騰訊ASR語音識別接入

騰訊云語音識別（Automatic Speech Recognition，ASR）是將語音轉(zhuǎn)化成文字的PaaS產(chǎn)品，為企業(yè)提供精準(zhǔn)而極具性價比的識別服務(wù)。被微信、王者榮耀、騰訊視頻等大量業(yè)務(wù)使用，適用于錄音質(zhì)檢、會議實(shí)時轉(zhuǎn)寫、語音輸入法等多個場景。

官方接入文檔地址：

https://cloud.tencent.com/document/product/1093/35722

實(shí)時語音識別 Android SDK 及 Demo 下載地址：接入 SDK 下載。

接入步驟

1. 下載好aar包添加依賴
implementation(name: 'asr-realtime-release', ext: 'aar')
2. 在 AndroidManifest.xml 添加如下權(quán)限：
<uses-permission android:name="android.permission.RECORD_AUDIO"/>
<uses-permission android:name="android.permission.INTERNET"/>
<uses-permission android:name="android.permission.ACCESS_NETWORK_STATE" />
3. 初始化ASR功能，只需要初始化一次
var aaiClient: AAIClient? = null
    fun initAsr() {
        // okhttp全局配置
        ClientConfiguration.setAudioRecognizeConnectTimeout(3000)
        ClientConfiguration.setAudioRecognizeWriteTimeout(5000)

        val appid: Int = ASRConstent.APPID
        val projectId = 0 //此參數(shù)固定為0
        val secretId = ASRConstent.SECRETID
        val secretKey = ASRConstent.SECRETKEY

        try {
            /**直接鑒權(quán) */
            // 1、簽名鑒權(quán)類，sdk中給出了一個本地的鑒權(quán)類，您也可以自行實(shí)現(xiàn)CredentialProvider接口，在您的服務(wù)器上實(shí)現(xiàn)鑒權(quán)簽名
            aaiClient = AAIClient(getApplication(),
                appid,
                projectId,
                secretId,
                LocalCredentialProvider(secretKey)
            )
        } catch (e: ClientException) {
            e.printStackTrace()
        }
    }
4. 開始識別語音
    fun startAsr() {
        try {
            // 5、啟動語音識別
            viewModelScope.launch {
                aaiClient?.startAudioRecognize(audioRecognizeRequest,
                    audioRecognizeResultlistener,
                    recognizeStateListener,
                    audioRecognizeConfiguration)
            }
        } catch (e: Exception) {
            e.printStackTrace()
        }
    }

創(chuàng)建開始語音識別的各個listener

    // 初始化語音識別請求。
    val audioRecognizeRequest: AudioRecognizeRequest =
            builder
            .pcmAudioDataSource(getRecordDataSource())
            .setEngineModelType("16k_zh") // 設(shè)置引擎參數(shù)("16k_zh" 通用引擎，支持中文普通話+英文,"16k_en"英文引擎)
            .setFilterDirty(0) // 0 ：默認(rèn)狀態(tài) 不過濾臟話 1：過濾臟話
            .setFilterModal(2) // 0 ：默認(rèn)狀態(tài) 不過濾語氣詞  1：過濾部分語氣詞 2:嚴(yán)格過濾
            .setFilterPunc(1) // 0 ：默認(rèn)狀態(tài) 不過濾句末的句號 1：濾句末的句號
            .setConvert_num_mode(1) //1：默認(rèn)狀態(tài) 根據(jù)場景智能轉(zhuǎn)換為阿拉伯?dāng)?shù)字；0：全部轉(zhuǎn)為中文數(shù)字。
            .setNeedvad(1) //0：關(guān)閉 vad，1：默認(rèn)狀態(tài) 開啟 vad。
            .setWordInfo(1) //0：關(guān)閉 vad，1：默認(rèn)狀態(tài) 開啟 vad。
//          .setNoiseThreshold(0) //是否嚴(yán)格過濾噪音 0不嚴(yán)格， 1 嚴(yán)格
            .build()

        // 初始化語音識別結(jié)果監(jiān)聽器。
    val audioRecognizeResultlistener: AudioRecognizeResultListener =
        object : AudioRecognizeResultListener {

            override fun onSliceSuccess(request: AudioRecognizeRequest?,
                                        result: AudioRecognizeResult?,
                                        seq: Int) {
                //返回分片的識別結(jié)果，此為中間態(tài)結(jié)果，會被持續(xù)修正， //在這里實(shí)時獲取識別的結(jié)果
                result?.let {
                    
                }
            }

            override fun onSegmentSuccess(request: AudioRecognizeRequest?,
                                          result: AudioRecognizeResult?,
                                          seq: Int) {
                //返回語音流的識別結(jié)果，此為穩(wěn)定態(tài)結(jié)果，可做為識別結(jié)果用與業(yè)務(wù)
             //在這里獲取一句話識別的最終結(jié)果
            }

            override fun onSuccess(request: AudioRecognizeRequest?, result: String?) {}

            override fun onFailure(request: AudioRecognizeRequest?,
                                   clientException: ClientException?,
                                   serverException: ServerException?,
                                   response: String?) {
                     // 識別失敗
            }
        }

    //自定義識別配置
    val audioRecognizeConfiguration: AudioRecognizeConfiguration =
        AudioRecognizeConfiguration.Builder() //分片默認(rèn)40ms，可設(shè)置40-5000,必須為20的整倍數(shù)，
            //分片默認(rèn)40ms，可設(shè)置40-5000,必須為20的整倍數(shù)，如果不是，sdk內(nèi)將自動調(diào)整為20的整倍數(shù)，例如77將被調(diào)整為60，如果您不了解此參數(shù)不建議更改
            //.sliceTime(40)
            // 是否使能靜音檢測，
            .setSilentDetectTimeOut(false)
            //觸發(fā)靜音超時后是否停止識別，默認(rèn)為true:停止，setSilentDetectTimeOut為true時參數(shù)有效
            .setSilentDetectTimeOutAutoStop(true)
            .audioFlowSilenceTimeOut(2000)
            .minVolumeCallbackTime(100)
            .isCompress(true).build()
5. 結(jié)束語音識別
    fun stopAsr() {
        viewModelScope.launch {
            if (aaiClient != null) {
                //停止語音識別，等待最終識別結(jié)果
                aaiClient?.stopAudioRecognize()
            }
        }
    }
6. 更多設(shè)置

6.1 設(shè)置狀態(tài)監(jiān)聽器
AudioRecognizeStateListener 可以用來監(jiān)聽語音識別的狀態(tài)：


6.2 回聲消除

/**
 * 注: 部分android機(jī)型可以通過該方式解決回音消除失效的問題
 * https://blog.csdn.net/wyw0000/article/details/125195997
 */
// 1. 設(shè)置音頻模式為AudioManager.MODE_IN_COMMUNICATION可以起到回音消除的作用
AudioManager audioManager = (AudioManager)context.getSystemService(Context.AUDIO_SERVICE);
audioManager.setMode(AudioManager.MODE_IN_COMMUNICATION);


// 2. 音頻源使用MediaRecorder.AudioSource.VOICE_COMMUNICATION可以起到回音消除的作用
int audioSource = MediaRecorder.AudioSource.VOICE_COMMUNICATION;
AudioRecord audioRecord = new AudioRecord(audioSource, sampleRate, channel, audioFormat, bufferSize);

/**
 * 注: 以下兩個能力(AcousticEchoCanceler和NoiseSuppressor)和手機(jī)硬件能力相關(guān)，有些機(jī)型(比如小米11)即使isAvailable()==true，回音消除也不生效
 */
// AcousticEchoCanceler回音消除
if (AcousticEchoCanceler.isAvailable()) {
    Log.d(TAG, "AcousticEchoCanceler isAvailable.");
    AcousticEchoCanceler acousticEchoCanceler = AcousticEchoCanceler
            .create(audioRecord.getAudioSessionId());
    int resultCode = acousticEchoCanceler.setEnabled(true);
    if (AudioEffect.SUCCESS == resultCode) {
        Log.d(TAG, "AcousticEchoCanceler AudioEffect SUCCESS");
    }
}


// NoiseSuppressor噪音抑制
if (NoiseSuppressor.isAvailable()) {
    Log.d(TAG, "NoiseSuppressor isAvailable.");
    NoiseSuppressor noiseSuppressor = NoiseSuppressor
            .create(audioRecord.getAudioSessionId());
    int resultCode = noiseSuppressor.setEnabled(true);
    if (AudioEffect.SUCCESS == resultCode) {
        Log.d(TAG, "NoiseSuppressor AudioEffect SUCCESS");
    }
}
最后編輯于 ：
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
【社區(qū)內(nèi)容提示】社區(qū)部分內(nèi)容疑似由AI輔助生成，瀏覽時請結(jié)合常識與多方信息審慎甄別。
平臺聲明：文章內(nèi)容（如有圖片或視頻亦包括在內(nèi)）由作者上傳并發(fā)布，文章內(nèi)容僅代表作者本人觀點(diǎn)，簡書系信息發(fā)布平臺，僅提供信息存儲服務(wù)。

相關(guān)閱讀更多精彩內(nèi)容

友情鏈接更多精彩內(nèi)容