Golang 基于chrome浏览器语音识别web演示系统WebHTK开发之 引擎篇
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_H int 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在window环境下用cgo编译c语言 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。 本文转自 ponpon_ 51CTO博客，原文链接：http://blog.51cto.com/liuxp0827/1374334，如需转载请自行联系原作者
