Post

AudioKit에서 BaseTapForSpeechRecognition을 사용한 음성인식 예제

Posted
By ayaysir(BGSMM)
4 min read
AudioKit에서 BaseTapForSpeechRecognition을 사용한 음성인식 예제

현재 코드에서의 SpeechRecognitionTap과 BaseTapForSpeechRecognitionConductor는 AudioKit과 Speech Framework를 연결하여 실시간으로 마이크 입력을 받아 음성 인식 결과를 텍스트로 출력하는 역할을 수행합니다.

SpeechRecognitionTap: 마이크 오디오 버퍼를 음성 인식기로 전달

1

class SpeechRecognitionTap: BaseTap

BaseTap은 AudioKit에서 입력을 분석하기 위한 탭(Tap)을 구현할 때 사용하는 기본 클래스입니다. SpeechRecognitionTap은 이를 상속받아 Apple의 Speech 프레임워크와 연결하는 데 초점을 둡니다.

주요 프로퍼티

프로퍼티 설명
recognitionRequest 오디오 버퍼를 지속적으로 전달받는 객체 (SFSpeechAudioBufferRecognitionRequest)
analyzer 언어별 음성 인식기 (SFSpeechRecognizer)
reconitionTask 실제 인식 작업을 수행하는 비동기 작업 (SFSpeechRecognitionTask)

메서드 설명

setupRecognition(locale:)

1

func setupRecognition(locale: Locale)
  • 선택한 언어(Locale)에 맞는 SFSpeechRecognizer 인스턴스를 생성
  • 실시간 스트리밍 인식을 위한 SFSpeechAudioBufferRecognitionRequest 초기화
  • recognitionRequest.shouldReportPartialResults = true 설정으로 중간 결과도 실시간 전달 가능

stopRecognition()

1

func stopRecognition()
  • 음성 인식 세션을 종료하고 관련 객체를 초기화하여 해제

doHandleTapBlock(buffer:at:)

1

override func doHandleTapBlock(buffer: AVAudioPCMBuffer, at time: AVAudioTime)
  • AudioKit에서 자동으로 호출되는 메서드
  • 마이크 입력 버퍼를 recognitionRequest에 전달하여 음성 인식기가 실시간으로 처리하게 함

BaseTapForSpeechRecognitionConductor: 음성 인식과 오디오 경로를 통합 관리

1

class BaseTapForSpeechRecognitionConductor: ObservableObject, HasAudioEngine

주요 프로퍼티

프로퍼티 설명
textString 인식된 텍스트 결과
languageCode 선택된 언어 코드 (en-US, ko-KR, ja-JP)
srTap SpeechRecognitionTap 인스턴스
engine, mic, outputMixer, silencer AudioKit의 오디오 라우팅 구성 요소
recognitionTask 음성 인식 작업 참조용

주요 로직

init()

  • 오디오 엔진과 마이크 입력 초기화
  • AudioKit의 output = silencer로 출력 경로 설정 (실제 소리는 꺼둔 상태)
  • srTap.start()로 마이크 데이터 수집 시작
  • setLanguage(code:)를 호출하여 기본 언어로 음성 인식 시작

setLanguage(code:)

1

func setLanguage(code: String)
  • 현재 음성 인식 세션을 중단 (stopRecognition, stop)
  • 오디오 엔진을 재시작
  • 새로운 언어로 SFSpeechRecognizer를 초기화하고 recognitionRequest를 설정
  • recognitionTask를 새로 만들어 textString에 실시간 결과를 반영

핵심: 언어가 바뀔 때 engine, tap, recognizer를 모두 재시작해서 새로운 인식 환경을 구성

흐름 요약

  1. 뷰가 나타남 → init()에서 오디오 및 인식기 설정
  2. 사용자가 언어를 선택 → languageCode.didSet → setLanguage(...)
  3. 마이크 입력 → doHandleTapBlock → recognitionRequest.append(...)
  4. Apple 음성 인식기에서 처리된 결과가 textString에 실시간 업데이트됨
  5. 뷰는 ScrollView를 통해 자동 스크롤하며 결과를 출력

정리

클래스 역할 핵심 기능
SpeechRecognitionTap 오디오 → SpeechFramework 전달 마이크 입력 버퍼를 recognitionRequest에 지속 전달
BaseTapForSpeechRecognitionConductor 오디오 엔진 + 언어 변경 + 인식기 관리 언어 변경 시 자동 재설정, 실시간 결과 처리
StudyLog, AudioKit
AudioKit 음향이론
This post is licensed under CC BY 4.0 by the author.