百度Android在线语音识别SDK用法
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
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。
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
<uses-permission android:name="android.permission.RECORD_AUDIO" /> <uses-permission android:name="android.permission.ACCESS_NETWORK_STATE" /> <uses-permission android:name="android.permission.WRITE_EXTERNAL_STORAGE" /> <uses-permission android:name="android.permission.INTERNET" /> <uses-permission android:name="android.permission.READ_PHONE_STATE" /> <uses-permission android:name="android.permission.WAKE_LOCK" /> <uses-permission android:name="android.permission.ACCESS_FINE_LOCATION" /> <uses-permission android:name="android.permission.ACCESS_COARSE_LOCATION" /> <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。
if (mDialog == null || mCurrentTheme != Config.DIALOG_THEME) { mCurrentTheme = Config.DIALOG_THEME; if (mDialog != null) { mDialog.dismiss(); } Bundle params = new Bundle(); params.putString(BaiduASRDigitalDialog.PARAM_API_KEY, Constants.API_KEY); params.putString(BaiduASRDigitalDialog.PARAM_SECRET_KEY, Constants.SECRET_KEY); params.putInt(BaiduASRDigitalDialog.PARAM_DIALOG_THEME, Config.DIALOG_THEME); mDialog = new BaiduASRDigitalDialog(this, params); mDialog.setDialogRecognitionListener(mRecognitionListener); } mDialog.getParams().putInt(BaiduASRDigitalDialog.PARAM_PROP, Config.CURRENT_PROP); mDialog.getParams().putString(BaiduASRDigitalDialog.PARAM_LANGUAGE, Config.getCurrentLanguage()); 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” |
mRecognitionListener = new DialogRecognitionListener() { @Override public void onResults(Bundle results) { ArrayList<String> rs = results != null ? results .getStringArrayList(RESULTS_RECOGNITION) : null; if (rs != null && rs.size() > 0) { mResult.setText(rs.get(0)); } } };
VoiceRecognitionConfig config = new VoiceRecognitionConfig(); config.setProp(Config.CURRENT_PROP); config.setLanguage(Config.getCurrentLanguage()); config.enableVoicePower(Config.SHOW_VOL); // 音量反馈。 if (Config.PLAY_START_SOUND) { config.enableBeginSoundEffect(R.raw.bdspeech_recognition_start); // 设置识别開始提示音 } if (Config.PLAY_END_SOUND) { config.enableEndSoundEffect(R.raw.bdspeech_speech_end); // 设置识别结束提示音 } 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
int code = mASREngine.startVoiceRecognition(mListener, config);
/** * 重写用于处理语音识别回调的监听器 */ class MyVoiceRecogListener implements VoiceClientStatusChangeListener { @Override public void onClientStatusChange(int status, Object obj) { switch (status) { // 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。case VoiceRecognitionClient.CLIENT_STATUS_START_RECORDING: isRecognition = true; mHandler.removeCallbacks(mUpdateVolume); mHandler.postDelayed(mUpdateVolume, POWER_UPDATE_INTERVAL); mControlPanel.statusChange(ControlPanelFragment.STATUS_RECORDING_START); break; case VoiceRecognitionClient.CLIENT_STATUS_SPEECH_START: // 检測到语音起点 mControlPanel.statusChange(ControlPanelFragment.STATUS_SPEECH_START); break; // 已经检測到语音终点,等待网络返回 case VoiceRecognitionClient.CLIENT_STATUS_SPEECH_END: mControlPanel.statusChange(ControlPanelFragment.STATUS_SPEECH_END); break; // 语音识别完毕,显示obj中的结果 case VoiceRecognitionClient.CLIENT_STATUS_FINISH: mControlPanel.statusChange(ControlPanelFragment.STATUS_FINISH); isRecognition = false; updateRecognitionResult(obj); break; // 处理连续上屏 case VoiceRecognitionClient.CLIENT_STATUS_UPDATE_RESULTS: updateRecognitionResult(obj); break; // 用户取消 case VoiceRecognitionClient.CLIENT_STATUS_USER_CANCELED: mControlPanel.statusChange(ControlPanelFragment.STATUS_FINISH); isRecognition = false; break; default: break; } } @Override public void onError(int errorType, int errorCode) { isRecognition = false; mResult.setText(getString(R.string.error_occur, Integer.toHexString(errorCode))); mControlPanel.statusChange(ControlPanelFragment.STATUS_FINISH); } @Override public void onNetworkStatusChange(int status, Object obj) { // 这里不做不论什么操作不影响简单识别 } }
mASREngine = VoiceRecognitionClient.getInstance(this); mASREngine.setTokenApis(Constants.API_KEY, Constants.SECRET_KEY);
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。若指定其它分类。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。
int code = mASREngine.startVoiceRecognition(mListener, config); if (code != VoiceRecognitionClient.START_WORK_RESULT_WORKING) { mResult.setText(getString(R.string.error_start, code)); }
取消语音识别
mASREngine.stopVoiceRecognition();
结束语音识别
mRecognitionClient.speakFinish();
读者能够结合着SDK文档与demo源码一起来学习百度语音识别SDK的使用。
语音识别的demo下载: http://download.csdn.net/detail/voicefans/7451441
小伙伴注意: 须要依照文章开头的去申请api key和secret key, 改动Constant.java,填上自己的key就ok了。VoiceRecognitionDemoActivity.java 展示了怎样使用Dialog方式识别
假设遇到问题欢迎留言交流。