Utilizando la API de reconocimiento de voz de Ios Speech para comandos de voz en aplicaciones

Comandos de voz: El futuro de la interacción de aplicaciones iOS

Los comandos de voz se reorganizan fundamentalmente de cómo los usuarios se comprometen con aplicaciones iOS, pasando de interfaces simples de tap y de sonido a un control intuitivo y sin manos. Al aprovechar la API de reconocimiento de voz de iOS, los desarrolladores pueden integrar las capacidades de lenguaje a texto en tiempo real que hacen que las aplicaciones sean más accesibles, eficientes y atractivas.

Comprender la API de reconocimiento del discurso de iOS

El API de reconocimiento de voz de iOS, parte del Speech framework, permite a las aplicaciones convertir audio en texto en vivo o pregrabado. Admite más de 60 idiomas y dialectos, con el motor de reconocimiento que funciona en dispositivos (para lenguajes compatibles) o en servidores de Apple.

Las capacidades clave incluyen:

• Resultados parciales en tiempo real (útil para la detección progresiva de comandos).
• Soporte para vocabularios personalizados a través de propiedad de SFSpeechRecognizer .
• Integración con AVAudioEngine para la captura y el amortiguamiento de audio.

• Agregue la capacidad Speech en la firma y capacidades de su proyecto.
• Incluye la tecla NMicrophoneUsageDescription] en (por ejemplo, "Esta aplicación necesita acceso a micrófonos para procesar comandos de voz").
• Incluye la clave NSSpeechRecognitionUsageDescription] (por ejemplo, "Esta aplicación envía tu discurso a los servidores de Apple para reconocer comandos").

Nota: Ambas teclas son necesarias incluso si planea utilizar sólo el reconocimiento en el dispositivo — Apple todavía necesita el consentimiento del usuario.

2. Solicitud de autorización

Llame SFSpeechRecognizer.requestAuthorization] temprano en el flujo de su aplicación (por ejemplo, en ). Maneje cada estado de autorización con gracia:

import Speech

SFSpeechRecognizer.requestAuthorization { authStatus in
 DispatchQueue.main.async {
 switch authStatus {
 case .authorized:
 // Enable voice command UI
 case .denied, .restricted:
 // Explain why speech recognition is unavailable
 case .notDetermined:
 // This should not occur after the request
 @unknown default:
 break
 }
 }
}

3. Crear una instalación de SFSpeechRecognizer

Instantiate SFSpeechRecognizer] con un local que coincide con el público objetivo. Para el lenguaje de dispositivo predeterminado, pase :

let recognizer = SFSpeechRecognizer(locale: Locale(identifier: "en-US"))

4. Configure la sesión de audio y el motor

Configurar AVAudioEngine] para captar el micrófono. Usar el modo .record y .medición] para enfatizar la calidad del habla:

let audioEngine = AVAudioEngine()
let inputNode = audioEngine.inputNode

let recordingFormat = inputNode.outputFormat(forBus: 0)
inputNode.installTap(onBus: 0, bufferSize: 1024, format: recordingFormat) { (buffer, _) in
 self.request.append(buffer)
}

audioEngine.prepare()
try? audioEngine.start()

Siempre envuelve el motor de audio en un bloque de producción para manejar la falta de disponibilidad del micrófono.

Implementar los comandos de voz: De la palabra a la acción

Una vez que el audio está fluyendo, crea una tarea de reconocimiento y analiza resultados para comandos. La clave es reaccionar a resultados parciales para que los comandos sean detectados incluso antes de que el usuario termine de hablar.

Tareas básicas de reconocimiento

let request = SFSpeechAudioBufferRecognitionRequest()
request.shouldReportPartialResults = true

let recognitionTask = recognizer?.recognitionTask(with: request) { result, error in
 guard let result = result else {
 // Handle error
 return
 }
 let transcript = result.bestTranscription.formattedString
 // Check for commands
 if transcript.lowercased().contains("next") {
 // Execute action
 }
}

Parlamentación de comando avanzado

Simple trabaja para pequeños vocabularios, pero para conjuntos de comandos robustos consideran:

• Usando NSLinguisticTagger para extraer palabras clave y filtrar el ruido.
• Crear un vocabulario de comandos con sinónimos (por ejemplo, "skip", "next", "forward").
• Esperando un umbral de confianza más alto : comprueba antes de actuar.
• Implementar una refrigeración] para evitar múltiples desencadenantes de la misma frase.

func processTranscript(_ transcript: String) {
 let lowercased = transcript.lowercased()
 let commands: [String: () -> Void] = [
 "next": { self.showNextItem() },
 "go back": { self.showPreviousItem() },
 "stop": { self.stopPlayback() }
 ]
 for (command, action) in commands {
 if lowercased.contains(command) {
 action()
 break
 }
 }
}

guard let recognizer = SFSpeechRecognizer() else { return }
if recognizer.supportsOnDeviceRecognition {
 request.requiresOnDeviceRecognition = true
}

class YourViewController: UIViewController, SFSpeechRecognizerDelegate {
 func speechRecognizer(_ speechRecognizer: SFSpeechRecognizer, availabilityDidChange available: Bool) {
 // Disable or enable voice command button based on availability
 }
}