檢測到您已登錄華為云國際站賬號，為了您更好的體驗，建議您訪問國際站服務(wù)網(wǎng)站 http://m.cqfng.cn/intl/zh-cn
不再顯示此消息
檢測到您已登錄華為云國際站賬號，為了您更好的體驗，建議您訪問國際站服務(wù)網(wǎng)站 http://m.cqfng.cn/intl/zh-cn
不再顯示此消息
實時語音識別 支持“華北-北京四”、“華東-上海一”區(qū)域。 當(dāng)前服務(wù)僅支持北京和上海區(qū)域，后續(xù)會陸續(xù)上線其他區(qū)域。 華北-北京四，推薦的區(qū)域，支持一句話識別、錄音文件識別、實時語音識別和語音合成和熱詞等接口。 華東-上海一，推薦的區(qū)域，支持一句話識別、錄音文件識別、實時語音識別、語音合成和熱詞等接口。
實時語音識別 RASR 實時語音識別 RASR 實時語音識別（Real-time ASR），將連續(xù)的音頻流實時轉(zhuǎn)換成文本，語音識別更快?？蓱?yīng)用于直播實時字幕、會議實時記錄、即時文本生成等場景。 實時語音識別（Real-time ASR），將連續(xù)的音頻流實時轉(zhuǎn)換成文本，語音識別更快
實時語音識別工作流程 實時語音識別分為開始識別、發(fā)送音頻數(shù)據(jù)、結(jié)束識別，斷開連接四個階段。 開始階段需要發(fā)送開始指令，包含采樣率，音頻格式，是否返回中間結(jié)果等配置信息。服務(wù)端會返回一個開始響應(yīng)。 發(fā)送音頻階段客戶端會分片發(fā)送音頻數(shù)據(jù)，服務(wù)會返回識別結(jié)果或者其他事件，如音頻超時，靜音部分過長等。
方法名稱 是否必選 參數(shù)類型 描述 SetPunc 否 String 表示是否在識別結(jié)果中添加標(biāo)點，取值為yes 、 no，默認(rèn)no。 SetDigitNorm 否 String 表示是否將語音中的數(shù)字識別為阿拉伯?dāng)?shù)字，取值為yes 、 no，默認(rèn)為yes。 SetVadHead 否
選擇連接模式，目前實時語音識別提供三種接口，流式一句話、實時語音識別連續(xù)模式、實時語音識別單句模式 // 選擇1 流式一句話連接 // rasrClient.shortStreamConnect(request); // 選擇2，實時語音識別單句模式
實時語音識別 前提條件 確保已按照配置Python環(huán)境配置完畢，Python SDK僅支持Python3。 確保已存在待識別的音頻文件。如果需要請在下載的SDK壓縮包中獲取示例音頻。 請參考SDK（websocket）獲取最新版本SDK包。
實時語音識別響應(yīng) 開始識別請求響應(yīng) 事件響應(yīng) 識別結(jié)果響應(yīng) 錯誤響應(yīng) 嚴(yán)重錯誤響應(yīng) 結(jié)束識別請求響應(yīng) 父主題： 實時語音識別接口
實時語音識別 支持“華北-北京一”、“華北-北京四”、“華東-上海一”區(qū)域。 音頻采樣率8KHz或者16KHz，采樣位數(shù)8bit或者16bit。 支持中文普通話、方言的語音識別，其中方言包括：四川話、粵語和上海話。 方言和英語僅支持“華北-北京四”區(qū)域。
使用實時語音識別 前提條件 確保已按照配置CPP環(huán)境（Linux）配置完畢。 請參考SDK（websocket）獲取最新版本SDK包。
實時語音識別接口 接口說明 Websocket握手請求 實時語音識別請求 實時語音識別響應(yīng)
選擇連接模式，目前實時語音識別提供三種接口，流式一句話、實時語音識別連續(xù)模式、實時語音識別單句模式 // 選擇1 流式一句話連接 // rasrClient.shortStreamConnect(request); // 選擇2，實時語音識別單句模式
sentence_stream_connect(request) # 實時語音識別單句模式 rasr_client.continue_stream_connect(request) # 實時語音識別連續(xù)模式 # step4 發(fā)送音頻 rasr_client.send_start()
實時語音識別請求 實時語音識別工作流程 開始識別 發(fā)送音頻數(shù)據(jù) 結(jié)束識別 父主題： 實時語音識別接口
啟動實時語音識別 您可以根據(jù)自己的業(yè)務(wù)邏輯進(jìn)行優(yōu)化、修改rasr.xml前端界面和RasrCsActivity.class代碼，執(zhí)行RasrCsActivity.class代碼效果如下。 父主題： Android端調(diào)用語音交互服務(wù)
如何使用Websocket調(diào)用實時語音識別 解決方案 1. 下載Java SDK 或 Python SDK，參考《SDK參考》中獲取SDK章節(jié)。 2. 配置SDK環(huán)境，參考《SDK參考》中配置Java環(huán)境。 3. 使用SDK里的demo進(jìn)行調(diào)用。
OBS的語音文件識別成可編輯的文本，支持中文普通話的識別和合成，其中語音識別還支持帶方言口音的普通話識別以及方言（四川話、粵語和上海話）的識別。適用于如下場景：識別客服、客戶的語音，進(jìn)一步通過文本檢索，檢查有沒有違規(guī)、敏感詞、電話號碼等信息。對會議記錄的音頻文件，進(jìn)行快速的識別，轉(zhuǎn)化成文字，方便進(jìn)行會議記錄等場景。
如果檢測語音結(jié)尾的靜音時長大于等于此值時，在實時語音識別單句模式下將返回VOICE_END（識別結(jié)果非空）或EXCEEDED_SILENCE（識別結(jié)果為空）事件并結(jié)束識別；在連續(xù)模式下將會斷句并繼續(xù)下一句的識別。在流式一句話模式下此參數(shù)不生效。 取值范圍：[0, 3000]的整數(shù)，單位為ms，默認(rèn)為500ms。
String 表示客戶端結(jié)束識別請求，參數(shù)值設(shè)置為END。 cancel 否 Boolen 是否取消返回識別結(jié)果。 true：表示取消識別，也即丟棄識別中和未識別的語音數(shù)據(jù)并結(jié)束，不返回剩余的識別結(jié)果。 false：表示繼續(xù)處理識別中和未識別的語音數(shù)據(jù)直到處理完所有之前發(fā)送的數(shù)據(jù)。 默認(rèn)是false。
建議在需要實時反饋的情況下100ms，不需要實時反饋的情況下500ms。實時語音識別代碼示例請參考SDK文檔。 當(dāng)前SIS服務(wù)對于8k音頻的分片大小限制為[160, 32768]字節(jié), 16k音頻的分片大小限制為[320, 65536]字節(jié), 分片大小超出上限或低于下限會報錯。
結(jié)束識別請求響應(yīng) 服務(wù)器端收到“結(jié)束識別”請求時或語音識別過程中發(fā)生錯誤，服務(wù)端會向客戶端推送如下響應(yīng)消息，以json字符串形式放置在text message中。 響應(yīng)消息 表1 響應(yīng)參數(shù) 參數(shù)名 參數(shù)類型 說明 resp_type String 響應(yīng)類型。參數(shù)值為END，表示結(jié)束識別響應(yīng)。
識別結(jié)果響應(yīng) 服務(wù)端在收到客戶端發(fā)送的連續(xù)音頻數(shù)據(jù)后， 當(dāng)服務(wù)端識別出結(jié)果后會實時向客戶端按句推送識別結(jié)果響應(yīng)消息， 以json字符串形式放置在text message中。 響應(yīng)消息 表1 響應(yīng)參數(shù) 參數(shù)名 參數(shù)類型 說明 resp_type String 響應(yīng)類型。參數(shù)值為RESULT，表示識別結(jié)果響應(yīng)。
ND、EXCEEDED_SILCENCE事件。 在實時語音識別單句模式下： 返回VOICE_START事件，表示檢測到語音，此時IVR可以做打斷。 返回VOICE_END事件后，表示一句話結(jié)束，后續(xù)的音頻將被忽略，不會再進(jìn)行識別。 只會返回最多一組VOICE_START和VOICE_END事件。
再進(jìn)行下去的錯誤，包括如下情況： 配置串錯誤，包括存在不識別的配置串，或者配置串值的范圍不合法。 時序不正確，比如連續(xù)發(fā)送兩次“開始識別”指令。 識別過程中發(fā)生錯誤，比如音頻解碼發(fā)生錯誤。 出現(xiàn)錯誤響應(yīng)時，如果已經(jīng)在一個會話中了，會再發(fā)送一個“結(jié)束識別”的響應(yīng)，表示識別會話結(jié)束。
