首先，参考科大讯飞的官方sdk中的案例，实现和机器的日常对话和控制。
具体步骤：
1. 通过麦克风捕获说话的声音，然后通过在线语音识别获取语音中的字符。
2. 将获取到的字符上传到科大讯飞的语义识别中，获得返回回来的信息。（json格式)
3. 将返回的数据通过cjson库进行解析，获取到我们想要的数据。
4. 将获取到的结果上传到科大讯飞的库中，进行语音合成，获取到合成的语音数据。
5. 通过alsa库输出声音。
具体的代码已经上传到github中。
https://github.com/qq2216691777/xf_voice
在ubuntu上利用科大讯飞的SDK实现语音识别-语义识别等功能
原文：http://www.cnblogs.com/ynxf/p/6285658.html