帮助与文档 > 产品文档 > 自然语言翻译服务 > IOS_SDK文档 > 实时语音翻译
实时语音翻译

有道智云实时语音翻译SDK 简介

概述

(1) 概念解释

实时语音翻译:可实现对连续音频流的实时识别,实时识别和翻译a语音输入的内容,转换成文本信息并返回对应文字流。

(2) 说明

Hi,您好,欢迎使用有道智云实时语音翻译iOS SDK。如果您想快速体验服务,建议您前往 实时语音翻译体验中心 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实时语音翻译服务iOS SDK的开发工程师,详细描述有道智云实时语音翻译能力及集成过程。

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iOS应用,并绑定实时语音翻译实例;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 实时语音翻译服务报价

功能介绍

有道智云实时语音翻译 SDK 是有道智云开放平台提供的云服务之一,是有道在线实时语音翻译接口的一种实现,支持在线实时语音翻译。

兼容性

支持设备:运行了iOS 8.0及以上系统的 iOS 设备

实时语音翻译 IOS 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),以便使用实时语音翻译服务。

集成步骤

SDK包导入

实时语音翻译 SDK 由如下几个 SDK 组成,YDStreamSpeechTrans.h、base.h 、libbase.a、libStreamSpeechTrans.a

(1). 添加头文件和库文件:将实时语音翻译 SDK 添加到工程中,包括 YDStreamSpeechTrans.h 和 base.h 头文件、libbase.a和libStreamSpeechTrans.a文件。

(2). 设置工程Other Linker Flags为-ObjC。

(3). 在工程build Phases – Link Binary With Libraries中添加libbase.a, AdSupport.framework, CoreTelephony.framework, SystemConfiguration, libz.tbd和libsqlite3.tbd。

SDK初始化

说明:所有的查询都需要初始化appkey,只执行初始化一次即可。
注:appKey即应用ID。

//初始化appkey
YDTranslateInstance *yd = [YDTranslateInstance sharedInstance];
yd.appKey = @"your appkey";

功能集成

说明:支持实时实时语音翻译,目前支持多达80余种语言的相互翻译,请参考 demo 中 StreamSpeechTransVController 的使用,其语言的代码可参考本文档支持语言列表中的内容,其已经在base.h中的YDOnlineLanguageTool类中被封装好,可以选择自定义或直接使用;

1. 参数说明
格式支持:只支持wav格式。

采样率:16k。

编码:16bit位深的单声道

2. 构造识别器

YDSpeechTranslate *translate = [YDSpeechTranslate sharedTranslate];
translate.delegate = self;
YDSpeechTranslateParam *param = [YDSpeechTranslateParam param];
param.from = @"zh-CHS";//源语言类型,目前支持多达80余种
param.to = @"en";//目标语言类型,目前支持多达80余种。  注:中英混合和粤语不能作为to
param.rate = @"16000";//采样率
param.format = @"wav";//语音文件格式
param.vadBOS = 2000;//前端点静音检测时长,ms
param.vadEOS = 2000;//后端点静音检测时长,ms
translate.delegate = param;

3. 执行识别过程

执行[self.translate startListening];开始实时语音翻译,结果将在代理方法中回调给开发者;

#pragma mark - YDSpeechTranslateDelegate
- (void)onBeginOfSpeech {
  [self startSpeakingAnimation];
  NSLog(@"------speech start-----");
}

- (void)onEndOfSpeech {
  [self endSpekingAnimation];
  NSLog(@"------speech end-----");
}

- (void)onResults:(NSDictionary *)result {
    NSString *context = result[@"context"];
    NSString *tranContent = result[@"tranContent"];
    BOOL isPartial = [result[@"partial"] boolValue];

    NSString *showContext = [NSString stringWithFormat:@"%@%@", self.displayingText, context];
    NSString *showTranContent = [NSString stringWithFormat:@"\n\n%@%@", self.displayingTranText, tranContent];

    NSMutableAttributedString *contextAtt = [self getShowText:showContext textColor:[UIColor grayColor] font:[UIFont systemFontOfSize:13]];
    NSMutableAttributedString *tranContentAtt = [self getShowText:showTranContent textColor:[UIColor blackColor] font:[UIFont boldSystemFontOfSize:15]];

    [contextAtt appendAttributedString:tranContentAtt];

    self.recognizedTV.attributedText = contextAtt;

    if (!isPartial) {
        [self.displayingText appendString:context];
        [self.displayingTranText appendString:tranContent];
    }
}

- (void)onCompleted:(NSError *)speechError {
  [self endSpekingAnimation];
  NSLog(@"------speech completed-----");
}

- (void)onConstantlyQuietIsBOS:(BOOL)isBOS {
  NSLog(@"检测到%@静音", isBOS ? @"前端点" : @"后端点");
}

4. 识别结果说明

参数含义说明
bg分句开始时间单位毫秒/ms
ed分句结束时间单位毫秒/ms
context识别结果
tranContent翻译结果
partial是否是中间结果true:中间结果;false:完整句子
segId分句 id从 0 开始递增

支持语言

代码语言
zh-CHS简体中文
en通用英文
enzh中英混合
ar-IL阿拉伯语(以色列)
ar-JO阿拉伯语(约旦)
ar-AE阿拉伯语(阿拉伯联合酋长国)
ar-BH阿拉伯语(巴林)
ar-DZ阿拉伯语(阿尔及利亚)
ar-SA阿拉伯语(沙特阿拉伯)
ar-IQ阿拉伯语(伊拉克)
ar-KW阿拉伯语(科威特)
ar-MA阿拉伯语(摩洛哥)
ar-TN阿拉伯语(突尼斯)
ar-OM阿拉伯语(阿曼)
ar-PS阿拉伯语(巴勒斯坦国)
ar-QA阿拉伯语(卡塔尔)
ar-LB阿拉伯语(黎巴嫩)
ar-EG阿拉伯语(埃及)
pl波兰语(波兰)
da丹麦语(丹麦)
de德语(德国)
ru俄语
fr法语(法国)
fr-CA法语(加拿大)
fi芬兰语(芬兰)
ko韩语(韩国)
nl荷兰语(荷兰)
cs捷克语(捷克共和国)
hr克罗地亚语(克罗地亚)
lv拉脱维亚语(拉脱维亚)
ro罗马尼亚语(罗马尼亚)
ms马来语(马来西亚)
pt-BRA葡萄牙语(巴西)
pt葡萄牙语(葡萄牙)
ja日语(日本)
sv瑞典语(瑞典)
te泰卢固语(印度)
ta泰米尔语(印度)
ta-SG泰米尔语(新加坡)
ta-LK泰米尔语(斯里兰卡)
ta-MY泰米尔语(马来西亚)
th泰语(泰国)
tr土耳其语(土耳其)
es西班牙语(西班牙)
es-AR西班牙语(阿根廷)
es-BO西班牙语(玻利维亚)
es-CL西班牙语(智利)
es-COL西班牙语(哥伦比亚)
es-CR西班牙语(哥斯达黎加)
es-EC西班牙语(厄瓜多尔)
es-SV西班牙语(萨尔瓦多)
es-US西班牙语(美国)
es-GT西班牙语(危地马拉)
es-HN西班牙语(洪都拉斯)
es-MEX西班牙语(墨西哥)
es-NI西班牙语(尼加拉瓜)
es-PA西班牙语(巴拿马)
es-PY西班牙语(巴拉圭)
es-PE西班牙语(秘鲁)
es-PR西班牙语(波多黎各)
es-DO西班牙语(多米尼加共和国)
es-UY西班牙语(乌拉圭)
es-VE西班牙语(委内瑞拉)
it意大利语(意大利)
hi印地语(印度)
en-AUS英语(澳大利亚)
en-CA英语(加拿大)
en-GH英语(加纳)
en-GBR英语(英国)
en-IND英语(印度)
en-IE英语(爱尔兰)
en-KE英语(肯尼亚)
en-NZ英语(新西兰)
en-NG英语(尼日利亚)
en-PH英语(菲律宾)
en-SG英语(新加坡)
en-ZAF英语(南非)
en-TZ英语(坦桑尼亚)
en-US英语(美国)
vi越南语(越南)
zh-TWN台湾普通话(中国台湾)
lo老挝语(老挝)
bn孟加拉语(孟加拉)
bn-IN孟加拉语(印度)
tl菲律宾语

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
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
11001不支持的语音识别格式
11002不支持的语音识别采样率
11003不支持的语音识别声道
11004不支持的语音上传类型
11005不支持的语言类型
11006识别音频文件过大
11007识别音频时长过长,最大支持30s
11201解密失败
11301语音识别失败
11303服务的异常
11411访问频率受限,请稍后访问
11412超过最大请求时长
12001图片尺寸过大
12002图片base64解密失败
12003引擎服务器返回错误
12004图片为空
12005不支持的识别图片类型
12006图片无匹配结果
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
15001需要图片
15002图片过大(1M)
15003服务调用失败
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 `SDK静态库包` 是否放到当前工程目录下。
    
  2. 翻译没结果?

    检查下翻译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. 添加翻译 SDK 之后审核没有通过?

    翻译 SDK 使用了 AdSupport 框架获取设备 IDFA 信息用以统计计费,提交审核时对应用是否有广告选项请选择“是”。
    

版本更新记录

上线日期版本号更新内容
2019.06.20v1.0.0增加流式语音翻译
2019.09.19v1.1.0扩充小语种