讯飞和腾讯云：安卓语音识别服务比较方案 - II.腾讯云语音识别
最编程
2024-10-13 07:01:27
...
2.1 腾讯云语音识别介绍
2.1.1 功能特点
腾讯云语音识别（ASR）基于深度学习技术，具备较高的语音识别准确性。
提供实时语音识别和离线语音识别两种类型，满足不同场景需求。
支持多种语种和方言识别，如中文、英文、粤语等。
2.1.2 优势
腾讯云作为国内领先的云服务提供商，拥有强大的技术实力和丰富的应用场景。
提供了丰富的语音识别和语音合成产品，可以满足开发者多样化的需求。
提供了可视化控制台和详尽的API文档，方便开发者进行配置和管理。
2.2 接入流程
2.2.1 注册腾讯云账号
注册腾讯云账号(需要个人实名认证/企业认证)，并在控制台中创建语音识别应用。
2.2.2 获取相关的凭证信息
获取相关的凭证信息（如SecretId和SecretKey），用于后续的API调用。
2.2.3 下载SDK等相关资料
直接下载SDK，SDK中包含简易可运行的Demo。
2.2.4 导入SDK和添加其他依赖
添加录音文件识别 SDK aar，将 asr-file-recognize-release.aar 放在 libs 目录下，在 App 的 build.gradle 文件中添加。
implementation(name: 'asr-file-recognize-release', ext: 'aar')
implementation 'com.google.code.gson:gson:2.8.5'2.2.5 添加用户权限
在工程 AndroidManifest.xml 文件中添加如下权限，在实际项目中还需要动态申请权限。
< uses-permission android:name="android.permission.INTERNET"/>
<!--获取手机录音机使用权限，听写、识别、语义理解需要用到此权限 -->
<uses-permission android:name="android.permission.RECORD_AUDIO"/>
<!--读取网络信息状态 -->
<uses-permission android:name="android.permission.ACCESS_NETWORK_STATE"/>
<!--获取当前wifi状态 -->
<uses-permission android:name="android.permission.ACCESS_WIFI_STATE"/>
<!--允许程序改变网络连接状态 -->
<uses-permission android:name="android.permission.CHANGE_NETWORK_STATE"/>
<!--外存储写权限，构建语法需要用到此权限 -->
<uses-permission android:name="android.permission.WRITE_EXTERNAL_STORAGE"/>
<!--外存储读权限，构建语法需要用到此权限 -->
<uses-permission android:name="android.permission.READ_EXTERNAL_STORAGE"/>注意：如需在打包或者生成APK的时候进行混淆，请在proguard.cfg中添加如下代码：
-keepclasseswithmembernames class * { # 保持 native 方法不被混淆
native <methods>;
}
-keep public class com.tencent.cloud.qcloudasrsdk.*2.2.6 初始化腾讯云SDK
int appId = xxxxx;
int projectId = 0; //此参数固定为0；
String secretId = "xxxxxx";
String secretKey = "xxx";
if (fileFlashRecognizer == null) {
/**直接鉴权**/
fileFlashRecognizer = new QCloudFlashRecognizer(appId, secretId, secretKey);
/**使用临时密钥鉴权
* * 1.通过sts 获取到临时证书 （secretId secretKey token） ,此步骤应在您的服务器端实现，见https://cloud.tencent.com/document/product/598/33416
* 2.通过临时密钥调用接口
* **/
// fileFlashRecognizer = new QCloudFlashRecognizer(DemoConfig.apppId, "临时secretId", "临时secretKey","对应的token");
}2.2.7 设置识别结果回调
//设置识别结果回调
fileFlashRecognizer.setCallback(this);
public interface QCloudFlashRecognizerListener {
/**
* 识别结果回调
* @param recognizer 录音文件识别实例
* @param result 服务器返回的识别结果 api文档 https://cloud.tencent.com/document/product/1093/52097
* @param exception 异常信息
*
*/
void recognizeResult(QCloudFlashFileRecognizer recognizer,String result, int status,Exception exception);
}
//录音文件识别结果回调 ，详见api文档 https://cloud.tencent.com/document/product/1093/52097
@Override
public void recognizeResult(QCloudFlashRecognizer recognizer, String result, Exception exception) {
showLoading(false);
mStartRec.setEnabled(true);
mRecognize.setEnabled(true);
Log.i(this.getClass().getName(), result);
TextView textView = findViewById(R.id.recognize_flash_text_view);
if (exception != null){
textView.setText(exception.getLocalizedMessage());
}else {
textView.setText(result);
}
if (mPcmTmpFile != null){
mPcmTmpFile.delete();
mPcmTmpFile = null;
}
}2.2.8 录音文件直接识别
InputStream is = null;
try {
AssetManager am = getResources().getAssets();
is = am.open("test2.mp3");
int length = is.available();
byte[] audioData = new byte[length];
is.read(audioData);
QCloudFlashRecognitionParams params = (QCloudFlashRecognitionParams) QCloudFlashRecognitionParams.defaultRequestParams();
/**支持传音频文件数据或者音频文件路径，如果同时调用setData和setPath，sdk内将忽略setPath
* 音频文件支持100M以内的文件，如果使用setData直接传音频文件数据，需要避免数据过大引发OOM，大文件建议传路径
* setVoiceFormat必须正确，否则服务器端将无法解析
* 参数解释详解API文档https://cloud.tencent.com/document/product/1093/52097
* **/
params.setData(audioData);
// params.setPath("/sdcard/test2.mp3"); //需要读写权限
params.setVoiceFormat("mp3"); //音频格式。支持 wav、pcm、ogg-opus、speex、silk、mp3、m4a、aac。
/**以下参数不设置将使用默认值**/
// params.setEngineModelType("16k_zh");//引擎模型类型,默认16k_zh。8k_zh：8k 中文普通话通用；16k_zh：16k 中文普通话通用；16k_zh_video：16k 音视频领域。
// params.setFilterDirty(0);// 0 ：默认状态 不过滤脏话 1：过滤脏话
// params.setFilterModal(0);// 0 ：默认状态 不过滤语气词 1：过滤部分语气词 2:严格过滤
// params.setFilterPunc(0);// 0 ：默认状态 不过滤句末的句号 1：滤句末的句号
// params.setConvertNumMode(1);//1：默认状态 根据场景智能转换为阿拉伯数字；0：全部转为中文数字。
// params.setSpeakerDiarization(0); //是否开启说话人分离（目前支持中文普通话引擎），默认为0，0：不开启，1：开启。
// params.setFirstChannelOnly(1); //是否只识别首个声道，默认为1。0：识别所有声道；1：识别首个声道。
// params.setWordInfo(0); //是否显示词级别时间戳，默认为0。0：不显示；1：显示，不包含标点时间戳，2：显示，包含标点时间戳。
/**网络超时时间。
* 注意：如果设置过短的时间，网络超时断开将无法获取到识别结果;
* 如果网络断开前音频文件已经上传完成，将会消耗该音频时长的识别额度
* **/
// params.setConnectTimeout(30 * 1000);//单位:毫秒，默认30秒
// params.setReadTimeout(600 * 1000);//单位:毫秒，默认10分钟
// params.setReinforceHotword(1); // 开启热词增强
// params.setSentenceMaxLength(10);
long ret = 0;
ret = fileFlashRecognizer.recognize(params);
if (ret >= 0) {
showLoading(true);
mStartRec.setEnabled(false);
mRecognize.setEnabled(false);
}
} catch (IOException e) {
showLoading(false);
onMessage("录音文件不存在");
e.printStackTrace();
} catch (Exception e) {
e.printStackTrace();
} finally {
try {
if (is != null) is.close();
} catch (IOException e) {
e.printStackTrace();
}
}2.2.9 录音并识别语音
if (mRecord == null) {
mRecord = new PcmAudioRecord(); //调用系统录音器录音，调用前请先申请权限
}
try {
mPcmTmpFile = File.createTempFile("pcm_temp", ".pcm");
boolean ret = mRecord.start(mPcmTmpFile);
if (ret == false) {
onMessage("录音器启动失败,请检查权限");
return;
}
isRecording = true;
showLoading(true);
mRecognize.setEnabled(false);
mStartRec.setText("stopRecord");
} catch (IOException e) {
e.printStackTrace();
mStartRec.setEnabled(true);
mRecognize.setEnabled(true);
return;
}
} else
{
if (mRecord == null) {
mStartRec.setEnabled(true);
mRecognize.setEnabled(true);
return;
}
mRecord.stop();
QCloudFlashRecognitionParams params = (QCloudFlashRecognitionParams) QCloudFlashRecognitionParams.defaultRequestParams();
params.setPath(mPcmTmpFile.getPath()); //需要读写权限
params.setVoiceFormat("pcm");
params.setReinforceHotword(1); // 开启热词增强
try {
long ret = fileFlashRecognizer.recognize(params);
if (ret >= 0) {
showLoading(true);
mStartRec.setEnabled(false);
mRecognize.setEnabled(false);
isRecording = false;
Button btn = findViewById(R.id.recognize_start_record);
btn.setText("startRecord");
showLoading(true);
mStartRec.setEnabled(false);
}
} catch (Exception e) {
e.printStackTrace();
}
}2.2.10 recognize 介绍
public class QCloudFlashRecognizer extends com.tencent.cloud.qcloudasrsdk.filerecognize.QCloudBaseRecognizer implements com.tencent.cloud.qcloudasrsdk.filerecognize.network.QCloudFlashRecognizeTaskListener {
/**
* 初始化方法
*
* @param activity app activity
* @param appId 腾讯云 appid
* @param secretId 腾讯云 secretId
* @param secretKey 腾讯云 secretKey
*/
public QCloudFlashRecognizer(String appId, String secretId, String secretKey);
/* * 通过 url 或语音数据调用录音文件识别
* @param params 请求参数
* @return 返回本次请求的唯一标识别 requestId
*/
public long recognize(QCloudFlashRecognitionParams params) throws Exception;
}在Android项目中调用腾讯云的语音识别API，并处理识别结果。
腾讯云语音识别：录音文件识别极速版-腾讯云