百度Android在线语音识别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)); } } };
API方式 首先需要配置语音识别引擎ASREngine的参数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);
其中mListener是识别过程的回调,需要对其中的方法进行实现
/** * 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 } }
获得识别BDVRClient对象
mASREngine = VoiceRecognitionClient.getInstance(this); mASREngine.setTokenApis(Constants.API_KEY, Constants.SECRET_KEY);请求参数设置 每次识别需要通过通过VoiceRecognitionConfig设置参数,其中一些方法在API中有说明
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 | booleanuseDefaultSource | 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();
读者可以结合着SDK文档与demo源代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: 需要按照文章开头的去申请api key和secret key, 修改Constant.java,填上自己的key就ok了。VoiceRecognitionDemoActivity.java 展示了如何使用Dialog方式识别
如果遇到问题欢迎留言交流。
更多相关文章
- 【Mark】Android(安卓)EditText详解及用法
- [AndroidTips]通过广播Intent控制Android系统自带的音乐播放器
- 点击Android按钮跳转到React-native指定界面
- android 如何使用jni
- android语音识别接科大讯飞sdk
- android 获取string.xml中的value
- Android使用webrtc实现检测用户是否在说话
- Android实现语音识别 && 讯飞平台语音识别语音播报
- Android开发之Java设计模式基础篇