Unity关键词语音识别

       一、背景

        最近使用unity开发语音交互内容的时候，遇到了这样的需求，就是需要使用语音关键字来唤醒应用程序，然后再和程序做交互，有点像智能音箱的意思。具体的技术方案方面，也找了一些第三方的服务，比如百度AI开放平台，讯飞开放平台等，这些都提供有语音唤醒的服务，基本上能够满足我的项目开发需求。

        不过，我是想，先找一个免费且可以离线的方案的，从huggingface上倒是可以找到一些开源的模型可以做到，包括在github上也找到一些开源项目，比如snowboy。但是自己去部署服务的方式，我还是觉得有点重，又想白嫖，又想简单，呵呵。

        后来发现，其实unity本身就带有一个库，可能实现关键词的语音识别，也就是【UnityEngine.Windows.Speech】这个库，是可以做到设定关键词，然后通过语音识别，判断是否说的是设定的关键词。有了这个，就可以制作一个又简单，又能白嫖的离线关键词识别了。当然，这里要注意，这个库只能在windows平台使用。

        二、代码实现

        废话少说，直接上代码：

using System.Collections;
using System.Collections.Generic;
using System.Text;
using UnityEngine;
#if UNITY_STANDALONE_WIN
using UnityEngine.Windows.Speech;
#endif
/// <summary>
/// unity内置语音唤醒 windows有效
/// </summary>
public class UnityWakeOnVoice : MonoBehaviour
{
    /// <summary>
    /// 关键词
    /// </summary>
    [SerializeField]
    private string[] m_Keywords = { "关键词" };//关键字
    /// <summary>
    /// 关键字识别器
    /// </summary>
#if UNITY_STANDALONE_WIN
    private KeywordRecognizer m_Recognizer;
    // Use this for initialization
    void Start()
    {
        //创建一个关键字识别器
        m_Recognizer = new KeywordRecognizer(m_Keywords);
        Debug.Log("创建识别器成功");
        m_Recognizer.OnPhraseRecognized += OnPhraseRecognized;
 
    }
    
    /// <summary>
    /// 开始识别
    /// </summary>
    public void StartRecognizer()
    {
        if (m_Recognizer == null)
            return;
 
        m_Recognizer.Start();
    }
    /// <summary>
    /// 结束识别
    /// </summary>
    public void StopRecognizer()
    {
        if (m_Recognizer == null)
            return;
 
        m_Recognizer.Stop();
    }
 
    /// <summary>
    /// 识别到关键词
    /// </summary>
    /// <param name="args"></param>
    private void OnPhraseRecognized(PhraseRecognizedEventArgs args)
    {
        StringBuilder builder = new StringBuilder();
        builder.AppendFormat("{0}", args.text);
        string _keyWord = builder.ToString();
        Debug.Log("识别器捕捉到关键词："+_keyWord);
    }
    #endif
}

        这里还有一点要注意，这个关键词识别库，只有当你准确的说出某个关键词时，才能触发识别事件 ，一句话里包含关键词，实测是没能检测出来的。

三、结束语：

        这个示例已经用在我的一个AI二次元女友的项目里，可以实现在windows平台的实时语音唤醒和对话的功能，感兴趣的朋友可以移步到B站，收看实际效果，相关代码已经开源咯。