帮助与文档 > 产品文档 > 智能语音服务 > Android_SDK文档 > 短语音识别
短语音识别

语音识别 Android SDK 简介

概述

(1) 概念解释

短语音识别:将一段不超过15秒的语音转换成文本,将音频文件中的文字信息识别出来,代替传统输入场景。

(2) 说明

Hi,您好,欢迎使用有道智云短语音识别Android SDK。

如果您想快速体验服务,建议您前往 语音识别体验中心 或者在体验中心右下侧找到小程序二维码,扫描进行体验。

本文档主要针对需要集成短语音识别服务Android SDK的开发工程师,详细描述有道智云短语音识别能力及集成过程。

如果您有与我们商务合作的需求,可以通过以下方式联系我们:

商务邮箱: AIcloud_Business@corp.youdao.com

如果您对文档内容有任何疑问,可以通过以下几种方式联系我们:

客服QQ:1906538062

智云语音技术交流QQ群:861723255

联系邮箱: zhiyun@corp.youdao.com

温馨提示:

本文档主要针对开发人员,接入测试前需要在后台创建 Android 应用,并绑定实例;如果您还没有,请按照 新手指南 操作。
平台向每个账户赠送50元的体验金,供用户集成前测试所用,具体资费规则详见 短语音识别服务报价

功能介绍

有道短语音识别sdk是对有道的短语音识别服务的封装。提供识别类SpeechTranslate,您只需要通过调用sdk接口,传入待识别的音频文件和格式,即可进行语音的识别。

兼容性

支持设备:运行了 Android 4.0.3以及以上系统的 Android 设备

短语音识别SDK集成指南

集成前提

开始集成SDK之前开发者需要登录 有道智云平台 ,创建应用获取应用ID(或者通过运营人员获取应用ID),以便使用短语音识别服务。

语音识别sdk由如下sdk组成:

文件说明
YoudaoBase_v2.0.0.jar有道智云相关sdk基础库(必选)
YoudaoVoiceRecognize_v2.0.0.jar在线语音识别sdk(必选)
yd-voicerecognize-demosdk语音识别使用demo

集成步骤

(1) SDK包导入

请在工程文件根目录下创建一个名为 libs 的子目录(有的话则不需要创建),并将YoudaoBase_v2.0.0.jar so包和YoudaoVoiceRecognize_v2.0.0.jar拷贝到 libs 目录下,并将以下代码添加到app的build.gradle中:

android {
    sourceSets.main.jniLibs.srcDirs = ['libs']
    ...
}
dependencies {
    compile files('libs/YoudaoBase_v2.0.0.jar')
    compile files('libs/YoudaoVoiceRecognize_v2.0.0.jar')
}

(2) AndroidManifest配置

添加权限

<uses-permission android:name="android.permission.INTERNET" />
<!-- 获取WiFi状态 -->
<uses-permission android:name="android.permission.ACCESS_WIFI_STATE" />
<!-- 获取网络信息状态,如当前的网络连接是否有效 -->
<uses-permission android:name="android.permission.ACCESS_NETWORK_STATE" />
<!-- 读取手机状态 phone group -->
<uses-permission android:name="android.permission.READ_PHONE_STATE" />
<!-- 往SDCard读写数据权限   storage group -->
<uses-permission android:name="android.permission.WRITE_EXTERNAL_STORAGE" />
<uses-permission android:name="android.permission.READ_EXTERNAL_STORAGE" />

(3) 代码混淆配置

代码混淆文件proguard-project.txt,添加如下内容:

-ignorewarnings
-libraryjars libs/YoudaoBase_v2.0.0.jar
-libraryjars libs/YoudaoVoiceRecognize_v2.0.0.jar

-keep class com.youdao.sdk.ydtranslate.** { *;}
-keep class com.youdao.voicerecognize.online.** { *;}

(4) SDK初始化

使用短语音识别SDK,请在程序的Application中调用SDK初始化代码,可以参考demo中DemoApplication。

YouDaoApplication.init(this, appkey);

功能集成

说明:请参考 demo 中 RecognizeDemoActivity 的使用

(1) 参数说明

格式支持:wav(不压缩,pcm编码,采样率:推荐16k ,编码:16bit位深的单声道),aac,mp3

source:设置为app对应的名称(英文字符串)

注意:输入语音数据需要转换为Base64编码。

(2) 构造短语音识别输入对象

     //输入音频为WAV格式
      ASRParameters tps = new ASRParameters.Builder()
                .source("youdaoocr")
                .timeout(100000)
                .lanType(Language.ENGLISH.getCode())//langType支持中文和英文
                .rate(Constants.RATE_8000)
                .build();

(3) 设置回调和开始识别

通过SpeechTranslate,设置上一步构造的查词对象,调用lookup方法传入语音base64编码的数据和回调接口开始查询,方法中最后一个参数"requestId",SDK并未使用,在回调中会再返回给开发者,用于区分每次调用,开发者可传null或者任意字符串。

识别回调接口包含两个方法:onResult表示识别成功,相关结果存储在result参数中,onError表示失败,失败信息可根据错误码通过 错误代码列表 查看。

注意:整个识别是异步的,回调在子线程进行,若涉及到界面操作,请切回主线程。

SpeechTranslate.getInstance(tps).recognize(bases64,"requestId"
                new ASRListener() {
                     @Override
                    public void onResult(final ASRResult result, String input, String requestid) {
                        handler.post(new Runnable() {
                            @Override
                            public void run() {
                                if(result.getResult() != null && result.getResult().size() > 0){
                                    resultText.setText("识别完成:" +result.getResult().get(0));
                                }else{
                                    resultText.setText("未知错误");
                                }
                            }
                        });
                    }

                    @Override
                    public void onError(final ASRErrorCode error, String requestid) {
                        handler.post(new Runnable() {
                            @Override
                            public void run() {
                                resultText.setText("识别失败" + error.toString());
                            }
                        });
                    }
                }, "requestid");

语音识别结果说明

对于在线语音识别,服务器查询结果返回数据如下:

{
    "result": [
        "今天天气不错" //识别结果
    ],  
    "errorCode": "0",   //错误码。一定存在
}
字段含义
result识别结果发音地址,识别成功一定存在
errorCode识别结果错误码,一定存在。详见 错误代码列表

支持语言

英文名中文名代码
Arabic阿拉伯语ar
Bahasa (Indonesia)巴哈萨语(印度尼西亚)in
Cantonese粤语yue
Catalan加泰隆语ca
Czech捷克语cs
Danish丹麦语da
Dutch荷兰语nl
Dutch (Belgium)荷兰语(比利时)nl-BEL
English (Australia)英语(澳大利亚)en-AUS
English (GB)英语(英国)en-GBR
English (India)英语(印度)en-IND
English (Ireland)英语(爱尔兰)en-IRL
English (Scotland)英语(苏格兰)en-SCT
English (South Africa)英语(南非)en-ZAF
English (US)英语(美国)en
Finnish芬兰语fi
French法语fr
French (Canada)法语(加拿大)fr-CAN
German德语de
Greek希腊语el
Hebrew希伯来语he
Hindi印地语hi
Hungarian匈牙利语hu
Italian意大利语it
Japanese日语ja
Korean韩语ko
Mandarin (China)普通话(中国)zh-CHS
Mandarin (Taiwan)普通话(中国台湾)zh-TWN
Norwegian挪威语no
Polish波兰语pl
Portuguese (Brazil)葡萄牙语(巴西)pt-BRA
Portuguese (Portugal)葡萄牙语(葡萄牙)pt
Romanian罗马尼亚语ro
Russian俄语ru
Slovak斯洛伐克语sk
Spanish (Castilian)西班牙语(卡斯蒂利亚)es-ESP
Spanish (Columbia)西班牙语(哥伦比亚)es-COL
Spanish (Mexico)西班牙语(墨西哥)es-MEX
Swedish瑞典语sv
Thai泰语th
Turkish土耳其语tr
Valencian巴伦西亚语spa-ESP

错误代码列表

错误码含义
101缺少必填的参数
102不支持的语言类型
103翻译文本过长
104不支持的API类型
105不支持的签名类型
106不支持的响应类型
107不支持的传输加密类型
108应用ID无效,注册账号,登录后台创建应用和实例并完成绑定,可获得应用ID和应用密钥等信息
109batchLog格式不正确
110无相关服务的有效实例
111开发者账号无效
113q不能为空
114不支持的图片传输方式
201解密失败,可能为DES,BASE64,URLDecode的错误
202签名检验失败
203访问IP地址不在可访问IP列表
205请求的接口与应用的平台类型不一致,如有疑问请参考入门指南
206因为时间戳无效导致签名校验失败
207重放请求
301辞典查询失败
302翻译查询失败
303服务端的其它异常
304会话闲置太久超时
401账户已经欠费停
402offlinesdk不可用
411访问频率受限,请稍后访问
412长请求过于频繁,请稍后访问
1001无效的OCR类型
1002不支持的OCR image类型
1003不支持的OCR Language类型
1004识别图片过大
1201图片base64解密失败
1301OCR段落识别失败
1411访问频率受限
1412超过最大识别字节数
2003不支持的语音声道
2004不支持的语音上传类型
2005不支持的语言类型
2006不支持的识别类型
2201识别音频文件过大
2301识别音频时长过长
2411不支持的音频文件类型
2412不支持的发音类型
3001不支持的语音格式
3002不支持的语音采样率
3003不支持的语音声道
3004不支持的语音上传类型
3005不支持的语言类型
3006不支持的识别类型
3007识别音频文件过大
3008识别音频时长过长
3009不支持的音频文件类型
3010不支持的发音类型
3201解密失败
3301语音识别失败
3302语音翻译失败
3303服务的异常
3411访问频率受限,请稍后访问
3412超过最大请求字符数
4001不支持的语音识别格式
4002不支持的语音识别采样率
4003不支持的语音识别声道
4004不支持的语音上传类型
4005不支持的语言类型
4006识别音频文件过大
4007识别音频时长过长
4201解密失败
4301语音识别失败
4303服务的异常
4411访问频率受限,请稍后访问
4412超过最大请求时长
4414音频格式转换失败
5001无效的OCR类型
5002不支持的OCR image类型
5003不支持的语言类型
5004识别图片过大
5005不支持的图片类型
5006文件为空
5201解密错误,图片base64解密失败
5301OCR段落识别失败
5411访问频率受限
5412超过最大识别流量
9001不支持的语音格式
9002不支持的语音采样率
9003不支持的语音声道
9004不支持的语音上传类型
9005不支持的语音识别 Language类型
9301ASR识别失败
9303服务器内部错误
9411访问频率受限(超过最大调用次数)
9412超过最大处理语音长度
10001无效的OCR类型
10002不支持的OCR image类型
10004识别图片过大
10201图片base64解密失败
10301OCR段落识别失败
10411访问频率受限
10412超过最大识别流量
13001不支持的角度类型
13002不支持的文件类型
13003表格识别图片过大
13004文件为空
13301表格识别失败
17001需要图片
17002图片过大(1M)
17003识别类型未找到
17004不支持的识别类型
17005服务调用失败
-1000未知错误
-2000查询输入为空

常见问题及注意事项

1.运行程序崩溃?

    检查下是否对应的 `so` 是否放到当前工程目录下。

2.语音识别没结果?

    检查下语音识别接口回调的错误信息,保证申请的应用ID是有效且提前绑定了。

3.如何获得应用ID

    注册账号, 登录后台创建应用和实例并完成绑定, 可获得应用ID和应用密钥等信息。

4.出现错误HTTP_REQUEST_ERROR("Http requesterror.",1)

    在确保有网情况下,若调用过程中出现这个错误,`HTTP_REQUEST_ERROR("Http requesterror.",1)` ,请检查是否是在主线程中调用的翻译识别方法,请确保在主线程调用。

版本更新记录

上线日期版本号更新内容
2018.03.28v1.0.0支持在线语音语音识别
2019.11.05v2.0.0兼容多个sdk冲突问题