要说引擎篇，也谈不上。底层语音识别的实现，是基于HTK开源语音识别工具：http://htk.eng.cam.ac.uk/# 前面用过这个工具，也用JNI转成java可调用的接口，所以还算比较熟悉。这次引擎，也只是用cgo来转。HMM模型都是用HTK的工具训练好的，只要有数据，baidu，google上教程还是很多的，自带的HTKBOOK就是最权威的教程。
在实现阶段，主要就是用到三个工具：HCopy(提取特征)，HVite(viterbi算法识别)，HParse(制作语法词网)。看看都需要哪些文件：
这些文件中，只有上述三个HCopy.c，HVite.c，HParse.c还有main主函数，所以只要把三个main函数重命名下，传参仍不变，并修改下这三个文件中一些相同命名的函数（比方Usage这类的），再写个asr.h的头文件，把上述重命名的三个main函数加进去就ok了,asr.h：
|
1
2
3
4
5
|
#ifndef ASR_Hint HCopy(int argc, char *argv[]);
int HVite(int argc, char *argv[]);
int HParse(int argc, char *argv[]);
#endif |
再看下HTKengine.go：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
|
package HTKengine
//#include "asr.h"//#include "string.h"//#include "stdlib.h"import "C"
import "unsafe"
type cmd struct { HCOPY string
HVITE string
HPARSE string
} var Command *cmd = &cmd{"HCopy", "HVite", "HParse"}
func HCopy(args []string) { arg := make([](*_Ctype_char), 0)
l := len(args)
for i, _ := range args {
char := C.CString(args[i])
defer C.free(unsafe.Pointer(char))
strptr := (*_Ctype_char)(unsafe.Pointer(char))
arg = append(arg, strptr)
}
C.HCopy(C.int(l), (**_Ctype_char)(unsafe.Pointer(&arg[0])))
} func HVite(args []string) { arg := make([](*_Ctype_char), 0)
l := len(args)
for i, _ := range args {
char := C.CString(args[i])
defer C.free(unsafe.Pointer(char))
strptr := (*_Ctype_char)(unsafe.Pointer(char))
arg = append(arg, strptr)
}
C.HVite(C.int(l), (**_Ctype_char)(unsafe.Pointer(&arg[0])))
} func HParse(args []string) { arg := make([](*_Ctype_char), 0)
l := len(args)
for i, _ := range args {
char := C.CString(args[i])
defer C.free(unsafe.Pointer(char))
strptr := (*_Ctype_char)(unsafe.Pointer(char))
arg = append(arg, strptr)
}
C.HParse(C.int(l), (**_Ctype_char)(unsafe.Pointer(&arg[0])))
} |
原来的main都是要跟上args参数的，这里把他作为接口调用，所以还是需要传进args []string。在我前面的博客中，有提到cgo，可以参考下：
Golang cgo编程 [] string 转 C语言 char**
在前面录音篇，有大概讲到在服务器保存wav文件，HCopy就直接跟在wav保存的代码后，而HVite跟在HCopy后。现在时间不允许，否则，可以改下HCopy的代码，直接传byte[]数据。其实在pocketsphinx中就是这么实现的，有空也可以给pocketsphinx写几个cgo的接口来调用。
关于这个系列的博客，应该不会再写什么了，web到这，功能已经完成80%，后面也就是添加些，动态添加待识别语句到数据库的功能，说白了，就是你想识别哪些语句，你可以自己定义，提交给服务器，通过HParse重新制作词网来搞定的。也没有什么跟web开发有很大关系的，顶多是涉及到数据库，不过目前我对数据库了解不多，也只用到简单的CRUD操作，所以嘛，就不多写了。
上周接到网易游戏的面试电话，木有任何准备，被虐的狗一样啊。所以近阶段的博客，应该会写些java，golang数据结构方面的吧。