百度語音識別開放平臺SDK用法

版權聲明：本文爲博主原創文章，未經博主贊成不得轉載。 https://blog.csdn.net/zpf8861/article/details/30229039

百度Android語音識別SDK分在線與離線兩種。這篇文章介紹在線SDK的用法。

     在線SDK是以JAR包和動態連接庫形式公佈和使用。可以從百度開放雲平臺站點中下載SDK及使用說明文檔。

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

     完畢語音SDK的集成分下面幾步。本文將一步步介紹SDK集成方法。

      

 一、註冊開放開放平臺   

 點擊管理控制檯。選擇移動應用管理

 選擇建立應用，填寫應用名稱

      

可以看到右上角有ID、API KEY、Secret KEY。點擊可以複製其內容，保存這些字符串，在使用語音SDK時會用到。

二、申請開啓語音識別服務 。選擇媒體雲---語音識別，點擊申請開啓服務，填寫理由。

等待對接成功

三、使用語音識別SDK前的準備

以前準備了SDK開發包以及ID、API KEY、Secret KEY。

首先將開發包中的lib中的庫加入到project中

        聲明權限

  <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>

    四、語音識別

SDK有兩種實現語音識別的方式，一種是直接使用SDK中的語音識別控件。一種是使用SDK中的語音識別服務。

語音識別控件方式

語音識別控件BaiduASRDigitalDialog。提供了整套語音交互、提示音、音量反饋、動效反饋。開發人員初始化一個BaiduASRDigitalDialog對象，並設置相關參數及結果回調，調用Show()方法就可以彈出對話框開始識別。識別結束後會在回調中獲得識別結果。

 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();

識別對話框支持的參數定義在BaiduASRDigitalDialog中以PARAM_前綴的常量。列表例如如下：

PARAM_API_KEY	string		開放平臺認證API_key
PARAM_SECRET_KEY	string		開放平臺認證Secret_key
PARAM_LANGUAGE	string	LANGUAGE_CHINESE	語種，取值定義在VoiceRecognitionConfig類中前綴爲LANGUAGE_的常量
PARAM_PARTIAL_RESULTS	boolean	true	連續上屏
PARAM_NLU_ENABLE	boolean	false	是否語義解析。 Prop爲輸入時暫不支持語義，請顯示指定爲其餘領域。
PARAM_NLU_PARAMS	string		預留語義解析參數
PARAM_PROP	int	PROP_INPUT	領域參數。定義在VoiceRecognitionConfig類中前綴爲PROP_的常量
PARAM_PORMPT_TEXT	string	「請說話」	對話框提示語
PARAM_PROMPT_SOUND_ENABLE	boolean	true	提示音，需要集成SDK包Raw目錄的資源
PARAM_DIALOG_THEME	int	THEME_BLUE_LIGHTBG	樣式。 定義在前綴爲THEME_的常量中
PARAM_TIPS	String[]		引導語列表
PARAM_SHOW_TIPS_ON_START	boolean	false	對話框彈出時首先顯示引導語列表
PARAM_SHOW_TIP	boolean	false	識別啓動3秒未檢測到語音，隨機出現一條引導語
PARAM_SHOW_HELP_ON_SILENT	boolean	false	靜音超時後將「取消」button替換爲「幫助」

設置回調方法。處理返回的結果

 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

首先需要配置語音識別引擎ASREngine的參數VoiceRecognitionConfig

 VoiceRecognitionConfig config = new VoiceRecognitionConfig();
                 config.setProp(Config.CURRENT_PROP);
                 config.setLanguage(Config.getCurrentLanguage());
                 config.enableVoicePower(Config.SHOW_VOL); // 音量反饋。
                 if (Config.PLAY_START_SOUND) {
                     config.enableBeginSoundEffect(R.raw.bdspeech_recognition_start); // 設置識別開始提示音
                 }
                 if (Config.PLAY_END_SOUND) {
                     config.enableEndSoundEffect(R.raw.bdspeech_speech_end); // 設置識別結束提示音
                 }
                 config.setSampleRate(VoiceRecognitionConfig.SAMPLE_RATE_8K); // 設置採樣率,需要與外部音頻一致

而後啓動識別

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

當中mListener是識別過程的回調，需要對當中的方法進行實現

 /**
     * 重寫用於處理語音識別回調的監聽器
     */
    class MyVoiceRecogListener implements VoiceClientStatusChangeListener {

        @Override
        public void onClientStatusChange(int status, Object obj) {
            switch (status) {
            // 語音識別實際開始，這是真正開始識別的時間點。需在界面提示用戶說話。
                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: // 檢測到語音起點
                    mControlPanel.statusChange(ControlPanelFragment.STATUS_SPEECH_START);
                    break;
                // 已經檢測到語音終點，等待網絡返回
                case VoiceRecognitionClient.CLIENT_STATUS_SPEECH_END:
                    mControlPanel.statusChange(ControlPanelFragment.STATUS_SPEECH_END);
                    break;
                // 語音識別完畢，顯示obj中的結果
                case VoiceRecognitionClient.CLIENT_STATUS_FINISH:
                    mControlPanel.statusChange(ControlPanelFragment.STATUS_FINISH);
                    isRecognition = false;
                    updateRecognitionResult(obj);
                    break;
                // 處理連續上屏
                case VoiceRecognitionClient.CLIENT_STATUS_UPDATE_RESULTS:
                    updateRecognitionResult(obj);
                    break;
                // 用戶取消
                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) {
            // 這裏不作不論什麼操做不影響簡單識別
        }
    }

得到識別BDVRClient對象

 mASREngine = VoiceRecognitionClient.getInstance(this);
         mASREngine.setTokenApis(Constants.API_KEY, Constants.SECRET_KEY);

請求參數設置

每次識別需要經過經過VoiceRecognitionConfig設置參數，當中一些方法在API中有說明

方法	參數	描寫敘述
enableBeginSoundEffect	int soundResourceId 啓動提示音資源Id	設置開始提示音，soundResourceId爲放置在Raw目錄的資源Id。
enableEndSoundEffect	int soundResourceId 說話結束提示音資源Id	檢測到用戶說話結束播報的提示音，非識別結束
setSampleRate	int rate 採樣率	設置音頻採樣率， 一般建議開發人員不指定採樣頻率。由BDVRClient本身主動依據當前網絡環境選擇採樣頻率。WiFi環境下將使用16kHz採樣。移動網絡下將使用8kHz採樣，來節省流量。 參考常量定義 SAMPLE_RATE_8K 8K採樣率 SAMPLE_RATE_16K 16K採樣率
setProp	int prop	開發人員可以經過指定垂直分類來獲取更精準的語音識別結果。 注：垂直分類眼下支持地圖，音樂。視頻。APP。網址，開發人員需要注意設定採樣頻率時僅僅能在這五種垂直分類中選擇。 若指定其餘分類，可能會影響識別結果的精度。 參考PROP_前綴的常量定義。
setUseDefaultAudioSource	boolean useDefaultSource	設置是否使用缺省的錄音。 假設不使用，用戶需要調用VoiceRecognitionClient對象的feedAudioBuffer方法爲識別器提供語音數據
enableNLU		啓用語義解析，僅僅在搜索模式起做用
getSampleRate		獲取當前識別採樣率
setLanguage	String Language	設置語種。 眼下支持的語種有中文普通話（LANGUAGE_CHINESE）、中文粵語（LANGUAGE_CANTONSE）、英文（LANGUAGE_ENGLISH）。

開始語音識別，BDVRClient在開始識別後。會啓動錄音、預處理、上傳到server並獲取識別結果。

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

取消語音識別

 mASREngine.stopVoiceRecognition();

結束語音識別

 mRecognitionClient.speakFinish();