百度语音识别开发笔记

目录

简述

开发环境

1、按照官方文档步骤开通短语音识别-普通话

2、创建应用

3、下载SDK

4、SDK集成

5、相关接口简单说明

5.1权限和key

5.2初始化

5.3注册回调消息

5.4开始转换

5.5停止转换

6、问题

---

简述

最近想做一些语音识别的应用，对比了几个大厂提供的语音合成，其中有些提供了几个月免费试用，对于我想长期使用的显然是不合适，其中百度的语音识别可以按照调用量进行收费，对于我这种厂期小使用量非常合适，一条才3里，3条才1分。所以就做一下百度语音识别的集成，这里只讲一下最简单的使用，很多参数可以设置，需要自己去研究了。

开发环境

android studio：Android Studio Jellyfish | 2023.3.1
语音识别版本：bdasr_V3_20210628_cfe8c44

1、按照官方文档步骤开通短语音识别-普通话

语音技术 (baidu.com)

2、创建应用

这里顺便打开文档和下载SDK

创建后会得到appid，api key，secret key

3、下载SDK

语音技术 (baidu.com)

例程和相关文档在这个压缩包中。

4、SDK集成

语音技术 (baidu.com)

将core/libs/bdasr_V3_xxxxx_xxxxx.jar 复制到您的项目的同名目录中。

下面这篇文章讲了如何导入jar包到工程中，使用方法二。

android studio 导入第三方的jar包，add as library的位置-腾讯云开发者社区-腾讯云 (tencent.com)

其实就是在BaiduSpeechRecognition\app\build.gradle.kts中

将 core/src/main/jniLibs 下armeabi等包含so文件的5个目录，复制合并到BaiduSpeechRecognition\app\src\main\jniLibs目录中。

经过上面步骤后就已经集成好了SDK，当然百度的文档里使用了另一个方法集成，也可以使用。

5、相关接口简单说明

部分接口说明在压缩包的 demo_development_doc.md文件里

5.1权限和key

在您的core\src\main\AndroidManifest.xml文件里 替换您的appId appKey secretKey

添加权限

<uses-permission android:name="android.permission.RECORD_AUDIO" />
<uses-permission android:name="android.permission.ACCESS_NETWORK_STATE" />
<uses-permission android:name="android.permission.INTERNET" />
<uses-permission android:name="android.permission.MANAGE_EXTERNAL_STORAGE"
    tools:ignore="ScopedStorage" />

如果你的开始识别时使用的不自己设置参数，需要在AndroidManifest.xml中添加meta-data

5.2初始化

初始化EventManager对象

val asr: EventManager = EventManagerFactory.create(LocalContext.current, "asr")

5.3注册回调消息

val yourListener = // 自定义输出事件类
    EventListener { name, params, data, offset, length ->
        if (name == SpeechConstant.CALLBACK_EVENT_ASR_READY) {
            // 引擎就绪，可以说话，一般在收到此事件后通过UI通知用户可以说话了
            Log.e(TAG, "CALLBACK_EVENT_ASR_READY")
        }
        if (name == SpeechConstant.CALLBACK_EVENT_ASR_PARTIAL) {
            // 一句话的临时结果，最终结果及语义结果
            Log.e(TAG, "CALLBACK_EVENT_ASR_PARTIAL $params $data")
            // {"results_recognition":["开始"],"result_type":"partial_result","best_result":"开始","origin_result":{"err_no":0,"result":{"word":["开始"],"confident":[99]},"raf":112,"corpus_no":7363482792138232974,"sn":"09cd77b2-2c14-4d89-9673-68279c3a4567","product_id":1537,"product_line":"open","result_type":"TS_RESULT_TYPE_MIDDLE"},"error":0}
            // {"results_recognition":["开始说话说话说话来了来我操。"],"result_type":"final_result","best_result":"开始说话说话说话来了来我操。","origin_result":{"err_no":0,"result":{"word":["开始说话说话说话来了来我操。"],"confident":[0]},"corpus_no":7363482792138232974,"sn":"09cd77b2-2c14-4d89-9673-68279c3a4567","product_id":1537,"product_line":"open","result_type":"TS_RESULT_TYPE_ONEBSET"},"error":0}
        }
        // ... 支持的输出事件和事件支持的事件参数见“输入和输出参数”一节
    }
// 注册自己的输出事件类
asr.registerListener(yourListener)

5.4开始转换

/**
 * 基于SDK集成2.2 发送开始事件
 * 点击开始按钮
 * 测试参数填在这里
 */
private fun start(asr: EventManager) {
    val params: MutableMap<String, Any> = AuthUtil.getParam().toMutableMap()
    val event: String = SpeechConstant.ASR_START // 替换成测试的event
    // 基于SDK集成2.1 设置识别参数
    params[SpeechConstant.ACCEPT_AUDIO_VOLUME] = false
    // params.put(SpeechConstant.NLU, "enable");
    // params.put(SpeechConstant.BDS_ASR_ENABLE_LONG_SPEECH, true);//长语音  优先级高于VAD_ENDPOINT_TIMEOUT
    // params.put(SpeechConstant.VAD_ENDPOINT_TIMEOUT, 0); // 长语音

    // params.put(SpeechConstant.IN_FILE, "res:///com/baidu/android/voicedemo/16k_test.pcm");
    // params.put(SpeechConstant.VAD, SpeechConstant.VAD_DNN);
    // params.put(SpeechConstant.PID, 1537); // 中文输入法模型，有逗号

    /* 语音自训练平台特有参数 */
    // params.put(SpeechConstant.PID, 8002);
    // 语音自训练平台特殊pid，8002：模型类似开放平台 1537  具体是8001还是8002，看自训练平台页面上的显示
    // params.put(SpeechConstant.LMID,1068);
    // 语音自训练平台已上线的模型ID，https://ai.baidu.com/smartasr/model
    // 注意模型ID必须在你的appId所在的百度账号下
    /* 语音自训练平台特有参数 */

    /* 测试InputStream*/
    // InFileStream.setContext(this);
    // params.put(SpeechConstant.IN_FILE,
    // "#com.baidu.aip.asrwakeup3.core.inputstream.InFileStream.createMyPipedInputStream()");

    // 请先使用如‘在线识别’界面测试和生成识别参数。 params同ActivityRecog类中myRecognizer.start(params);
    // 复制此段可以自动检测错误
//    AutoCheck(getApplicationContext(), object : Handler() {
//        fun handleMessage(msg: Message) {
//            if (msg.what === 100) {
//                val autoCheck: AutoCheck = msg.obj as AutoCheck
//                synchronized(autoCheck) {
//                    val message: String =
//                        autoCheck.obtainErrorMessage() // autoCheck.obtainAllMessage();
//                    txtLog.append(message + "\n")
//                    // 可以用下面一行替代，在logcat中查看代码
//                }
//            }
//        }
//    }, enableOffline).checkAsr(params)
    val json: String? =
        (params as Map<*, *>?)?.let { JSONObject(it).toString() }  // 可以替换成自己的json // 这里可以替换成你需要测试的json
    asr.send(event, json, null, 0, 0)
    // 如果这里的json是“{}”，会到AndroidMainfest.xml中查找meta-data去填充id和ak，sk
//    asr.send(event, "{}", null, 0, 0)
    Log.i(TAG, "输入参数：$json")
}

5.5停止转换

/**
 * 点击停止按钮
 * 基于SDK集成4.1 发送停止事件
 */
private fun stop(asr: EventManager) {
    Log.i(TAG, "停止识别：ASR_STOP")
    asr.send(SpeechConstant.ASR_STOP, null, null, 0, 0) //
}

6、问题

报错，并且不进行识别

2024-05-06 10:23:35.801  7712-7736  ASREngine               com.example.baiduspeechrecognition   E  EVoiceRecognitionClientWorkStatusError errorDomain : 20 errorCode : 1 desc : VAD start: start error. mLastRecognitionResult: 
2024-05-06 10:23:35.802  7712-7736  ASREngine               com.example.baiduspeechrecognition   D  generateErrorResult errDomain = 20 errCode = 1

解决

百度语音识别开发问题及解决方法_e/asrengine: evoicerecognitionclientworkstatuserro-CSDN博客

解决办法在这篇文章的留言里。

******百度智能云工程师： 您好您这边在AndroidManifest文件application标签增加android:extractNativeLibs="true"

浅谈extractNativeLibs_android:extractnativelibs-CSDN博客

这篇文章讲了这个选项的用处，这个选项是打包时候是否压缩so，需要设置为压缩，这可能与百度编译库的时候的选项相关。