Utilizzo dell'API di riconoscimento vocale Ios per comandi vocali in app

• Aggiungi la capacità Speech[] nel tuo progetto di Segnare & Capacità.
• Includere il NSMicrophoneUsageDescription[[] key in [] (ad esempio, "Questa applicazione ha bisogno di accesso microfono ai comandi vocali di processo").
• Includere il SSpeechRecognitionUsageDescription[[[]] chiave (ad esempio, "Questa applicazione invia il tuo discorso ai server di Apple per riconoscere i comandi").

Nota: Entrambe le chiavi sono necessarie anche se si prevede di utilizzare solo il riconoscimento on-device — Apple ha ancora bisogno del consenso dell'utente.

2. Richiesta autorizzazione

Chiama SFSpeechRecognizer.requestAuthorization[[]] presto nel flusso dell'app (ad esempio, in ).

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. Creare un Indagine di riconoscimento SFSpeech

Instantiate SFSpeechRecognizer[[]] con un locale che corrisponde al vostro target di riferimento. Per il linguaggio di dispositivo predefinito, passare :

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

4. Configurare la sessione audio e il motore

Impostare AVAudioEngine[[]]] per catturare l'ingresso del microfono. Utilizzare la [].record[[]]] categoria e ]]].misurazione[]] modo per sottolineare la qualità del discorso:

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()

Avviare sempre il motore audio in un blocco in produzione per gestire il microfono indisponibilità.

Comandi vocali di esecuzione: da discorso a azione

Una volta che l'audio scorre, si crea un'attività di riconoscimento e si verifica un risultato di parsa per i comandi. La chiave è quella di reagire ai risultati parziali in modo che i comandi vengano rilevati anche prima che l'utente finisca di parlare.

Compiti di riconoscimento di base

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
 }
}

Parsing di comando avanzato

Semplice funziona per piccoli vocabulari, ma per i set di comandi robusti considerano:

• Utilizzando NSLinguisticTagger[[] per estrarre parole chiave e filtrare il rumore.
• Creare un vocabolario di comando[[] con sinonimi (ad esempio, "skip", "next", "forward").
• ]Attesa per una soglia di fiducia maggiore[[: controllare prima di agire.
• Implementa un cooldown[] per impedire che più trigger dalla stessa 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
 }
 }
}

Gestione di End ofSpeech e Silenzio

Per impostazione predefinita, l'attività di riconoscimento termina quando l'utente smette di parlare e viene rilevata una pausa. Puoi anche terminare manualmente l'attività chiamando [] o . Per un'esperienza di comando continua (ad esempio, dittatura, azioni multi-step), riavviare l'attività di riconoscimento dopo ogni risultato.

Caratteristiche avanzate: Riconoscimento on-Device e Vocabulries personalizzati

A partire da iOS 13, Apple ha introdotto il riconoscimento vocale on-device per le lingue selezionate (attualmente inglese, francese, tedesco, giapponese, coreano, cinese mandarino, spagnolo e altro ancora). I vantaggi includono nessuna dipendenza di rete, latenza ridotta e la privacy migliorata — nessun audio lascia il dispositivo.

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

[LT] [LT]] [[LT]]] [[LT]]] [[[[[[FLT]]]]]] [[[LT]]]] [[LT]]]] [[[[FLT]]]]] [[[[FLT]]]]]]] [[[[[FLT]]]]]]]]] [[FLT]]]]]]]] [[[[[[[[[[[[[[[[FLT]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]] [[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[

Un'altra tecnica avanzata sta usando SFSpeechRecognizerDelegate[[[]] per monitorare i cambiamenti di disponibilità (ad esempio, l'utente revoca il permesso, i cambiamenti di stato della rete).

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

Migliori Pratiche per Comandi Voci in Produzione

Le interfacce vocali si comportano in modo diverso dal tocco. Seguire queste linee guida per offrire un'esperienza utente lucida.

1. Fornire il feedback chiaro

• Mostrare una forma d'onda o un indicatore di pulsazione quando si ascolta.
• Visualizzare il testo riconosciuto (anche parziale) in modo che gli utenti sappiano che il sistema funziona.
• Usare feedback aptico (via ]UIImpactFeedbackGenerator[[]) sul riconoscimento di comando.

2. Errori di maniglia con grazia

Gli errori comuni includono nessun accesso al microfono, servizio di riconoscimento non disponibile, o scarsa qualità audio. Avvertire l'utente con messaggi attuabili (ad esempio, "Si prega di parlare più forte" o "Controllare la connessione Internet").

3. Ottimizzare per diversi accenti e ambienti

Prova con un gruppo di altoparlanti diverso. Utilizzare la proprietà SFSpeechRecognizer[[]] per eseguire il riconoscimento su un thread di sfondo. Implement voice attività di rilevamento] (VAD) euristica per evitare la registrazione dell'aria morta.

4. Privacy e trasparenza