1.前言

  本文主要是接#MINI2440實現語音識別# （一）整體概述和實現流程記錄這篇文章繼續講。首先簡單介紹下背景。前面三個階段分別完成了嵌入式Linux最小系統移植、驅動UDA1341音效卡、跑通訊飛Demo庫，可以實現語音轉文字，但是存在幾點問題：
1、訊飛demo庫是採用動態庫的方式提供API介面，看不到內部實現方法，而且通常只提供X86、X64架構下的庫，在交叉編譯環境下需要額外申請動態庫，太麻煩；
2、其它公司BAT提供的DEMO沒有C語言實現的，這樣對我來說就等於免費資源放在那，但我就是用不上，所以決定採用REST API的方式來實現，靈活性增加；
3、前面錄音方式採用的是ALSA提供的arecord、aplay命令，存在無法錄製定長音訊、錄製音訊只能儲存在檔案中等缺點，靈活性很差，必須自己使用API實現；
4、前面都是先錄音成音訊檔案，然後再執行程式，上傳音訊檔案，最後輸出識別結果，方式太傻。所以，要加入語音活動檢測VAD，自動判斷是否有聲音，有的話則上傳音訊檔案進行識別，否則不做處理。

2. 實現流程記錄

第四階段：採用REST API的方式呼叫訊飛語音識別介面 —->

1、搭建自己的工程
2、同步板上時間—> BusyBox v1.26.0中已經實現ntpd命令，所以可以使用ntpd -p cn.pool.ntp.org -qNn去同步時間
3、date -R更改時區，拷貝PC端下的/etc/localtime至板上的/etc/localtime即可。
4、弄清楚LINUX下怎麼用C實現HTTP請求，以及JSON結果解析？—–>用libcurl提供的API實現時，可以開啟以下兩個選項，用於輸出更多資訊方便除錯。

curl_easy_setopt(curl, CURLOPT_HEADER, 1
 
);
curl_easy_setopt(curl, CURLOPT_VERBOSE, 1);

5、HTTP HEADER格式是”X-Appid:xxxxx”，JSON格式都採用英文字元，如 : ,
6、用LINUX SHELL下md5sum命令計算MD5時，結果與Python hashlib不一致 —> 計算MD5時，LINUX內的md5sum會自動加上\n計算，而Python hashlib不會。
shell裡的md5sum生成的結果為什麼與程式生成的不一樣
7、出錯：一直提示”無效的CheckSum”，列印：{“code”:”10004”,”desc”:”無效的CheckSum”,”data”:null,”sid”:”

http://blog.csdn.net/fengshuiyue/article/details/39530093/
curl -X POST https://api.xfyun.cn/v1/aiui/v1/iat -H “X-Appid:xxxxxx” -H “X-CurTime:1520759784” -H “X-CheckSum:2476bc9a9dedd3b3977786cf54d1c5fd” -H “X-Param:eyJhdWYiOiAiMTZrIiwgImF1ZSI6ICJyYXciLCAic2NlbmUiOiAibWFpbiJ9” -d “MTIz” -v

8、通過WebAPI的方式呼叫訊飛語音識別功能，發現識別速度要比訊飛提供的SDK快。

<—- 第四階段完成

第五階段：自動喚醒識別 —->

背景：前幾階段都是先錄製好音訊檔案，再手動執行程式，上傳檔案識別，為了真正滿足應用，開始加入語音喚醒功能。

1、通過WebRTC實現語音活動監測VAD
2、WebRTC包含許多功能，而且提供的原始碼裡沒有提供./configure make&make install的第三方庫檔案生成方式，所以把其中的VAD相關檔案提出單獨編譯。
3、前階段都是採用ALSA提供的arecord命令進行錄音，不夠靈活，下面開始採用API的方式實現錄音。—> 可參照ALSA官網提供的入門文件：《A Tutorial on Using the ALSA Audio API》
4、音效卡名字 hw:0,0
5、函式體內的字串常量存在棧還是初始化變數區？—> 存在初始化變數區
6、呼叫sal_thread_create建立執行緒時，到snd_pcm_open時會出現段錯誤 —> 改變執行緒建立時的棧大小，發現段錯誤出現的位置在變化。因此推斷是由於指定的棧空間太小，導致執行緒出現段錯誤。使用ulimit -s命令檢視執行緒預設棧大小
7、二進位制模式和文字模式的區別？LINUX是隻有一種檔案型別的系統，帶b和不帶b字母的模式相同。

C語言提供了文字模式和二進位制模式，是為了適應不同作業系統對某些符號的不同處理。當選擇不帶b的模式時，上層應用程式與作業系統之間進行資料互動時，作業系統會對內容進行一層預處理（或者說轉義），比如Windows將回車符”\r\n”解釋成”\n”。
對於相同的檔案ABC(回車)D，在windows下進行處理時，不帶b的模式讀出來是ABC\nD，帶b讀出來是ABC\r\nD。
對於相同的檔案ABC(回車)D，在LINUX下進行處理時，不帶b的模式讀出來是ABC\nD，帶b讀出來是ABC\nD。

8、tar.gz tar.bz的區別 —> tar zcvf .tar.gz \ tar jxvf .tar.bz2 , gz(兼顧壓縮時間和壓縮比)
Linux下常用壓縮 解壓命令和壓縮比率對比
9、fprintf和fwrite的區別？
10、如何進行端點監測？—> 持續一段時間。
python的webrtc庫實現語音端點檢測
11、 前面是在PC端的LINUX虛擬機器上實現的，移植到MINI2440之後，設定channel為1的時候出錯 —> 查詢datasheet發現UDA1341只支援立體聲。
12、由於訊飛語音識別介面對音訊格式有具體要求，其中就必須要是單聲道，所以要將雙聲道轉單聲道。
【C語言】PCM音訊資料處理—左右聲道分離
13、出錯：snd_pcm_readi 返回錯誤：Broken pipe —> 通過time(0)列印時間差，發現是降噪太耗時間，導致超時，去掉降噪就可以了。
PCM音訊處理——使用WebRTC音訊降噪模組與其他方式的對比

<—- 第五階段完成

3.原始碼路徑

4.聯絡方式

  歡迎各位大佬來指導、交流和討論。Email：[email protected]