基本介紹
- 中文名：百度語音識別技術
- 公司：百度
優勢能力,接入指南,常見問題,
優勢能力
完全永久免費
業界首創完全永久免費新形式，為開發者提供基於百度大腦的業界頂級聲學模型和語音模型。完全免費，永久使用，徹底擺脫有效期限制。
全平台REST API
行業率先推出語音識別全平台REST API，再也不用糾結沒有SDK、SDK包太大，採用http方式請求，可適用於任何平台的語音識別，給你最大自由度！
離線線上融合模式
SDK可以根據當前網路狀況及指令的類型，自動判斷使用本地引擎還是雲端引擎進行語音識別，極速識別、流量節省兩不誤！
深度語義解析
支持多達35個垂類領域的語義理解定製，以及自定義指令集和問答對設定。讓你的套用理解用戶的意圖！
場景識別定製
開發者可根據使用場景，自定義設定識別垂類模型。有音樂、視頻、地圖、遊戲、電商共17個垂類可供選擇。一步設定，精準到位！
自定義上傳語料、訓練模型
開發者可以自行上傳詞庫，訓練專屬識別模型。提交的語料越多、越全，語音識別的效果提升也會越明顯。
接入指南
註冊百度開發者
使用百度語音技術服務首先需要註冊成為百度開發者，如果您在登入百度賬號後進入“應該管理”出現如下提示，說明您的百度賬號還沒有註冊成為百度開發者。請按要求填寫開發者信息並完成百度開發者的註冊。
創建套用
在首頁登入已經註冊為開發者的百度賬號，然後點擊頁面上方的“套用管理”進入套用管理頁面。如果您之前在百度開發者中心創建過套用，則會出現您之前曾經創建過的套用；如果您之前沒有創建過套用，則需要新創建一個套用。
1、點擊右上角填寫套用名稱並選擇套用垂類信息，即可創建一個新的套用。
2、創建成功後，新創建的套用會出現在套用列表最上方的位置。
3、點擊“查看Key”可以查看當前套用的AppID、 API Key、Secret Key信息。
開通服務
如果您曾經在百度開發者中心管理控制台申請開通了語音技術服務，在這裡您可以直接使用；對於新創建或從未開通語音技術服務的套用，則需要開通語音技術服務之後才可以使用。
1、點擊套用卡片上的按鈕，選擇“語音識別”服務進行開通。
2、“語音識別”服務開通成功後即可獲得50000次/天的線上調用次數配額。
申請提高配額
如果開通服務時初始分配的線上服務調用配額無法滿足您的需求，可以申請提高配額。
1、點擊對應服務的“管理”在下拉列表中選擇“申請提高配額”。填寫詳細的預計日調用次數、套用介紹等信息後提交。管理員會在1個工作日內完成審核。
2、如果審核通過，則當前套用該服務的日調用次數將不再受配額限制。如果審核被拒絕，您可以再次提交申請。
申請離線授權
選擇套用的語音識別的管理選單，點擊“申請離線License”。
選擇套用類型為Android或者iOS，填寫並提交離線授權所需信息：Android套用為套用包名和簽名MD5值，iOS套用為Bundle ID。提交成功後即獲取離線識別正式授權。
註：請確保填寫提交的信息準確，否則會無法通過離線授權驗證導致離線識別不可用。
如果暫時沒有套用包名或者簽名信息，可以先下載臨時License檔案，並集成到本地項目中進行測試使用。臨時License有效期為30天，失效後請申請正式license，並從您的項目中刪除臨時的license。
開發集成
前往語音識別服務相關下載頁面，下載開發所需的 SDK 及開發文檔到本地進行集成開發。
常見問題
Q：語音識別REST API支持的音頻格式、採樣率有哪些？
A：支持的壓縮格式有：pcm（不壓縮）、wav、opus、speex、amr、x-flac。原始 PCM 的錄音參數必須符合 8k/16k 採樣率、16bit 位深、單聲道。
Q：語音識別 REST API 最長支持多長的錄音？
A： 最長支持60s的錄音檔案。對檔案大小沒有限制，只對時長有限制。
Q：語音識別SDK支持的音頻格式、採樣率有哪些？
A：
Android SDK：支持Android 2.2及以上系統，支持ARM\X86架構。安裝包最小增加200k，支持8k/16k採樣率，支持pcm格式。
iOS SDK：支持iOS 5.0及以上系統，支持ARM-v7\ARM-v7s\ARM64\i386\x86_64架構。安裝包最小增加400k，支持8k/16k採樣率，支持pcm格式。
Q：什麼是語音識別REST API？有什麼注意事項？
A：語音識別全平台REST API，採用http方式請求，可適用於任何平台的語音識別。使用REST API，錄音、壓縮及上傳模組需要自行開發。且REST API語音識別暫時不支持語義解析。
Q：百度語音是否單獨提供錄音功能，以及語音通訊功能？
A：不單獨提供獨立錄音的功能，識別SDK包含語音輸入和識別功能。語音通訊功能需開發者自行搭建。
Q：語音識別REST API和SDK的區別是什麼？
A： REST API：開發者上傳錄音——百度語音進行識別——識別結果返回開發者
SDK：百度語音提供從錄音到識別結果返回的整體解決方案
Q：語音識別通過哪個接口獲取音頻信息？
A：
Android SDK：當VoiceClientStatusChangeListener.onClientStatusChange(int status, Object obj) 的status是VoiceRecognitionClient.CLIENT_STATUS_AUDIO_DATA時，obj為byte[]音頻數據；
iOS SDK：MVoiceRecognitionClientDelegate的(void)VoiceRecognitionClientWorkStatus:(int) aStatus obj:(id)aObj;的aStatus是EVoiceRecognitionClientWorkStatusNewRecordData時，aObj為NSData音頻數據。
數據格式均為pcm，採樣率可通過VoiceRecognitionConfig.getSampleRate()/[[BDVoiceRecognitionClient sharedInstance] getCurrentSampleRate]獲取，獲取的音頻格式是位深16bit，單聲道。
Q：如何才能提高語音識別的準確率？
A： 自定義語音識別設定：打開百度開放雲平台，在創建的套用下進行自定義語音識別設定。上傳識別關鍵字文本，保存並生效。
設定對應的語音識別垂類：在代碼中填寫識別的垂類領域，識別結果將優先指向已設定的垂類，可以使得識別結果更準確
Q：百度語音SDK與其他百度SDK，或其他第三方SDK衝突時，如何解決？
A： 與其他百度SDK衝突一般是由於使用了相同的基礎庫galaxy.jar，請檢查是否重複導入了該jar包；與其他第三方SDK衝突一般是由於so庫的架構不統一，請保證工程libs目錄下armeabi/armeabi-v7a/x86/mips目錄的so庫均一致，如果不能保證一致，則一般只能所有SDK僅使用armeabi架構的so庫
Q：首次開啟語音識別功能的延遲時間較長，需要如何調控？
A： 首次延遲時間較長一般是由於許可權驗證造成，可以通過預先調用接口：
(int)verifyApiKey:(NSString)apiKey withSecretKey:(NSString)secretKey;
來進行驗證。首次開啟語音時就不需要再傳送驗證請求，從而降低語音識別啟動的延遲。
Q：如何在語音識別時獲取音頻檔案？
A：
Api：cp伺服器自己備存用戶錄音信息
Sdk：可以通過CLIENT_STATUS_AUDIO_DATA回調，將回調對象強轉成byte[]順序寫入到檔案中即可得到原始的音頻檔案。
Q：語音識別垂類是什麼意思？
A： 語音識別垂類就是特指某個領域的意思，開發者可以根據用戶使用場景設定特定領域使得識別結果更準確。比如垂直領域設定為”音樂“，則在語音識別時會優先識別為音樂相關的歌曲名歌手名或者歌詞。
Q：為什麼語音識別Demo的API_Key和Secret_Key是空的還能進行識別呢？我開發的套用的API_Key和Secret_Key是不是必須得填寫呢？
A： SDK自帶demo用的特殊的方式驗證的，故可以不使用AK和SK。開發者自行開發的套用AK和SK是必須填寫的，否則無法調用語音識別。
