纵有疾风起
人生不言弃

用 80 行 Javascript 代码构建自己的语音助手

本文演示了如何使用 Web Speech API 构建一个简单的人工智能聊天机器人。

在本教程中,我们将使用 80 行 JavaScript 代码在浏览器中构建一个虚拟助理(如 Siri 或 Google 助理)。你可以前往下方网址测试这款应用程序,它将会听取用户的语音命令,然后用合成语音进行回复。

https://nhudinhtuan.github.io/mysiri/

你所需要的是:

Google Chrome(版本 25 以上)

一款文本编辑器

由于 Web Speech API 仍处于试验阶段,该应用程序只能在 受支持的浏览器 上运行:Chrome(版本 25 以上)和 Edge(版本 79 以上)。

我们需要构建哪些组件?

要构建这个 Web 应用程序,我们需要实现四个组件:

一个简单的用户界面,用来显示用户所说的内容和助理的回复。

将语音转换为文本。

处理文本并执行操作。

将文本转换为语音。

用户界面第一步就是创建一个简单的用户界面,它包含一个按钮用来触发助理,一个用于显示用户命令和助理响应的 div、一个用于显示处理信息的 p 组件。

const startBtn = document.createElement(“button”);

startBtn.innerHTML = “Start listening”;

const result = document.createElement(“div”);

const processing = document.createElement(“p”);

document.write(“<body><h1>My Siri</h1><p>Give it a try with ‘hello’, ‘how are you’, ‘what’s your name’, ‘what time is it’, ‘stop’, … </p></body>”);

document.body.append(startBtn);

document.body.append(result);

document.body.append(processing);

语音转文本

我们需要构建一个组件来捕获语音命令并将其转换为文本,以进行进一步处理。在本教程中,我们使用 Web Speech API 的 SpeechRecognition。由于这个 API 只能在受支持的浏览器中使用,我们将显示警告信息并阻止用户在不受支持的浏览器中看到 Start 按钮。

const SpeechRecognition = window.SpeechRecognition || window.webkitSpeechRecognition;

if (typeof SpeechRecognition === “undefined”) {

  startBtn.remove();

  result.innerHTML = “<b>Browser does not support Speech API. Please download latest chrome.<b>”;

}

我们需要创建一个 SpeechRecognition 的实例,可以设置一组各种 属性 来定制语音识别。在这个应用程序中,我们将 continuous 和 interimResults 设置为 true,以便实时显示语音文本。

const recognition = new SpeechRecognition();

recognition.continuous = true;

recognition.interimResults = true;

我们添加一个句柄来处理来自语音 API 的 onresult 事件。在这个处理程序中,我们以文本形式显示用户的语音命令,并调用函数 process 来执行操作。这个 process 函数将在下一步实现。

function process(speech_text) {

    return “….”;

}

recognition.onresult = event => {

  const last = event.results.length – 1;

  const res = event.results[last];

  const text = res[0].transcript;

  if (res.isFinal) {

      processing.innerHTML = “processing ….”;

      const response = process(text);

      const p = document.createElement(“p”);

      p.innerHTML = `You said: ${text} </br>Siri said: ${response}`;

      processing.innerHTML = “”;

      result.appendChild(p);

      // add text to speech later  } else {

      processing.innerHTML = `listening: ${text}`;

  }

}

我们还需要将 用户界面的 button 与 recognition 对象链接起来,以启动 / 停止语音识别。

let listening = false;

toggleBtn = () => {

  if (listening) {

      recognition.stop();

      startBtn.textContent = “Start listening”;

  } else {

      recognition.start();

      startBtn.textContent = “Stop listening”;

  }

  listening = !listening;

};

startBtn.addEventListener(“click”, toggleBtn);

处理文本并执行操作

在这一步中,我们将构建一个简单的会话逻辑并处理一些基本操作。助理可以回复“hello”、“what’s your name?”、“how are you?”、提供当前时间的信息、“stop”听取或打开一个新的标签页来搜索它不能回答的问题。你可以通过使用一些 AI 库进一步扩展这个 process 函数,使助理更加智能。

function process(rawText) {

  // remove space and lowercase text  let text = rawText.replace(/\s/g, “”);

  text = text.toLowerCase();

  let response = null;

  switch(text) {

      case “hello”:

        response = “hi, how are you doing?”; break;

      case “what’syourname”:

        response = “My name’s Siri.”; break;

      case “howareyou”:

        response = “I’m good.”; break;

      case “whattimeisit”:

        response = new Date().toLocaleTimeString(); break;

      case “stop”:

        response = “Bye!!”;

        toggleBtn(); // stop listening  }

  if (!response) {

      window.open(`http://google.com/search?q=${rawText.replace(“search”, “”)}`, “_blank”);

      return “I found some information for ” + rawText;

  }

  return response;

}

文本转语音

在最后一步中,我们使用 Web Speech API 的 speechSynthesis 控制器为我们的助理提供语音。这个 API 简单明了。

speechSynthesis.speak(new SpeechSynthesisUtterance(response));

就是这样!我们只用了 80 行代码就有了一个很酷的助理。程序的演示可以在下方链接中找到。

https://nhudinhtuan.github.io/mysiri/

// UI compconst startBtn = document.createElement(“button”);

startBtn.innerHTML = “Start listening”;

const result = document.createElement(“div”);

const processing = document.createElement(“p”);

document.write(“<body><h1>My Siri</h1><p>Give it a try with ‘hello’, ‘how are you’, ‘what’s your name’, ‘what time is it’, ‘stop’, … </p></body>”);

document.body.append(startBtn);

document.body.append(result);

document.body.append(processing);// speech to textconst SpeechRecognition = window.SpeechRecognition || window.webkitSpeechRecognition;

let toggleBtn = null;

if (typeof SpeechRecognition === “undefined”) {

    startBtn.remove();

    result.innerHTML = “<b>Browser does not support Speech API. Please download latest chrome.<b>”;

} else {

    const recognition = new SpeechRecognition();

    recognition.continuous = true;

    recognition.interimResults = true;

    recognition.onresult = event => {

        const last = event.results.length – 1;

        const res = event.results[last];

        const text = res[0].transcript;

        if (res.isFinal) {

            processing.innerHTML = “processing ….”;

            const response = process(text);

            const p = document.createElement(“p”);

            p.innerHTML = `You said: ${text} </br>Siri said: ${response}`;

            processing.innerHTML = “”;

            result.appendChild(p);

            // text to speech            speechSynthesis.speak(new SpeechSynthesisUtterance(response));

        } else {

            processing.innerHTML = `listening: ${text}`;

        }

    }

    let listening = false;

    toggleBtn = () => {

        if (listening) {

            recognition.stop();

            startBtn.textContent = “Start listening”;

        } else {

            recognition.start();

            startBtn.textContent = “Stop listening”;

        }

        listening = !listening;

    };

    startBtn.addEventListener(“click”, toggleBtn);

}// processorfunction process(rawText) {

    let text = rawText.replace(/\s/g, “”);

    text = text.toLowerCase();

    let response = null;

    switch(text) {

        case “hello”:

            response = “hi, how are you doing?”; break;

        case “what’syourname”:

            response = “My name’s Siri.”; break;

        case “howareyou”:

            response = “I’m good.”; break;

        case “whattimeisit”:

            response = new Date().toLocaleTimeString(); break;

        case “stop”:

            response = “Bye!!”;

            toggleBtn();

    }

    if (!response) {

        window.open(`http://google.com/search?q=${rawText.replace(“search”, “”)}`, “_blank”);

        return `I found some information for ${rawText}`;

    }

    return response;

}

×

Drag and Drop

The image will be downloaded

用 80 行 Javascript 代码构建自己的语音助手插图

文章转载于:https://www.jianshu.com/p/aaafb9749a4a

原著是一个有趣的人,若有侵权,请通知删除

未经允许不得转载:起风网 » 用 80 行 Javascript 代码构建自己的语音助手

分享到: 生成海报
avatar

评论 抢沙发

评论前必须登录!

立即登录   注册

切换注册

登录

忘记密码 ?

切换登录

注册

我们将发送一封验证邮件至你的邮箱, 请正确填写以完成账号注册和激活