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”

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	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();