这周又搞了一周语音识别，速度太慢了，本来以为可以开始搞视频或者SLAM了。当然，我也清楚，这其中的每一块都是很大的一个领域，都有很多东西值的去研究，但我目前只是在做应用，把现有的技术堆砌起来，组装成一个机器人，仅此而已。因为年底我就要离职了，想在进入新公司的时候，能有一个拿的出手的成果来。

     这周我做的是离线语音识别，因为目前的语音对话，是你说一句，机器人回一句，不停的循环。我想实现只有在检测到特定命令词之后，才开始使用在线的语音对话，否则就处于静默状态，使用离线识别等待命令词唤醒。用在线识别也可以实现这个效果，不过非常大的缺点就是，既使是在静默状态下，也要不停地把本地的音频数据发往服务器做识别。这样就很浪费带宽，最重要的是有隐私泄露的问题，因为我们肯定只想在自已知情的情况下上传语音数据。离线识别使用的是cmu pocketsphinx的开源库，pocketsphinx支持很多种语言，我做的是中文的识别，它对有限的命令词识别效果非常好。我参照源码中的continuous.c的代码，把离线语音识别集成到了我的机器人的语音功能当中，并和在线语音识别相配合。系统启动时，首先启动离线识别，当检测到唤醒命令词后，关闭离线识别并切换到在线识别。因为离线和在线识别，都要从麦克风读取数据，所以同一时间只能有一种识别模式。当不需要在线识别后，通过命令词切换回静默状态，由离线识别检测唤醒命令词。

    最终的测试结果在笔记本上测试还是不错的，在树莓派上就稍微差一点，树莓派好像不能同时播放两条语音，当同时播放识别结束的提示音和播放机器人的回复时，很容易造成后续的asr失败。最后，只能是把树莓派上的提示音取消掉，只播放机器人的回复，这个问题没有了。还有一个问题，就是树莓派上的识别效果好像有点差，有时候讲好几次，才能识别正确，不知道是不是麦克风的问题，我在派上用的是respeaker的6麦克阵列，应该效果很好才对啊。不管怎么说，机器人语音的功能目前都全了，虽然有些地方还差强人意，这些留到以后再慢慢优化吧，到年底还剩下不到4个月了，还有好多东西没做，我都有点担心机器人在年底前能不能做完了，祝我好运吧！

视频地址：http://www.iqiyi.com/w_19rvi2wwuh.html