MRCP
MRCP：媒體資源控制協(xié)議，是一種計(jì)算機(jī)網(wǎng)絡(luò)應(yīng)用層通訊協(xié)議，用于語(yǔ)音服務(wù)器向客戶端提供各種語(yǔ)音服務(wù)（如：語(yǔ)音識(shí)別，語(yǔ)音合成，錄音服務(wù)等）。
MRCP請(qǐng)求方式：類似于HTTP，MRCP使用請(qǐng)求-響應(yīng)模式，響應(yīng)可以是簡(jiǎn)單的確認(rèn)請(qǐng)求，或者回復(fù)關(guān)于處理的信息。例如語(yǔ)音識(shí)別：MRCP客戶端向服務(wù)端請(qǐng)求發(fā)送一些音頻數(shù)據(jù)，服務(wù)端可以響應(yīng)識(shí)別結(jié)果。
MRCP并未定義音頻數(shù)據(jù)的傳輸，數(shù)據(jù)傳輸必須依賴其他的協(xié)議，比如RTP、FTP來(lái)進(jìn)行。因此MRCP傳輸可以是流式或者非流式傳輸。
一句話識(shí)別
一句話識(shí)別：實(shí)時(shí)短語(yǔ)音識(shí)別，可用于語(yǔ)音輸入法、智能客服等領(lǐng)域?？芍С至魇?和 非流式返回方式。
流式：用戶一邊說(shuō)話，一邊返回識(shí)別結(jié)果
非流式：用戶整句話說(shuō)完后返回識(shí)別結(jié)果
訊飛的語(yǔ)音識(shí)別
訊飛的語(yǔ)音識(shí)別的場(chǎng)景一般分為2種，如下：
- 聽寫：一分鐘以內(nèi)，短語(yǔ)音轉(zhuǎn)文字，實(shí)時(shí)返回結(jié)果，對(duì)效率要求高。如：語(yǔ)音對(duì)話，語(yǔ)音輸入法
- 轉(zhuǎn)寫：五小時(shí)以內(nèi)，長(zhǎng)語(yǔ)音轉(zhuǎn)文字，可以非實(shí)時(shí)，對(duì)效率要求不高，準(zhǔn)確率要求比聽寫高。如：客服對(duì)話錄音轉(zhuǎn)文字
支持格式：
- 聽寫：采樣率為8kHz或16kHz，位長(zhǎng)16bit，單聲道的wav、pcm
- 轉(zhuǎn)寫：?jiǎn)温暤馈⒍嗦暤赖膚av、flac、opus、m4a、mp3
針對(duì)上述兩種場(chǎng)景，背后的識(shí)別引擎的處理算法也有差異，具體分為兩種引起：
- 聽寫：流式引擎——websocket接口，實(shí)時(shí)解碼，來(lái)一部分解碼一部分，一邊接收一邊響應(yīng)
- 轉(zhuǎn)寫：非流式引擎——HTTP接口，接收到整個(gè)音頻再進(jìn)行解碼，最后再響應(yīng)
AI平臺(tái)現(xiàn)有的語(yǔ)音識(shí)別方式
AI平臺(tái)語(yǔ)音識(shí)別引擎現(xiàn)采用訊飛的“轉(zhuǎn)寫”非流式引擎，但是在調(diào)用引擎之前，先把語(yǔ)音文件進(jìn)行切割處理，分成多個(gè)小文件，再將一個(gè)個(gè)的小文件通過(guò)引擎識(shí)別，最后將識(shí)別結(jié)果合并起來(lái)，使得看上去類似于流式引擎。
