首页 > 代码库 > 百度语音识别开放平台SDK使用方法
百度语音识别开放平台SDK使用方法
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的使用方法。
在线SDK是以JAR包和动态链接库形式发布和使用,可以从百度开放云平台网站中下载SDK及使用说明文档。
http://developer.baidu.com/wiki/index.php?title=docs/cplat/media/voice
完成语音SDK的集成分以下几步,本文将一步步介绍SDK集成方法。
1、注册开放开放平台
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
可以看到右上角有ID、API KEY、Secret KEY,点击可以复制其内容,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中的库添加到工程中
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。开发者初始化一个BaiduASRDigitalDialog对象,并设置相关参数及结果回调,调用Show()方法就可以弹出对话框开始识别,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();
识别对话框支持的参数定义在BaiduASRDigitalDialog中以PARAM_前缀的常量。列表如下:
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,请显示指定为其它领域。 |
PARAM_NLU_PARAMS | string |
| 预留语义解析参数 |
PARAM_PROP | int | PROP_INPUT | 领域参数,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,需要集成SDK包Raw文件夹的资源 |
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秒未检测到语音,随机出现一条引导语 |
PARAM_SHOW_HELP_ON_SILENT | boolean | false | 静音超时后将“取消”按钮替换为“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); // 设置识别开始提示音
- }
- 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); // 设置采样率,需要与外部音频一致
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) {
- // 语音识别实际开始,这是真正开始识别的时间点,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: // 检测到语音起点
- mControlPanel.statusChange(ControlPanelFragment.STATUS_SPEECH_START);
- break;
- // 已经检测到语音终点,等待网络返回
- case VoiceRecognitionClient.CLIENT_STATUS_SPEECH_END:
- mControlPanel.statusChange(ControlPanelFragment.STATUS_SPEECH_END);
- break;
- // 语音识别完成,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) {
- // 这里不做任何操作不影响简单识别
- }
- }
- mASREngine = VoiceRecognitionClient.getInstance(this);
- mASREngine.setTokenApis(Constants.API_KEY, Constants.SECRET_KEY);
方法 | 参数 | 描述 |
enableBeginSoundEffect | int soundResourceId 启动提示音资源Id | 设置开始提示音,soundResourceId为放置在Raw文件夹的资源Id。
|
enableEndSoundEffect | int soundResourceId 说话结束提示音资源Id | 检测到用户说话结束播报的提示音,非识别结束 |
setSampleRate | int rate 采样率 | 设置音频采样率, 通常建议开发者不指定采样频率,由BDVRClient自动根据当前网络环境选择采样频率。WiFi环境下将使用16kHz采样,移动网络下将使用8kHz采样,来节省流量。参考常量定义 SAMPLE_RATE_8K 8K采样率 SAMPLE_RATE_16K 16K采样率 |
setProp | int prop | 开发者可以通过指定垂直分类来获取更精准的语音识别结果。 注:垂直分类目前支持地图,音乐,视频,APP,网址,开发者需要注意设定采样频率时只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。参考PROP_前缀的常量定义。 |
setUseDefaultAudioSource | boolean useDefaultSource | 设置是否使用缺省的录音。 如果不使用,用户需要调用VoiceRecognitionClient对象的feedAudioBuffer方法为识别器提供语音数据 |
enableNLU |
| 启用语义解析,只在搜索模式起作用 |
getSampleRate |
| 获取当前识别采样率 |
setLanguage | String Language | 设置语种。目前支持的语种有中文普通话(LANGUAGE_CHINESE)、中文粤语(LANGUAGE_CANTONSE)、英文(LANGUAGE_ENGLISH)。 |
开始语音识别,BDVRClient在开始识别后,会启动录音、预处理、上传到服务器并获取识别结果。
- 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();