作者：周施樂

遠場語音識別套件之開箱

很榮幸，在2019年我依舊在百度AI平臺下茁壯成長，這次收到了來自百度的測試邀請，我將有機會拿到最新的前沿產(chǎn)品~為各位獻上來自前線的戰(zhàn)況~

我在過去和百度語音打交道的這些日子，曾遇到過很多問題，比如識別慢、精度差。自身原因和設備原因太多，舉步艱難。我覺得一個非音頻內(nèi)行的人很難進一步提升在這一塊的性能與質量。

但現(xiàn)在，百度語音正不斷地完善，已經(jīng)推出多種我非常適用的新東西，例如：

上個月剛上線的 百度語音識別極速版

該項能力經(jīng)我自己特定樣本測試，可以提高識別速度約3~9倍，在上側傳送門的測試樣例中，最慢的普通版和最快的極速版耗時甚至相差24倍，可見該極速版，可謂是目前普通版的最佳替代方案了!

這次我將為各位帶來的百度開發(fā)套件的新星啦

遠場語音開發(fā)套件!

這是一款很不錯的產(chǎn)品，就像之前的人臉開發(fā)套件一樣，他能有效幫助想要落地語音識別的企業(yè)和個人開發(fā)者們快速開發(fā)出屬于自己的業(yè)務產(chǎn)品。

在本次產(chǎn)品的規(guī)格中，有三種配置可選，依次是：

6+1環(huán)形麥陣列

4mic線性陣列

3mic三角陣列

他們各有各的應用場景，為了更好地提升各位未來的產(chǎn)品，一定要聽我說完他們的優(yōu)點喔!

6+1環(huán)麥陣列

6+1環(huán)形陣列由6顆麥克風圍繞一圈，中間分布一顆組成，可實現(xiàn)：

360°零死角環(huán)繞聲場

增強GSC聲源定位及波束形成效果

基于非線性消除的AEC技術

推薦用于智能音箱等智能家居產(chǎn)品。

像現(xiàn)在主流的天貓精靈、小米音箱，都是采用的環(huán)形6麥陣列喔!

還有像國外的amazon echo 采用了類似解決方案

他可以做到無死角的識別和聲源定位喔!這還是值得玩一玩的~

線性4麥陣列

4mic陣列由4顆麥克風橫向排列

陣型狹長占用空間小，可適配各種硬件結構設計。

推薦應用于智能電視、平板、以及空調、冰箱等傳統(tǒng)白電產(chǎn)品。

三角麥克陣列

3mic陣列是由3顆麥克風三角形方式排列

支持雙音區(qū)，兼顧主/副駕的語音交互需求

增強GSC聲源定位及波束形成效果

基于非線性消除的AEC技術

3mic也支持聲源定位喔

本次我所收到的是4mic陣列套件呢。他也是帶有聲源定位的哦~

廢話不多說，開箱開始!

首先這次開發(fā)套件的外包裝精致小巧，方方正正的外包裝有種撲面而來的低調奢華與神秘感，不知道各位有沒有看過四驅兄弟呢?

真是側漏著一股神秘的氣息呢!揭開它的面紗，看看里面吧

包裝盒內(nèi)非常簡單明了，一張3折頁，簡單的說明書，開發(fā)套件本尊及數(shù)據(jù)線和電源線。

說明書簡單介紹了包裝內(nèi)容清單、開發(fā)板的接口示意圖、硬件連接指南、測試方式和軟件開發(fā)環(huán)境搭建引導，比較簡單。

我們來看一下開發(fā)套件本身吧，本套件使用的開發(fā)板是來自深圳市百能達電子有限公司和百度聯(lián)手打造的RK3308開發(fā)板，擁有128M的ram和128M的flash。cpu采用的是微芯瑞的rk3308，4核ARM Cortex-A35。

wifi方面僅支持2.4g頻段，藍牙支持到4.0。

在本套件上額外有一片wifi天線，所以wifi質量杠杠的。

麥克風可兼容上方的3種陣列。

數(shù)據(jù)線是usb-micro,主要用于adb調試。

所配套的是輸出為12V2A的電源。

遠場語音識別套件之hello world(mac篇)

點亮設備，插上usb線，我們即將進入環(huán)境配置階段。

本篇使用macOS majave 10.14.4做演示。

插入設備前，應當保證自己的系統(tǒng)內(nèi)具備adb環(huán)境。在terminal內(nèi)確認一下

至于如何安裝，可參考百度搜索下的各種adb部署文章~

然后我們第一步首先要幫助開發(fā)套件連接到我們的wifi中來。

根據(jù)《百度大腦-遠場語音開發(fā)套件-RK3308開發(fā)平臺使用說明.pdf》中所提到的wifi配置，可以順利完成入網(wǎng)。這里我做一遍操作

使用數(shù)據(jù)線連接設備后，我們可以用

adb devices命令查詢到開發(fā)套件

隨后鍵入 adb shell，使用命令行調試設備

cd /data/cfg 進入到wifi配置文件的目錄下

通過vi命令打開配置文件

默認情況下家用路由器的話，只需要修改ssid(wifi名稱)和psk(password key)即可。

若wifi有特殊情況，自行添加

key_mgmt=WPA-PSK // 加密方式

# key_mgmt=NONE // 不加密

修改完成后保存配置

隨后輸入

wpa_cli reconfigure

wpa_cli reconnect

指令激活重新聯(lián)網(wǎng)

此時此刻，我們就完成了設備入網(wǎng)了。

語音識別、合成都需要用到網(wǎng)絡，所以一定要正確入網(wǎng)喔!

(藍牙我目前用不到，所以暫時沒有繼續(xù)去配置)

接著我們來嘗試啟動語音識別的demo程序，來看一看環(huán)境是否正常

所有sdk資源及相關文件都在根目錄oem文件夾內(nèi)

根據(jù)產(chǎn)品說明書，我們需要先啟動 alsa_audio_main_service服務。

啟動它之前，我們需要對目錄權限進行相關修改賦予權限后進行啟動

multi_4_2 指的是使用4陣列板聲卡2。&后臺啟動

然后使用 ps -A檢查一下服務是否正確啟動在后臺中

啟動了alsa服務后，我們就可以去前往中啟動demo了

樣例程序文件位于/oem/BDSpeechSDK/sample目錄中, 運行時依賴lib、resources、extern目錄中的庫及資源文件。

所以我們需要在啟動時共享庫

關于共享庫可以看這里

我們運行指令

cd /oem/BDSpeechSDK/sample/wakeup

LD_LIBRARY_PATH=/oem ./e2e_wp_asr_test

試著喊一下”小度小度，今天天氣怎么樣”試試?

可以發(fā)現(xiàn)，這次套件采用了流式識別喔!附帶中間結果的!

并且在3米遠的位置，使用悄悄話的方式呼喚小度小度，也能成功喚醒!

可能在英語方面還有待加強吧~

(也許是我的英語太散裝了)

關于語音合成

示例程序會將文本“456hello你好今天天氣不錯”傳送給服務器，由服務器生成對應的語音，保存為pcm文件，用戶可以進行播放體驗。

在終端啟動語音合成功能,生成文本“456hello你好今天天氣不錯”對應的語音。

cd /oem/BDSpeechSDK/sample/tts

LD_LIBRARY_PATH=/oem ./online_test

測試程序暫未提供用戶傳入合成文本生成語音的功能，用戶可以參照樣例程序自行開發(fā)。

運行結束后，會在當前目錄下生成一個xxx.pcm，其中xxx是一個測試時的時間戳.在終端執(zhí)行如下命令體驗語音合成效果

aplay -t raw -c 1 -f S16_LE -r 16000 xxx.pcm

遠場語音識別套件之交叉編譯SampleCode

經(jīng)過了近一周的努力，總算能夠成功地將sample程序成功的交叉編譯出來了。

本篇只針對如何成功交叉編譯，解決我遇到的問題而設立的。重點是交叉編譯的流程

這邊我在mac上利用parallel部署了ubuntu虛擬機。為了重新確認一遍步驟，我重新裝了一臺機器并重頭進行了一遍步驟。并故意重現(xiàn)了我這幾天碰到過的錯誤及解決辦法，可能可以幫助到各位。

這邊需要以下內(nèi)容：

下載SDK

將rk3308板子內(nèi)的oem內(nèi)BDSpeechSDK目錄復制到虛擬機內(nèi)?？梢赃M行adb pull /oem/BDSpeechSDK指令download下來

隨后將sdk放到虛擬機。我這里就直接放在了home根目錄

rk3308的編譯在標準linux上是編不出來的。我們這里需要用到交叉編譯工具鏈，這是一個特殊的編譯器，可以認為是在A平臺編譯出B平臺才能運行的工具包。

然后將交叉編譯鏈也復制到虛擬機里

按要求構建項目工程目錄結構

基于目前創(chuàng)建日期為4月23日的quick_start.md中所述

mkdir my_specch_project

cd my_speech_projects

touch Makefile

mkdir src

touch src/main.cpp

創(chuàng)建如下的目錄結構:

my_speech_project/

├── Makefile

└── src

└── main.cpp

我們到sample目錄下，創(chuàng)建project文件夾并創(chuàng)建src目錄，創(chuàng)建指定的文件

編寫(copy) sample代碼

sample/asr/wakeup/src中的e2e_wp_asr_test.cpp和在quick_start.md中都有相應的demo代碼，這里我就直接將wakeup/src中的sample代碼拷貝到這里替換main.cpp

這里先不做任何改動，就照搬就行。目前的第一目的是盡快正確交叉編譯并成功在板子上跑起來

編寫(copy) Makefile代碼

makefile可以幫助工程快速連接編譯，他能省掉很多功夫。由于本人不是純正的c++開發(fā)工程師，所以這里copy了quick_start.md中的makefile代碼

這里容易出現(xiàn)的第一個問題：

照搬后由于縮進，當你ctrlCV時，極有可能將縮進一起復制過來，所以這里需要將代碼縮進都去除，保持整潔。在后面編譯時我會演示出現(xiàn)縮進的錯誤提示，這里我繼續(xù)保持原有的格式。

嘗試編譯

在quick_start.md中編譯部分，要求我們配置完成后，在Makefile所在的目錄執(zhí)行

這里 path-to-cross-compiler-root需要替換成我們工具鏈的根目錄/bin即可

/host其實就是我們工具鏈的根目錄

那在我這樣的目錄環(huán)境，等效替換成了

這里會出現(xiàn)很多問題。如果上方的操作跟我一樣，那你也很有可能碰到這些問題!

錯誤1. Makefile:18

由于特殊縮進導致的makefile編譯錯誤

錯誤具體提示如下

經(jīng)過我多次測試，我打了很多空行也會錯在第18行這里。后來解決的方法就是將縮進全部去除就可以了!

錯誤2.undefined reference

消除了上方的縮進后再次進行編譯，會出現(xiàn)新的提示：

這個錯誤是因為缺少alsa的so庫導致的。這個錯誤也被寫在了quick_start.md中

如果遇到類似 ld: 找不到 -lbd_alsa_audio_client的錯誤，請開發(fā)者自行從官網(wǎng)下載alsa服務包或自行從開發(fā)套件中/ome/目錄下提取相關庫放到工程下參與鏈接即可。

這邊我們從oem目錄中pull一個文件下來。他在/oem目錄下，名為libbd_alsa_audio_client.so。將它復制到BDSpeechSDK/lib下，這個目錄專門放外部依賴的庫文件，這個也放這里吧。

然后再次嘗試編譯，沒有任何錯誤提示了，編譯通過

然后在Makefile的同目錄上就可以看到一個main的可執(zhí)行程序了。這個程序是可以在rk3308的環(huán)境下執(zhí)行的。將它通過adb放到板子里。這里提醒下，tmp目錄在斷電后會清洗。

(這里省略adb push ./main /tmp的過程)

嘗試adb下打開main

我們的main也依賴于alsa的服務，所以在這里直接將alsa設置成開機啟動得了。

/oem/Rklunch.sh這個文件就是rk3308板子開機后會跑的一個執(zhí)行文件，我們可以把所有需要在開機時啟動的東西，都寫在這個文件里，這樣板子下次就會幫我們自動啟動alsa了。

這里新增了幾行代碼，主要是改一下目錄權限，然后運行alsa服務。

但是這一次還是沒有啟動的，需要自己手動啟動一下alsa。啟動方式就是上面5句話。

這里也可以通過reboot指令重啟板子，但是tmp剛放進來的main文件就被洗掉了，但可以檢驗開機啟動是否正常，這個自行權衡吧~

啟動alsa后我們?nèi)觤ain

如果看到這個輸出，那么我們離成功不遠了。但是其中有一句輸出影響了整個程序。這不是編譯問題!

錯誤3. dat file invalid

error:5, domain:38, desc:Wakeup: dat file invalid., sn:

這里意思是沒成功載入dat文件。

我們看一下代碼。在wakeup_config函數(shù)中，可以看到它配置dat文件的路徑，是../../resources/esis_resource.pkg

只要把這個層級改成絕對路徑，或者把路徑改短 ./esis_resource.pkg，并把pkg文件拷貝過來即可

然后重新編譯，adb push到tmp下，這里省略

記得把dat文件也push到tmp下，如果跟我的改法一樣的話

然后再次執(zhí)行main

可以發(fā)現(xiàn)喚醒進入回調激活了引擎加載和啟動喚醒。

我們這時候可以嘗試使用了.

小度小度，今天上海天氣如何?

至此已經(jīng)完成了demo項目工程的交叉編譯工作。

這只是默認sample程序編譯出來的效果喔，還有很多隱藏功能帶解鎖。

這是我7天來的努力成果，如果這篇文章對你有所幫助，請給一個贊吧~