Android开发集成科大讯飞语音识别+语音合成功能
（本Demo的开发环境为Android Studio）。
转载自:http://blog.csdn.net/highboys/article/details/52145038
一、语音识别
1.下载SDK（地址：
http://www.xfyun.cn/sdk/dispatcher
），选择语音听写SDK（如下图） ，下载前会让你先创建应用，创建应用后会得到一个appid。然后点“立即开通”去开通“语音识别”功能，之后就会跳出“SDK下载”的页面，然后就可以下载了（未注册账号的要先注册一个账号）。
2.将下载好的SDK中 libs 目录下的 Msc.jar包引入到工程中（参见
http://blog.csdn.net/highboys/article/details/51549679
，此外，因为本Demo中会用到json的东西，所以还得自己去网上下一个Gson的jar包，一并引进去）。之后在main目录下新建一个jniLibs目录，将 SDK中libs 目录下的armeabi 拷进去，如下图所示（第④个先不用管）：
3.科大讯飞为我们提供了一套语音听写时的UI，即听写的时候会有一个动画效果（如下图），这个时候我们需要 先将 SDK 资源包 assets 路径下的资源文件拷贝至 Android 工程asstes 目录下（没有的话自己新建），参照第2步图的④。
4.接下来就是代码的实现了。首先在Manifest中添加一下权限
//有动画效果
private RecognizerDialog iatDialog;
// ①语音配置对象初始化
SpeechUtility.createUtility(MainActivity.this, SpeechConstant.APPID + "=578f1af7");//将这里的578f1af7替换成自己申请得到的8位appid
// ②初始化有交互动画的语音识别器
iatDialog = new RecognizerDialog(MainActivity.this, mInitListener);
//③设置监听，实现听写结果的回调
iatDialog.setListener(new RecognizerDialogListener() {
String resultJson = "[";//放置在外边做类的变量则报错，会造成json格式不对（？）
@Override
public void onResult(RecognizerResult recognizerResult, boolean isLast) {
System.out.println("----------------- onResult -----------------");
if (!isLast) {
resultJson += recognizerResult.getResultString() + ",";
} else {
resultJson += recognizerResult.getResultString() + "]";
}
if (isLast) {
//解析语音识别后返回的json格式的结果
Gson gson = new Gson();
List resultList = gson.fromJson(resultJson,
new TypeToken>() {
}.getType());
String result = "";
for (int i = 0; i < resultList.size() - 1; i++) {
result += resultList.get(i).toString();
}
etText.setText(result);
//获取焦点
etText.requestFocus();
//将光标定位到文字最后，以便修改
etText.setSelection(result.length());
}
}
@Override
public void onError(SpeechError speechError) {
//自动生成的方法存根
speechError.getPlainDescription(true);
}
});
//开始听写，需将sdk中的assets文件下的文件夹拷入项目的assets文件夹下（没有的话自己新建）
iatDialog.show(); public static final String TAG = "MainActivity";
private InitListener mInitListener = new InitListener() {
@Override
public void onInit(int code) {
Log.d(TAG, "SpeechRecognizer init() code = " + code);
if (code != ErrorCode.SUCCESS) {
Toast.makeText(MainActivity.this, "初始化失败，错误码：" + code, Toast.LENGTH_SHORT).show();
}
}
};上面的代码用到了一个DictationResult类（一个用来接收转换 语音听写结果的类），需要自己新建，定义如下
/**
* 解析 语音听写返回结果Json格式字符串 的模板类（多重嵌套Json）
*
* 语音识别结果Json数据格式（单条数据）：
* {"sn":1,"ls":true,"bg":0,"ed":0,"ws":[
* {"bg":0,"cw":[{"w":"今天","sc":0}]},
* {"bg":0,"cw":[{"w":"的","sc":0}]},
* {"bg":0,"cw":[{"w":"天气","sc":0}]},
* {"bg":0,"cw":[{"w":"怎么样","sc":0}]},
* {"bg":0,"cw":[{"w":"。","sc":0}]}
* ]}
*
* sn number :第几句
* ls boolean: 是否最后一句
* bg number :开始
* ed number :结束
* ws array :词
* cw array :中文分词
* w string :单字
* sc number :分数
*/
public class DictationResult {
private String sn;
private String ls;
private String bg;
private String ed;
private List ws;
public static class Words {
private String bg;
private List cw;
public static class Cw {
private String w;
private String sc;
public String getW() {
return w;
}
public void setW(String w) {
this.w = w;
}
public String getSc() {
return sc;
}
public void setSc(String sc) {
this.sc = sc;
}
@Override
public String toString() {
return w;
}
}
public String getBg() {
return bg;
}
public void setBg(String bg) {
this.bg = bg;
}
public List getCw() {
return cw;
}
public void setCw(List cw) {
this.cw = cw;
}
@Override
public String toString() {
String result = "";
for (Cw cwTmp : cw) {
result += cwTmp.toString();
}
return result;
}
}
public String getSn() {
return sn;
}
public void setSn(String sn) {
this.sn = sn;
}
public String getLs() {
return ls;
}
public void setLs(String ls) {
this.ls = ls;
}
public String getBg() {
return bg;
}
public void setBg(String bg) {
this.bg = bg;
}
public String getEd() {
return ed;
}
public void setEd(String ed) {
this.ed = ed;
}
public List getWs() {
return ws;
}
public void setWs(List ws) {
this.ws = ws;
}
@Override
public String toString() {
String result = "";
for (Words wsTmp : ws) {
result += wsTmp.toString();
}
return result;
}
} 如此，便可实现语音听写了。这个过程可能会遇到各种各样的问题，具体错误码参见 http://www.xfyun.cn/doccenter/faq
5.说完了有动画效果的，下面就来说说没有动画效果的（也比较简单）。
//1.创建SpeechRecognizer对象，第二个参数：本地识别时传InitListener
SpeechRecognizer mIat = SpeechRecognizer.createRecognizer(context, null);
//2.设置听写参数，详见SDK中《MSC Reference Manual》文件夹下的SpeechConstant类
mIat.setParameter(SpeechConstant.DOMAIN,"iat");
mIat.setParameter(SpeechConstant.LANGUAGE,"zh_cn");
mIat.setParameter(SpeechConstant.ACCENT,"mandarin ");
//保存音频文件到本地（有需要的话） 仅支持pcm和wav，且需要自行添加读写SD卡权限
mIat.setParameter(SpeechConstant.ASR_AUDIO_PATH, Environment.getExternalStorageDirectory() + "/msc/mIat.wav");
// 3.开始听写
mIat.startListening(mRecoListener);
//听写监听器
private RecognizerListener mRecoListener = new RecognizerListener() {
//听写结果回调接口(返回Json格式结果，用户可参见附录13.1)；
// 一般情况下会通过onResults接口多次返回结果，完整的识别内容是多次结果的累加；
// 关于解析Json的代码可参见Demo中JsonParser类；
// isLast等于true时会话结束。
public void onResult(RecognizerResult results, boolean isLast) {
Log.d(TAG, "result:" + results.getResultString());
}
//会话发生错误回调接口
public void onError(SpeechError error) {
//打印错误码描述
Log.d(TAG, "error:" + error.getPlainDescription(true))
}
//开始录音
public void onBeginOfSpeech() {
}
// volume音量值0~30，data音频数据
public void onVolumeChanged(int volume, byte[] data) {
}
//结束录音
public void onEndOfSpeech() {
}
//扩展用接口
public void onEvent(int eventType, int arg1, int arg2, Bundle obj) {
}
};可以看到上面的onResult回调方法跟有动画效果时的onResult回调方法是一样的，所以主要的处理还是在这个方法中，将有动画的那个onResult回调中的代码拷过来就行了。如此，简单的语音听写功能就实现了。
效果图：
二、语音合成
1.语音合成也需要创建语音配置对象：
SpeechUtility.createUtility(MainActivity.this, SpeechConstant.APPID + "=578f1af7");//1.创建SpeechSynthesizer对象, 第二个参数：本地合成时传InitListener
SpeechSynthesizer mTts = SpeechSynthesizer.createSynthesizer(MainActivity.this, null);
/**
2.合成参数设置，详见《科大讯飞MSC API手册(Android)》SpeechSynthesizer 类
*/
// 清空参数
mTts.setParameter(SpeechConstant.PARAMS, null);
mTts.setParameter(SpeechConstant.ENGINE_TYPE, SpeechConstant.TYPE_CLOUD); //设置云端
mTts.setParameter(SpeechConstant.VOICE_NAME, "xiaoyan");//设置发音人
mTts.setParameter(SpeechConstant.SPEED, "50");//设置语速
//设置合成音调
mTts.setParameter(SpeechConstant.PITCH, "50");
mTts.setParameter(SpeechConstant.VOLUME, "80");//设置音量，范围0~100
mTts.setParameter(SpeechConstant.STREAM_TYPE, "3");
// 设置播放合成音频打断音乐播放，默认为true
mTts.setParameter(SpeechConstant.KEY_REQUEST_FOCUS, "true");
// 设置音频保存路径，保存音频格式支持pcm、wav，设置路径为sd卡请注意WRITE_EXTERNAL_STORAGE权限
// 注：AUDIO_FORMAT参数语记需要更新版本才能生效
// mTts.setParameter(SpeechConstant.AUDIO_FORMAT, "wav");
// boolean isSuccess = mTts.setParameter(SpeechConstant.TTS_AUDIO_PATH, Environment.getExternalStorageDirectory() + "/msc/tts2.wav");
// Toast.makeText(MainActivity.this, "语音合成 保存音频到本地：\n" + isSuccess, Toast.LENGTH_LONG).show();
//3.开始合成
int code = mTts.startSpeaking("在这里放置需要进行合成的文本", mSynListener);
if (code != ErrorCode.SUCCESS) {
if (code == ErrorCode.ERROR_COMPONENT_NOT_INSTALLED) {
//上面的语音配置对象为初始化时：
Toast.makeText(MainActivity.this, "语音组件未安装", Toast.LENGTH_LONG).show();
} else {
Toast.makeText(MainActivity.this, "语音合成失败,错误码: " + code, Toast.LENGTH_LONG).show();
}
}合成时需要一个SynthesizerListener类型的合成监听器作参数,定义如下
//合成监听器
private SynthesizerListener mSynListener = new SynthesizerListener() {
//会话结束回调接口，没有错误时，error为null
public void onCompleted(SpeechError error) {
}
//缓冲进度回调
//percent为缓冲进度0~100，beginPos为缓冲音频在文本中开始位置，endPos表示缓冲音频在文本中结束位置，info为附加信息。
public void onBufferProgress(int percent, int beginPos, int endPos, String info) {
}
//开始播放
public void onSpeakBegin() {
}
//暂停播放
public void onSpeakPaused() {
}
//播放进度回调
//percent为播放进度0~100,beginPos为播放音频在文本中开始位置，endPos表示播放音频在文本中结束位置.
public void onSpeakProgress(int percent, int beginPos, int endPos) {
}
//恢复播放回调接口
public void onSpeakResumed() {
}
//会话事件回调接口
public void onEvent(int arg0, int arg1, int arg2, Bundle arg3) {
}
};
常见问题
http://www.xfyun.cn/doccenter/faq
效果:
错误码
10000~19999的错误码参见
MSC错误码
。
其它错误码参见下表：
| 错误码 | 数值 | 含义 |
| ERROR_NO_NETWORK | 20001 | 无有效的网络连接 |
| ERROR_NETWORK_TIMEOUT | 20002 | 网络连接超时 |
| ERROR_NET_EXPECTION | 20003 | 网络连接发生异常 |
| ERROR_INVALID_RESULT | 20004 | 无有效的结果 |
| ERROR_NO_MATCH | 20005 | 无匹配结果 |
| ERROR_AUDIO_RECORD | 20006 | 录音失败 |
| ERROR_NO_SPPECH | 20007 | 未检测到语音 |
| ERROR_SPEECH_TIMEOUT | 20008 | 音频输入超时 |
| ERROR_EMPTY_UTTERANCE | 20009 | 无效的文本输入 |
| ERROR_FILE_ACCESS | 20010 | 文件读写失败 |
| ERROR_PLAY_MEDIA | 20011 | 音频播放失败 |
| ERROR_INVALID_PARAM | 20012 | 无效的参数 |
| ERROR_TEXT_OVERFLOW | 20013 | 文本溢出 |
| ERROR_INVALID_DATA | 20014 | 无效数据 |
| ERROR_LOGIN | 20015 | 用户未登陆 |
| ERROR_PERMISSION_DENIED | 20016 | 无效授权 |
| ERROR_INTERRUPT | 20017 | 被异常打断 |
| ERROR_VERSION_LOWER | 20018 | 版本过低 |
| ERROR_COMPONENT_NOT_INSTALLED | 21001 | 没有安装语音组件 |
| ERROR_ENGINE_NOT_SUPPORTED | 21002 | 引擎不支持 |
| ERROR_ENGINE_INIT_FAIL | 21003 | 初始化失败 |
| ERROR_ENGINE_CALL_FAIL | 21004 | 调用失败 |
| ERROR_ENGINE_BUSY | 21005 | 引擎繁忙 |
| ERROR_LOCAL_NO_INIT | 22001 | 本地引擎未初始化 |
| ERROR_LOCAL_RESOURCE | 22002 | 本地引擎无资源 |
| ERROR_LOCAL_ENGINE | 22003 | 本地引擎内部错误 |
| ERROR_IVW_INTERRUPT | 22004 | 本地唤醒引擎被异常打断 |
| ERROR_UNKNOWN | 20999 | 未知错误 |
合成发音人列表
- 语言为中英文的发音人可以支持中英文的混合朗读。
- 英文发音人只能朗读英文，中文无法朗读。
- 汉语发音人只能朗读中文，遇到英文会以单个字母的方式进行朗读。
- 使用新引擎参数会获得更好的合成效果。
| 名称 | 属性 | 语言 | 参数名称 | 新引擎参数 | 备注 |
| 小燕 | 青年女声 | 中英文 （普通话） |
xiaoyan | 默认 | |
| 小宇 | 青年男声 | 中英文 （普通话） |
xiaoyu | ||
| 凯瑟琳 | 青年女声 | 英文 | catherine | ||
| 亨利 | 青年男声 | 英文 | henry | ||
| 玛丽 | 青年女声 | 英文 | vimary | ||
| 小研 | 青年女声 | 中英文 （普通话） |
vixy | ||
| 小琪 | 青年女声 | 中英文 （普通话） |
vixq | xiaoqi | |
| 小峰 | 青年男声 | 中英文 （普通话） |
vixf | ||
| 小梅 | 青年女声 | 中英文 （粤语） |
vixm | xiaomei | |
| 小莉 | 青年女声 | 中英文 （台湾普通话） |
vixl | ||
| 晓琳 | 青年女声 | 中英文 （台湾普通话） |
xiaolin | ||
| 小蓉 | 青年女声 | 汉语 （四川话） |
vixr | xiaorong | |
| 小芸 | 青年女声 | 汉语 （东北话） |
vixyun | ||
| 小倩 | 青年女声 | 汉语 （东北话） |
xiaoqian | ||
| 小坤 | 青年男声 | 汉语 （河南话） |
vixk | xiaokun | |
| 小强 | 青年男声 | 汉语 （湖南话） |
vixqa | xiaoqiang | |
| 小莹 | 青年女声 | 汉语 （陕西话） |
vixying | ||
| 小新 | 童年男声 | 汉语 （普通话） |
vixx | xiaoxin | |
| 楠楠 | 童年女声 | 汉语 （普通话） |
vinn | nannan | |
| 老孙 | 老年男声 | 汉语 （普通话） |
vils | ||
| Mariane | 法语 | Mariane | |||
| Allabent | 俄语 | Allabent | |||
| Gabriela | 西班牙语 | Gabriela | |||
| Abha | 印地语 | Abha | |||
| XiaoYun | 越南语 | XiaoYun |