如何在APP中集成语音听写能力？

以科大讯飞为例。在科大讯飞开放平台众多的语音功能中，语音听写是非常基础的一项能力。它的作用就是把用户说的话识别成对应的文字，比较典型的应用场景就是语音输入法。和命令词识别的区别就是，听写引擎只负责将语音转换成文字，但是他并不去分析该文字是什么意思。就比如语音输入法在你说“我要听音乐”时会乖乖的把这五个字转化出来，但是它并不会悄然的放一首你喜欢的歌。

听写分为在线听写和离线听写，目前Android、Windows等各个平台均有在线听写SDK提供，离线听写目前只有Android平台安装语记APP后才支持。

下面一起以Android平台为例，看一下如何下载集成使用听写SDK。

注册平台账户、创建Android应用这里就不再赘述了。进入SDK下载界面，选择“语音听写”下载SDK。

下载的SDK包解压后目录如下图所示。

assets目录下存放着一些资源文件（听写功能只有一些UI资源，离线SDK的资源会多一些）；doc目录存放着一些文档；libs目录存放着对 应各个cpu架构的so库；sample中存放的是对应的demo，直接导入到eclipse中即可运行，其中FaceDemo是人脸识别的 demo，IsvDemo是声纹识别的demo，SpeechDemo是在线基础语音功能（包括在线听写、在线合成、在线命令词识别等）的demo。

将SpeechDemo导入eclipse中后，如下图，libs中只放了一个armeabi的so库，如果希望支持更多机型（或者部分测试机出现21001问题）可以将之前SDK包libs中的so库都拷贝到该目录下。

运行demo进入主界面，点击“立即体验语音听写”，进入 听写示例界面。其中三个复选框用于选择听写的模式：在线，本地（就是使用语记APP），混合（根据网络状况自动选择）。“开始”启动录音进行听写；“停 止”停止录音（已经录音的部分照样会被识别）；“取消”取消本地识别（不会再有听写结果返回）；“音频流识别”识别现成的音频文件；“上传联系人”“上传 词表”，增加联系人和词表中词条的识别率。右上角齿轮用于设置听写相关的参数，如：语言（方言）、前端点、后端点、标点符合使能、是否显示听写UI。

运行完demo，下面大家就要把听写功能集成到自己的项目中了。大家需要拷贝的有demo工程中assets目录下的资源（如果只使用无UI的识别控件，可以不要UI资源）、libs下的so库、还有jar包，然后按照demo的调用流程进行听写即可。

下面是我在支持中发现提问比较多的几个相关点：

听写的结果是分多次以json格式返回的，将多次返回的结果拼接起来才是完整的识别结果，在onResult返回结果的回调中，可以通过isLast来判断是否是最后一次返回结果。

      例如：音频内容“我想知道你到底是谁？”
            第一次返回：“我想知道”
            第二次返回：“你到底是谁”
            第三次返回：“？”（此次isLast为true）

Android和iOS平台均有语记APP，但是只有Android版本的语记才有本地听写的功能，iOS版本只有离线合成功能，没有离线听写和命令词识别能力。

音频流识别中，录音文件必须是pcm或者wav格式、采样率16K或者8K（需要设置参数）、采样精度16位、单声道。

如果音频格式不支持，或者设置的参数与实际录音文件不对应，则会报错或者得不到正确的识别结果。

只有在线听写中才支持上传联系人和上传热词（上传后需要有十分钟左右的时间才能生效），本地听写是不支持的。另外上传这些个性化信息只是增加相应词条的识别率，单并不是绝对的。

   例如：上传了联系人“吴及”，那么你说“wu2 ji2”是可以正确听写出“吴及”的；
            但是如果你说“dian4 ying3 wu2 ji2”，则听写结果是“电影无极”。

听写（包括其他的大部分语音输入型业务）的持续识别时间是有限的，并不能做到无限时间的连续识别。

  详细说明参考：

【官方】识别时间的控制
出处: 语音云社区 http://bbs.xfyun.cn/forum.php?mo%20…%2012678&fromuid=33982

听写控件有两个，分别是SpeechRecognizer（无UI）和RecognizerDialog（带UI）。

大家如果对RecognizerDialog自带的UI不满意，可以使用SpeechRecognizer控件自定义想要的UI，详细说明参考：
Demo中听写UI不好看，如何自定义自己的UI呢？
http://bbs.xfyun.cn/forum.php?mod=viewthread&tid=11228&fromuid=33982
(出处: 语音云社区)
听写自定义UI Demo出炉啦！
http://bbs.xfyun.cn/forum.php?mod=viewthread&tid=11524&fromuid=33982
(出处: 语音云社区)