手机无网离线使用FunASR识别手机历史通话录音
--本地AI电话机器人
上一篇：Android手机无网离线使用FunASR识别麦克风语音内容
下一篇：手机无网离线使用FunASR识别SIM卡语音通话内容
- 一、前言
前面的系列篇章中，我们通过《阿里FunASR本地断网离线识别模型简析》和《手机无网离线使用FunASR识别麦克风语音内容》两篇文章，将阿里FunASR的语音文字识别功能装入了手机App，并使用在了手机麦克风的实时语音流的文字转换上。
在Android手机中，通常有通话录音的开关，供有需要的用户针对SIM卡通话和应用App通话（如微信QQ钉钉等）进行录音留痕。
本篇章针对不同厂商和型号的手机内置录音的文件，使用FunASR进行语音转文字，将手机中预先录制的通话记录，逐条转换解析出对应的通话语音文字。
此部分功能只做了历史通话的ASR转换，有需要的用户可以直接拿来体验和使用。语音文件检测作为FunASR的主要应用场景，它的识别精度准确率和识别效率都还是非常好的。
体验和下载地址：
智能拨号器App：http://120.78.211.195:8060/Dialer.apk
拨号器SDK示例app：http://120.78.211.195:8060/sdk/SdkDemo.apk
USB蓝牙配件购买路径(参考)：https://item.taobao.com/item.htm?_u=pk10l4ccbcd&id=649368472986
- 二、ASR功能开关
与上一篇章《手机无网离线使用FunASR识别麦克风语音内容》中的入口相同，此处不再赘述。需要特意提醒的是【ASR功能时会尝试从sdcard路径中检测是否存在对应的so库和模型文件，如果之前从未下载过模型文件的，初次下载耗时会比较久】。
如果手机中之前并未下载，初次下载动态库速度很快（约8.1Mb）。但模型文件会下载的很慢（约667Mb），按1Mbps的下载速度，最少需要667/60s=11分钟。
笔者个人建议，如果存在多个手机设备，可以使用电脑将动态库和模型文件的zip压缩包先下载到本地电脑。然后在电脑解压后，使用adb或本地网络传输将文件内容拷贝到每个手机的【/sdcard/ade/】目录。这样可以加快多个手机设备的ASR依赖文件的加载。
- 三、通话历史录音检测和ASR识别提示
在【智能拨号器App】中，若在设置界面开启了“通话实时质检(ASR)”的开关后，启动应用，将会自动加载ASR对应的so动态库和模型文件。
加载完毕后，主界面将显示ASR悬浮窗图标，并读取手机中通话历史的记录列表，并与手机本地录音文件进行匹配关联。
若通话历史记录存在录音文件，且该录音文件之前未进行“ASR提取”文字，则会弹框提示是否需要立即ASR识别。如下图所示：
点击开始ASR后，将从通话历史的未ASR录音文件列表中逐条进行ASR解析，解析进度和通话ASR识别内容将实时的在进度框中进行展示。如下图所示：
ASR识别成功的所有通话历史记录，均会在列表记录的【回放录音】按钮旁边增加“ASR”的标签。可供使用者进行直观的识别。
- 四、通话录音的ASR识别结果与录音回放
某一条通话录音成功被ASR识别后，会在列表记录的【回放录音】按钮旁边增加“ASR”的标签。我们可以点击通话记录的【回放录音】按钮，收听某个历史SIM卡通话的录音。
在弹出的【xxx通话录音】的对话框中，可以查看到该录音所有的ASR文字转换的内容。并随着录音的播放进度，自动高亮背景到对应的ASR文字条目上。如下图所示：
由前文中我们可知，为便于录音回放时根据播放的时间戳来定位到对应的ASR文字内容。在ASR解析时，针对每一段带标点的最终检测结果，前面均加上时间戳形成【时间戳毫秒]文字内容】这样的展示格式进行本地存储。
这样在录音回放时，就能根据当前录音文件播放进度的毫秒数，快速匹配出当前ASR文字列表中的哪一句话。自动定位并将其背景高亮显示。
- 五、关键点和难点
ASR本身不难，由前面几篇文章对FunASR理论的铺垫，我们很容易的将FunASR的依赖库和模型文件加载进App中进行无网环境下的识别。
真正困难的地方是不同厂商和型号的手机，它的录音文件存放位置、以及录音文件格式很有可能是不同的（部分手机使用的是.mp3，有的手机用的是.ogg等等）。而且不同型号手机的采样率也会不同。声道方面，有的手机将所有录音都录制到一个声道，有的手机将通话双方分别录制到不同的声道。在这块上需要做适配。
因此，通话录音的ASR识别，也要求同时开启两路ASR识别，以适配不同厂商和型号的手机单声道/双声道的识别要求。并且需要将不同格式的录音文件内容，转换为原始PCM的数据，才能正常进行ASR文字转换。
- 六、总结
本文对FunASR的主要检测和应用场景-语音文件检测的功能进行初步尝试，并将其整合到Android应用App中。使手机能够在无网络的条件下，可以正常的识别通话录音文件的格式，并对其语音内容进行ASR语音转文字的识别。
此部分的逻辑有源码可以参考，有兴趣的朋友或友商可以获取源码自行修改。或者直接下载安装对应App，体验通话音质效果和ASR文字转换的效果。