢？这就涉及到了OSL语法描述语言，OLAMI 语法描述语言（OLAMI Syntax Language，简称：OSL）是 OLAMI 平台针对自然语言处理所发展出的独特语法标记语言，自然语言语义互动（Natural Language Interaction, 简称：NLI）管理系统采用 OSL 取代复杂的编码编程，使用简单、容易学习而且灵活有弹性。可以在这个网址查看详细的说明
https://cn.olami.ai/wiki/?mp=osl&content=osl1.html
在编写这个APP之前，会按照OSL的要求编写好一套语法，这套语法可以被Olami的服务器所理解，并进行语义分析然后给出结果，就是上面的json字符串。在Olami官网上有写好的一些领域的模块，可以直接使用。在 https://cn.olami.ai/wiki/?mp=nli&content=nli1.html 网址可以看到介绍如何使用以后的模块。这个股票的grammar就是利用已有的模块来编写代码的。

6.创建应用，导入grammar
首先去olami的主页去登陆和注册。登陆以后转到这页面

在这里可以看到创建的stock这个应用。由于目前只支持创建五个应用，所以这里没有创建新应用这个接口。如果没有超过五个应用，则可以新添加接口。如下图所示

点击“创建新应用”，转到下面这个页面

填写 应用名称，应用描述，应用介绍以后，就可以创建了。回到上一个页面，就可以看到创建的应用了。

点击”进入NLI系统”就可以进入模块页面

在官网已经内置了很多领域的grammar.在模块页面大家点击“导入”按钮，查看已有领域的模块

选择一个要使用的，例如我要导入”stock”这个模块，先选择它，点击“导入” 按钮

然后点击“stock”模块，就可以进入股票模块，查看例句

但是这个时候还是不能使用，需要先进行发布。点击页面上方的”发布”按钮，进入发布页面

点击“发布按钮”

发布成功，就可以使用stock模块了

Olami还提供了测试grammar的功能，点击“测试”按钮，可以在页面进行测试grammar编写的是否正确，而不必要先开发APP

7 onResult函数说明
在整个程序中，最主要的一个函数就是onResult函数，他是一个语音识别回调代理的实现函数，在这里获得语音识别和语义识别的结果

- (void)onResult:(NSData *)result {    NSError *error;    __weak typeof(self) weakSelf = self;    NSDictionary *dic = [NSJSONSerialization JSONObjectWithData:result                                                        options:NSJSONReadingMutableContainers                                                          error:&error];    if (error) {        NSLog(@"error is %@",error.localizedDescription);    }else{        NSString *jsonStr=[[NSString alloc]initWithData:result                                               encoding:NSUTF8StringEncoding];        NSLog(@"jsonStr is %@",jsonStr);        NSString *ok = [dic objectForKey:@"status"];        if ([ok isEqualToString:@"ok"]) {            NSDictionary *dicData = [dic objectForKey:@"data"];            NSDictionary *asr = [dicData objectForKey:@"asr"];            if (asr) {//如果asr不为空，说明目前是语音输入                [weakSelf processASR:asr];            }            NSDictionary *nli = [[dicData 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(), ^{                });            }else{                NSDictionary *semantic = [[nli objectForKey:@"semantic"]                                          objectAtIndex:0];                [weakSelf processSemantic:semantic];            }        }else{            dispatch_async(dispatch_get_main_queue(), ^{            });        }    }}

在这个函数中，调用了三个函数，分别来处理josn格式中的三个比较重要的节点

//处理ASR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    }else{    }}

这个用来处理ASR节点，获得语音识别的结果

//处理Semantic节点- (void)processSemantic:(NSDictionary*)semanticDic {    NSArray *slot = [semanticDic objectForKey:@"slots"];    [_slotValue removeAllObjects];    if (slot.count != 0) {        for (NSDictionary *dic in slot) {            NSString *name = [dic objectForKey:@"name"];            if ([name isEqualToString:@"name"]) {//获得当前股票的名称                NSString* val = [dic objectForKey:@"value"];                [_slotValue addObject:val];            }        }    }    NSArray *modify = [semanticDic objectForKey:@"modifier"];    if (modify.count != 0) {        for (NSString *s in modify) {            [self processModify:s];        }    }}

这个用来处理Semantic节点，这个节点中包含了slot的值和modifier的值。OSL 语法描述语言中的 slot 可理解为语义中的变量，用于传递、提取信息，是代码处理的数据的来源。这个程序来说，就是股票名称的来源。关于slot的值可以参考 https://cn.olami.ai/wiki/?mp=osl&content=osl_slot.html，这里有详细说明。

//处理modify- (void)processModify:(NSString*) str {    if ([str isEqualToString:@"query"]) {//查询股票        NSString *name = _slotValue[0];        if (name) {            [self.delegate getStockName:name];        }    }}

这个用来处理语音和语义的结果。这个函数主要是处理json字符串中的modifier节点。modifier 语法描述规则是 OSL 语法描述语言中，除了 slot 以外的另一种内置的信息传递机制，一般用来表示语义目的，也可以理解为对于语义的一种注释方式，以便让应用程序的开发者得知 grammar 所代表的相应意图。详细说明参考
https://cn.olami.ai/wiki/?mp=osl&content=osl_regex.html#11，通过modifier，我们才能知道程序的意图是什么。

源代码下载
https://github.com/lym-ay/OlamiStock

欢迎大家留言和讨论。