百度Android在线语音识别SDK用法 - slgkaifa

时间:2024-03-05 21:08:33

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”

设置回调方法。处理返回的结果

 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));
                }

            }
        };



API方式
首先须要配置语音识别引擎ASREngine的參数VoiceRecognitionConfig
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);

当中mListener是识别过程的回调,须要对当中的方法进行实现
 /**
     * 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 } }


获得识别BDVRClient对象

mASREngine = VoiceRecognitionClient.getInstance(this);
        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。