正文

百度语音识别开放平台SDK用法

IP云
IP云V管理员/5 阅读
08/01
提示：扫一扫查出行
【扫一扫了解最新限行尾号】
复制提示

版权声明：本文为博主原创文章，未经博主同意不得转载。 https://blog.csdn.net/zpf8861/article/details/30229039

百度Android语音识别SDK分在线与离线两种。这篇文章介绍在线SDK的用法。

     在线SDK是以JAR包和动态链接库形式公布和使用。能够从百度开放云平台站点中下载SDK及使用说明文档。

http://developer.baidu.com/wiki/index.php?title=docs/cplat/media/voice

     完毕语音SDK的集成分下面几步。本文将一步步介绍SDK集成方法。

      

 1、注冊开放开放平台   

 点击管理控制台。选择移动应用管理

 选择创建应用，填写应用名称

   

watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvVm9pY2VGYW5z/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/Center" alt="" style="border:none;" />   

watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvVm9pY2VGYW5z/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/Center" alt="" style="border:none;" />

能够看到右上角有ID、API KEY、Secret KEY。点击能够复制其内容，保存这些字符串，在使用语音SDK时会用到。

watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvVm9pY2VGYW5z/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/Center" alt="" style="border:none;" />

2、申请开启语音识别服务 。选择媒体云---语音识别，点击申请开启服务，填写理由。

等待对接成功

3、使用语音识别SDK前的准备

之前准备了SDK开发包以及ID、API KEY、Secret KEY。

首先将开发包中的lib中的库加入到project中

        声明权限

  1.  <uses-permission android:name="android.permission.RECORD_AUDIO" />  
  2. <uses-permission android:name="android.permission.ACCESS_NETWORK_STATE" />  
  3. <uses-permission android:name="android.permission.WRITE_EXTERNAL_STORAGE" />  
  4. <uses-permission android:name="android.permission.INTERNET" />  
  5. <uses-permission android:name="android.permission.READ_PHONE_STATE" />  
  6. <uses-permission android:name="android.permission.WAKE_LOCK" />  
  7. <uses-permission android:name="android.permission.ACCESS_FINE_LOCATION" />  
  8. <uses-permission android:name="android.permission.ACCESS_COARSE_LOCATION" />  
  9. <uses-permission android:name="android.permission.ACCESS_WIFI_STATE" /></span>  

   4、语音识别

SDK有两种实现语音识别的方式，一种是直接使用SDK中的语音识别控件。一种是使用SDK中的语音识别服务。

语音识别控件方式

语音识别控件BaiduASRDigitalDialog。提供了整套语音交互、提示音、音量反馈、动效反馈。开发人员初始化一个BaiduASRDigitalDialog对象，并设置相关參数及结果回调，调用Show()方法就能够弹出对话框開始识别。识别结束后会在回调中得到识别结果。

  1. if (mDialog == null || mCurrentTheme != Config.DIALOG_THEME) {  
  2.                     mCurrentTheme = Config.DIALOG_THEME;  
  3.                     if (mDialog != null) {  
  4.                         mDialog.dismiss();  
  5.                     }  
  6.                     Bundle params = new Bundle();  
  7.                     params.putString(BaiduASRDigitalDialog.PARAM_API_KEY, Constants.API_KEY);  
  8.                     params.putString(BaiduASRDigitalDialog.PARAM_SECRET_KEY, Constants.SECRET_KEY);  
  9.                     params.putInt(BaiduASRDigitalDialog.PARAM_DIALOG_THEME, Config.DIALOG_THEME);  
  10.                     mDialog = new BaiduASRDigitalDialog(this, params);  
  11.                     mDialog.setDialogRecognitionListener(mRecognitionListener);  
  12.                 }  
  13.                 mDialog.getParams().putInt(BaiduASRDigitalDialog.PARAM_PROP, Config.CURRENT_PROP);  
  14.                 mDialog.getParams().putString(BaiduASRDigitalDialog.PARAM_LANGUAGE,  
  15.                         Config.getCurrentLanguage());  
  16.                 mDialog.show();  

识别对话框支持的參数定义在BaiduASRDigitalDialog中以PARAM_前缀的常量。列表例如以下：

PARAM_API_KEY

string

 

开放平台认证API_key

PARAM_SECRET_KEY

string

 

开放平台认证Secret_key

PARAM_LANGUAGE

string

LANGUAGE_CHINESE

语种，取值定义在VoiceRecognitionConfig类中前缀为LANGUAGE_的常量

PARAM_PARTIAL_RESULTS

boolean

true

连续上屏

PARAM_NLU_ENABLE

boolean

false

是否语义解析。

Prop为输入时暂不支持语义，请显示指定为其他领域。

PARAM_NLU_PARAMS

string

 

预留语义解析參数

PARAM_PROP

int

PROP_INPUT

领域參数。定义在VoiceRecognitionConfig类中前缀为PROP_的常量

PARAM_PORMPT_TEXT

string

“请说话”

对话框提示语

PARAM_PROMPT_SOUND_ENABLE

boolean

true

提示音，须要集成SDK包Raw目录的资源

PARAM_DIALOG_THEME

int

THEME_BLUE_LIGHTBG

样式。

定义在前缀为THEME_的常量中

PARAM_TIPS

String[]

 

引导语列表

PARAM_SHOW_TIPS_ON_START

boolean

false

对话框弹出时首先显示引导语列表

PARAM_SHOW_TIP

boolean

false

识别启动3秒未检測到语音，随机出现一条引导语

PARAM_SHOW_HELP_ON_SILENT

boolean

false

静音超时后将“取消”button替换为“帮助”

设置回调方法。处理返回的结果

  1. mRecognitionListener = new DialogRecognitionListener() {  
  2.   
  3.            @Override  
  4.            public void onResults(Bundle results) {  
  5.                ArrayList<String> rs = results != null ? results  
  6.                        .getStringArrayList(RESULTS_RECOGNITION) : null;  
  7.                if (rs != null && rs.size() > 0) {  
  8.                    mResult.setText(rs.get(0));  
  9.                }  
  10.   
  11.            }  
  12.        };  

API方式
首先须要配置语音识别引擎ASREngine的參数VoiceRecognitionConfig
  1. VoiceRecognitionConfig config = new VoiceRecognitionConfig();  
  2.                 config.setProp(Config.CURRENT_PROP);  
  3.                 config.setLanguage(Config.getCurrentLanguage());  
  4.                 config.enableVoicePower(Config.SHOW_VOL); // 音量反馈。  
  5.                 if (Config.PLAY_START_SOUND) {  
  6.                     config.enableBeginSoundEffect(R.raw.bdspeech_recognition_start); // 设置识别開始提示音  
  7.                 }  
  8.                 if (Config.PLAY_END_SOUND) {  
  9.                     config.enableEndSoundEffect(R.raw.bdspeech_speech_end); // 设置识别结束提示音  
  10.                 }  
  11.                 config.setSampleRate(VoiceRecognitionConfig.SAMPLE_RATE_8K); // 设置採样率,须要与外部音频一致  

然后启动识别

  1. int code = mASREngine.startVoiceRecognition(mListener, config);  

当中mListener是识别过程的回调，须要对当中的方法进行实现
  1. /** 
  2.     * 重写用于处理语音识别回调的监听器 
  3.     */  
  4.    class MyVoiceRecogListener implements VoiceClientStatusChangeListener {  
  5.   
  6.        @Override  
  7.        public void onClientStatusChange(int status, Object obj) {  
  8.            switch (status) {  
  9.            // 语音识别实际開始，这是真正開始识别的时间点。需在界面提示用户说话。  
  10.                case VoiceRecognitionClient.CLIENT_STATUS_START_RECORDING:  
  11.                    isRecognition = true;  
  12.                    mHandler.removeCallbacks(mUpdateVolume);  
  13.                    mHandler.postDelayed(mUpdateVolume, POWER_UPDATE_INTERVAL);  
  14.                    mControlPanel.statusChange(ControlPanelFragment.STATUS_RECORDING_START);  
  15.                    break;  
  16.                case VoiceRecognitionClient.CLIENT_STATUS_SPEECH_START: // 检測到语音起点  
  17.                    mControlPanel.statusChange(ControlPanelFragment.STATUS_SPEECH_START);  
  18.                    break;  
  19.                // 已经检測到语音终点，等待网络返回  
  20.                case VoiceRecognitionClient.CLIENT_STATUS_SPEECH_END:  
  21.                    mControlPanel.statusChange(ControlPanelFragment.STATUS_SPEECH_END);  
  22.                    break;  
  23.                // 语音识别完毕，显示obj中的结果  
  24.                case VoiceRecognitionClient.CLIENT_STATUS_FINISH:  
  25.                    mControlPanel.statusChange(ControlPanelFragment.STATUS_FINISH);  
  26.                    isRecognition = false;  
  27.                    updateRecognitionResult(obj);  
  28.                    break;  
  29.                // 处理连续上屏  
  30.                case VoiceRecognitionClient.CLIENT_STATUS_UPDATE_RESULTS:  
  31.                    updateRecognitionResult(obj);  
  32.                    break;  
  33.                // 用户取消  
  34.                case VoiceRecognitionClient.CLIENT_STATUS_USER_CANCELED:  
  35.                    mControlPanel.statusChange(ControlPanelFragment.STATUS_FINISH);  
  36.                    isRecognition = false;  
  37.                    break;  
  38.                default:  
  39.                    break;  
  40.            }  
  41.   
  42.        }  
  43.   
  44.        @Override  
  45.        public void onError(int errorType, int errorCode) {  
  46.            isRecognition = false;  
  47.            mResult.setText(getString(R.string.error_occur, Integer.toHexString(errorCode)));  
  48.            mControlPanel.statusChange(ControlPanelFragment.STATUS_FINISH);  
  49.        }  
  50.   
  51.        @Override  
  52.        public void onNetworkStatusChange(int status, Object obj) {  
  53.            // 这里不做不论什么操作不影响简单识别  
  54.        }  
  55.    }  

获得识别BDVRClient对象
  1. mASREngine = VoiceRecognitionClient.getInstance(this);  
  2.         mASREngine.setTokenApis(Constants.API_KEY, Constants.SECRET_KEY);  
请求參数设置
每次识别须要通过通过VoiceRecognitionConfig设置參数，当中一些方法在API中有说明

方法

參数

描写叙述

enableBeginSoundEffect

int soundResourceId 启动提示音资源Id

设置開始提示音，soundResourceId为放置在Raw目录的资源Id。

 

enableEndSoundEffect

int soundResourceId 说话结束提示音资源Id

检測到用户说话结束播报的提示音，非识别结束

setSampleRate

int rate 採样率

设置音频採样率，

通常建议开发人员不指定採样频率。由BDVRClient自己主动依据当前网络环境选择採样频率。WiFi环境下将使用16kHz採样。移动网络下将使用8kHz採样，来节省流量。

參考常量定义

SAMPLE_RATE_8K 8K採样率

SAMPLE_RATE_16K 16K採样率

setProp

int prop

开发人员能够通过指定垂直分类来获取更精准的语音识别结果。

注：垂直分类眼下支持地图，音乐。视频。APP。网址，开发人员须要注意设定採样频率时仅仅能在这五种垂直分类中选择。

若指定其他分类，可能会影响识别结果的精度。

參考PROP_前缀的常量定义。

setUseDefaultAudioSource

boolean useDefaultSource

设置是否使用缺省的录音。 假设不使用，用户须要调用VoiceRecognitionClient对象的feedAudioBuffer方法为识别器提供语音数据

enableNLU

 

启用语义解析，仅仅在搜索模式起作用

getSampleRate

 

获取当前识别採样率

setLanguage

String Language

设置语种。

眼下支持的语种有中文普通话（LANGUAGE_CHINESE）、中文粤语（LANGUAGE_CANTONSE）、英文（LANGUAGE_ENGLISH）。

開始语音识别，BDVRClient在開始识别后。会启动录音、预处理、上传到server并获取识别结果。

  1. int code = mASREngine.startVoiceRecognition(mListener, config);  
  2.                if (code != VoiceRecognitionClient.START_WORK_RESULT_WORKING) {  
  3.                    mResult.setText(getString(R.string.error_start, code));  
  4.                }   

取消语音识别

  1. mASREngine.stopVoiceRecognition();  

结束语音识别

  1. mRecognitionClient.speakFinish();