Windows 10 IoT Serials 5 - 如何为树莓派应用程序添加语音识别与交互功能

都说语音是人机交互的重要手段，虽然个人觉得在大庭广众之下，对着手机发号施令会显得有些尴尬。但是在资源受限的物联网应用场景下（无法外接鼠标键盘显示器），如果能够通过语音来控制设备，与设备进行交互，那还是很实用的。继上一篇《Windows 10 IoT Serials 4 - 如何在树莓派上使用Cortana语音助手》之后，本文将详细讲述如何为运行Windows 10 IoT Core系统的树莓派添加语音识别和语音交互功能。

1. 硬件准备

• 树莓派2/树莓派3、5V/2A电源、TF卡(8GB以上)
• 麦克风：Microsoft LifeCam HD 3000（该摄像头集成了麦克风），也可以使用其他麦克风，如Blue Snowball iCE Condenser Microphone, Cardioid, Sound Tech CM-1000USB Table Top Conference Meeting Microphone
• 受控对象：这里以两个LED灯为例。用户可以根据实际需求添加受控对象，比如添加继电器模块以后，可以控制强电设备。
• 音频输出设备（可选）：Windows 10 IoT Core系统的树莓派只支持3.5mm接口的音频输出，HDMI的音频输出不支持。所以，可以接一个普通的3.5mm接口的耳机就可以。
• 显示设备（可选）：可以接HDMI接口的显示器，或者使用有源HDMI转VGA模块，转接VGA接口的显示器。

注意，这里音频输出设备和显示设备是可选的，并不是必须的。

2. 硬件连接

这里将LED连接到树莓派的GPIO5和GPIO6两个引脚，同时，把麦克风设备插入到树莓派的USB接口。如果准备了音频输出设备（如耳机或音响）和显示设备（显示器），请连接到树莓派的3.5mm音频接口和HDMI接口。

3. 程序编写

本应用程序使用的开发环境是Windows 10+Visual Studio 2015 Community，注意，Visual Studio需要包含Universal Windows App Development Tools组件。

3.1 新建工程和添加资源

新建工程时，选用Universal模板，工程命名为RPiVoiceControl，如下图所示。

因为要用到GPIO引脚控制LED，所以需要为工程添加Windows IoT Extension for UWP引用，如下图所示。

由于需要使用Microphone，所以需要在工程的Package.appxmanifest文件中，勾选Microphone，如下图所示。

另外，由于需要使用到语音识别、LED和UI控件等资源，需要为应用程序引入命名空间，如下：

using System;
    using System.Diagnostics;
    此处省略若干…

using Windows.Devices.Gpio; //LED
    using Windows.Media.SpeechRecognition;//语音识别
    using Windows.Media.SpeechSynthesis;
    using Windows.Storage;
    using Windows.ApplicationModel;

3.2 新建语音指令定义文件

为项目添加新的xml文件，命名为Grammar.xml，用于定义语音指令。项目中用到的语音指令符合Speech Recognition Grammar Specification Version 1.0 (SRGS)标准，其具体协议可以参考MSDN上的这个文档：Create Grammars Using SRGS XML (Microsoft.Speech)。

之后，打开该文件，为其添加如下语音指令。

<?xml version="1.0" encoding="utf-8" ?>
<grammar
  version="1.0"
  xml:lang="en-US"
  root="automationCommands"
  xmlns="http://www.w3.org/2001/06/grammar"
  tag-format="semantics/1.0">

<rule id="root">
    <item>
      <ruleref uri="#automationCommands"/>
      <tag>out.command=rules.latest();</tag>
    </item>
  </rule>

此处省略代码，具体请参考Github上项目的完整代码。

<rule id="deviceActions">
    <one-of>
      <item>
        light <tag> out="LIGHT"; </tag>
      </item>
      <item>
        led <tag> out="LED"; </tag>
      </item>
    </one-of>
  </rule>

</grammar>

3.3 程序界面设计

如果不准备给树莓派接显示器的可以直接忽略这一步，如果需要在程序运行过程中查看状态的，可以加入一些简单的控件，这里只是加入了两个指示LED灯状态的Ellipse 控件、两个指示程序运行状态的TextBlock 控件和一个MediaElement 控件，代码如下。

<Grid Background="{ThemeResource ApplicationPageBackgroundThemeBrush}">
       <StackPanel HorizontalAlignment="Center" VerticalAlignment="Center">
           <Ellipse x:Name="bedroomLED" Fill="LightGray" Stroke="White" Width="100" Height="100" Margin="10"/>
           <Ellipse x:Name="kitchenroomLED" Fill="LightGray" Stroke="White" Width="100" Height="100" Margin="10"/>
           <TextBlock x:Name="GpioStatus" Text="Waiting to initialize GPIO..." Margin="10,50,10,10" TextAlignment="Center" FontSize="26.667" />
           <TextBlock x:Name="VoiceStatus" Text="Waiting to initialize Microphone" Margin="10,50,10,10" TextAlignment="Center" TextWrapping="Wrap" />
           <MediaElement x:Name="mediaElement"></MediaElement>
       </StackPanel>
   </Grid>

3.4 后台代码

后台代码中，首先需要定义应用程序使用的资源对象，如GPIO、画刷、定时器、部分代码如下，

private const int BedRoomLED_PINNumber = 5;
private GpioPin BedRoomLED_GpioPin;
private GpioPinValue BedRoomLED_GpioPinValue;
private DispatcherTimer bedRoomTimer;

private const int kITCHENLED_PINNumber = 6;
private GpioPin kITCHENLED_GpioPin;
private GpioPinValue kITCHENLED_GpioPinValue;
private DispatcherTimer kITCHENTimer;

private SolidColorBrush redBrush = new SolidColorBrush(Windows.UI.Colors.Red);
private SolidColorBrush grayBrush = new SolidColorBrush(Windows.UI.Colors.LightGray);

然后，在MainPage的构造函数中，添加资源的初始化，部分代码如下：

public MainPage()
{
            this.InitializeComponent();
            Unloaded += MainPage_Unloaded;

// Initialize Recognizer
            initializeSpeechRecognizer();

InitBedRoomGPIO();
            InitKITCHENGPIO();

bedRoomTimer = new DispatcherTimer();
            bedRoomTimer.Interval = TimeSpan.FromMilliseconds(500);
            bedRoomTimer.Tick += BedRoomTimer_Tick;

kITCHENTimer = new DispatcherTimer();
            kITCHENTimer.Interval = TimeSpan.FromMilliseconds(500);
            kITCHENTimer.Tick += KITCHENTimer_Tick;
}

在initializeSpeechRecognizer函数中，完成语音识别状态改变事件的添加、语音指令文件的加载，部分代码如下：

private async void initializeSpeechRecognizer()
{
    // Initialize recognizer
    recognizer = new SpeechRecognizer();
    // Set event handlers
    recognizer.StateChanged += RecognizerStateChanged;
    recognizer.ContinuousRecognitionSession.ResultGenerated += RecognizerResultGenerated;
    // Load Grammer file constraint
    string fileName = String.Format(SRGS_FILE);
    StorageFile grammarContentFile = await Package.Current.InstalledLocation.GetFileAsync(fileName);
    SpeechRecognitionGrammarFileConstraint grammarConstraint = new SpeechRecognitionGrammarFileConstraint(grammarContentFile);

// Add to grammer constraint
    recognizer.Constraints.Add(grammarConstraint);

SpeechRecognitionCompilationResult compilationResult = await recognizer.CompileConstraintsAsync();
    Debug.WriteLine("Status: " + compilationResult.Status.ToString());

// If successful, display the recognition result.
    if (compilationResult.Status == SpeechRecognitionResultStatus.Success)
    {
        Debug.WriteLine("Result: " + compilationResult.ToString());

await recognizer.ContinuousRecognitionSession.StartAsync();
    }
    else
    {
        Debug.WriteLine("Status: " + compilationResult.Status);
    }
}

之后，添加RecognizerResultGenerated和RecognizerStateChanged两个事件的处理，主要用于语音识别结果和状态发生变化的处理。部分代码如下：
private async void RecognizerResultGenerated(SpeechContinuousRecognitionSession session, SpeechContinuousRecognitionResultGeneratedEventArgs args)
{
    // Check for different tags and initialize the variables
    String location = args.Result.SemanticInterpretation.Properties.ContainsKey(TAG_TARGET) ?
                    args.Result.SemanticInterpretation.Properties[TAG_TARGET][0].ToString() :
                    "";

String cmd = args.Result.SemanticInterpretation.Properties.ContainsKey(TAG_CMD) ?
                    args.Result.SemanticInterpretation.Properties[TAG_CMD][0].ToString() :
                    "";

String device = args.Result.SemanticInterpretation.Properties.ContainsKey(TAG_DEVICE) ?
                    args.Result.SemanticInterpretation.Properties[TAG_DEVICE][0].ToString() :
                    "";

Windows.ApplicationModel.Core.CoreApplication.MainView.CoreWindow.Dispatcher.RunAsync(Windows.UI.Core.CoreDispatcherPriority.Normal, () =>
    {
        VoiceStatus.Text= "Target: " + location + ", Command: " + cmd + ", Device: " + device;
    });

switch (device)
    {
        case "hiActivationCMD"://Activate device                  
            SaySomthing("hiActivationCMD", "On");
            break;

case "LIGHT":
            LightControl(cmd, location);
            break;

default:
            break;
    }
}

// Recognizer state changed
private async void RecognizerStateChanged(SpeechRecognizer sender, SpeechRecognizerStateChangedEventArgs args)
{
Windows.ApplicationModel.Core.CoreApplication.MainView.CoreWindow.Dispatcher.RunAsync(Windows.UI.Core.CoreDispatcherPriority.Normal, () =>
    {
        VoiceStatus.Text = "Speech recognizer state: " + args.State.ToString();
    });
}

定义函数SaySomthing，用于反馈的语音生成，这样，用户就可以听到树莓派的语音反馈了。部分代码如下：

private async void SaySomthing(string myDevice, string State, int speechCharacterVoice = 0)
{
    if (myDevice == "hiActivationCMD")
        PlayVoice($"Hi Jack What can i do for you");
    else
        PlayVoice($"OK Jack {myDevice}  {State}", speechCharacterVoice);
    await Windows.ApplicationModel.Core.CoreApplication.MainView.CoreWindow.Dispatcher.RunAsync(Windows.UI.Core.CoreDispatcherPriority.Normal, () =>
    {
        VoiceStatus.Text = $"OK -> ===== {myDevice} --- {State} =======";
    });
}
    最后，在两个定时器的溢出事件处理中，加入对LED灯的处理，部分代码如下：

private void BedRoomTimer_Tick(object sender, object e)
{
            if (BedRoomLED_GpioPinValue == GpioPinValue.High)
            {
                BedRoomLED_GpioPinValue = GpioPinValue.Low;
                BedRoomLED_GpioPin.Write(BedRoomLED_GpioPinValue);
                bedroomLED.Fill = redBrush;
            }
            else
            {
                BedRoomLED_GpioPinValue = GpioPinValue.High;
                BedRoomLED_GpioPin.Write(BedRoomLED_GpioPinValue);
                bedroomLED.Fill = grayBrush;
            }
}

4. 应用调试

在Visual Studio中设置编译的平台为ARM，调试设备为Remote Machine，在Debug选项卡中，设置树莓派的IP地址，点击调试。如下图所示。

程序运行以后，用户可以通过语音指令与树莓派进行交互。

首先，用户可以使用“Hi Jack”与设备交互，可以听到设备有回复，用于确认应用程序是否正确运行。

其次，用户可以使用“Turn On/Off Bedroom Light”和“Turn On/Off kitchen Light ”来控制两个LED灯，同时，在应用程序的界面上还可以看到灯的状态和语音识别的状态，如下图所示。

    应用程序运行的实物图如下：

5. 代码下载

本项目的代码已经发布到Github上，链接如下：https://github.com/shijiong/RPiVoiceControl，欢迎下载使用。