400 898 2016
产品简介
基本概念
平台新手指引
计价模式
开放平台计价
定制服务计价
获取访问令牌
语音合成接口说明
发音人列表
短文本合成
Android SDK
iOS SDK
C++(Linux) SDK
RESTful API
Websocket API
长文本合成
长文本合成RESTful API
长文本合成Websocket API
离线合成
模型文件说明
离线合成(普通版) Android SDK
离线合成(普通版) iOS SDK
离线合成(精品版) Android SDK
离线合成(精品版) iOS SDK
XML标签
SSML标签
语音合成时间戳功能
语音识别音频格式说明
一句话识别
RESTful API
Websocket API
Android SDK
iOS SDK
实时长语音识别
Websocket API
Android SDK
iOS SDK
录音文件识别
RESTful API
自学习工具
热词
个性化模型
声音复刻定制模型
RESTful API
Android SDK
iOS SDK
定制声音合成
短文本合成RESTful API
长文本合成Websocket API
声音转换发音人列表
Websocket API
Android SDK
iOS SDK
离线声音转换发音人列表
Android SDK
iOS SDK
声纹识别RESTful API
声音理解RESTful API
协议规则平台服务协议
平台通用规则
法律声明及隐私政策
服务等级协议SLA
常见问题语音合成
语音识别
语音识别Android SDK
下载安装
SDK及示例demo下载地址: https://github.com/data-baker/BakerAndroidSdks
Android Studio集成SDK（参考demo）
-
将以下3个aar包添加至工程主module下，lib文件夹里。
basecomponent-release.aar bakerasr-release.aar bakerhttp-release.aar
- 在主module的build.gradle文件里，添加以下代码。
dependencies {
implementation fileTree(dir: 'libs', include: ['*.aar'])
implementation 'com.squareup.okhttp3:okhttp:4.2.2'
implementation 'com.google.code.gson:gson:2.8.6'
} 2021年6月，标贝计划开源sdk源码，所以也可以直接集成源码model。
注意：SDK内使用了okhttp、gson所以需要开发者添加以这两个库，若工程内已存在，无需重复添加。okhttp请使用4.x版本，以免出现版本兼容bug。
<uses-permission android:name="android.permission.INTERNET" /> <uses-permission android:name="android.permission.ACCESS_NETWORK_STATE" /> <uses-permission android:name="android.permission.READ_PHONE_STATE" /> <uses-permission android:name="android.permission.RECORD_AUDIO" />
关于混淆
SDK中用到了okhttp和gson，所以需要将这两个包的混淆代码添加上。具体混淆代码可以去官方文档上查阅。如果项目中已经有这两个包的混淆代码，不必重复添加。请加上我们SDK其他类的混淆代码，如下：
-keep class com.baker.speech.asr.basic.**{*;}
-keep class com.baker.speech.asr.bean.**{*;}
-keep class com.baker.speech.asr.utils.**{*;}
-keep public class com.baker.speech.asr.AsrConstants{*;}
-keep public class com.baker.speech.asr.AsrErrorConstants{*;}
-keep public class com.baker.speech.asr.BakerRecognizer{
public <methods>;
}
-keep public class com.baker.speech.asr.vadJni{*;}
-keep public class com.baker.speech.asr.event.EventManagerMultiNet$BakerWebSocketListener{*;}SDK关键类
- BakerRecognizer：语音识别关键业务处理类，全局只需一个实例即可。
- BakerRecognizerCallback：实时识别结果源数据回调类。您可以在这些个回调方法中获取到当前识别的各类结果和状态，或者错误信息。您可以在回调方法中处理识别结果。设置参数时请将此callback提交给BakerRecognizer实例。
调用说明
- 初始化BakerRecognizer类，得到BakerRecognizer的实例。
如果是调用我们公有云公共识别接口，请采用以下示例代码初始化BakerRecognizer类,传入由我们授权邮件里面给到的账户相关的clientId和clientSecret。
BakerRecognizer bakerRecognizer = new BakerRecognizer(); bakerRecognizer.initSdk(Context, clientId, clientSecret, BakerRecognizerCallback);
如果是私有化部署请采用以下示例代码初始化BakerRecognizer类。并注意需要在参数中设置私有化部署的识别服务器地址，仅私有化部署时需要设置该参数。
BakerRecognizer bakerRecognizer = new BakerRecognizer();
bakerRecognizer.initSdk(Context, BakerRecognizerCallback);
bakerRecognizer.setUrl("ws://xxxx"); //设置私有化部署的识别服务器地址 参数说明
| 参数 | 参数名称 | 是否必填 | 说明 |
|---|---|---|---|
| initSdk | 初始化 | 是 | 设置授权相关信息及回调信息 |
| setUrl | 识别服务器地址 | 否 | 仅私有化部署，需要设置服务器URL。 |
| setSampleRate | 音频采样率 | 否 | 音频采样率8000/16000（默认） |
| setAudioFormat | 音频编码格式 | 否 | 音频编码格式wav/pcm（默认） |
| setDomain | 设置识别场景 | 否 | 默认是common。 |
| setAddPct | 添加标点 | 否 | true: 加标点，默认值 false：不添加标点 |
| setHotwordid | 配置热词组 | 否 | 配置的热词组的id |
| setDiylmid | 配置个性化模型 | 否 | asr个性化模型的id |
| setEnable_vad | 开启静音检测 | 否 |
False: 关闭静音检测（默认） True：开启静音检测 |
| setMax_begin_silence | 最大开始静音时长 | 否 |
允许的最大开始静音时长 单位：毫秒，取值范围[200,60000] |
| setMax_end_silence | 最大结束静音时长 | 否 |
允许的最大结束静音时长 单位：毫秒，取值范围[200, 5000] |
| startAsr | 开启识别 | 否 | 开启识别时调用 |
| stopAsr | 结束识别 | 否 | 结束识别时调用 |
| Start() | 开启数据流识别 | 否 | 开启数据流识别 |
| send(byte[] data) | 发送数据 | 否 | 每包必须5120字节大小，最后一包可以小于5120，或者是空包。 |
| end() | 结束数据流识别 | 否 | 主动结束数据流识别 |
BakerRecognizerCallback回调类方法说明
| 参数 | 参数名称 | 说明 |
|---|---|---|
| onReadyOfSpeech | 准备就绪 | 网络准备就绪后回调 |
| onResult(BakerResponse response) | 流式识别持续返回数据的接口回调 | 此回调方法会被多次唤起。持续返回实时的识别数据信息。List<String> nbest参数是一个识别结果集合，最优识别结果理论上是nbest(0)，List<String> uncertain参数是一个预测的可能出现的语音识别内容的结果集，供选择使用。boolean isLast 当前结果是否是最终识别数据，false：否，true：是。 |
| onBeginOfSpeech() | 用户开始输入声音 | sdk内部录音,识别到用户开始输入声音时回调。 |
| onEndOfSpeech | 识别正常结束 | 正常识别结束时，会唤起此回调方法。正常识别结束时，会唤起此回调方法。 |
| onVolumeChanged (int volume) | 识别音量信息 | volume是取值0-100之间的整数，代表声音的分贝值。 |
| onError | 识别出现错误 | int code是错误码，错误码具体请参考以下错误码对照表。String message是具体的错误信息日志。识别过程中出现各种错误情况都会回调此方法。 |
BakerResponse内部结构
| 参数 | 类型 | 说明 |
|---|---|---|
| res_idx | int | 数据块序列号，请求内容会以流式的数据块方式返回给客户端。服务器端生成，从1递增 |
| nbest | stringArray | 此回调方法会被多次唤起。持续返回实时的识别数据信息。List<String> nbest参数是一个识别结果集合，最优识别结果理论上是nbest(0)， |
| end_flag | int | 是否是最后一个数据块，0：否，1：是 |
| text | string | 正常识别结束时，会唤起此回调方法。 |
| confidence | string | 语音识别结果，失败时为空 |
| speed | int | 语速，取值[0-2000] |
| speed_label | string |
语速标签： 15以下：FAST 快 15-30 : MEDIUM 适中 30-2000：SLOW 慢 |
| volume | int | 音量，取值[0-100] |
| volume_label | string |
音量标签： SILENT：0-15 静音 XSOFT：15-30 音量很小 SOFT：30-50 音量小 MEDIUM：50-70 音量适中 LOAD：70-85 音量大 XLOUD：85-100 音量很大 |
| words | array | 词级别识别结果 |
words内部结构
| 参数 | 类型 | 说明 |
|---|---|---|
| confidence | string | 词置信度，置信度取值[0-100] |
| sos | string | 词在音频中的绝对开始时间点 单位：秒 |
| eos | string | 词在音频中的绝对结束时间点 单位：秒 |
| word | string | 词 |
响应结果示例
{
"code": 90000,
"data": {
"confidence": "68.31",
"end_flag": 1,
"nbest": ["欢迎使用标贝科技开放平台。"],
"res_idx": 20,
"speed": 26,
"speed_label": "MEDIUM",
"text": "欢迎使用标贝科技开放平台。",
"volume": 45,
"volume_label": "SOFT",
"words": [{
"confidence": "0.40",
"eos": "0.51",
"sos": "0.06",
"word": "欢迎"
}, {
"confidence": "0.80",
"eos": "1.05",
"sos": "0.51",
"word": "使用"
}, {
"confidence": "0.40",
"eos": "1.52",
"sos": "1.05",
"word": "标贝"
}, {
"confidence": "1.00",
"eos": "1.95",
"sos": "1.52",
"word": "科技"
}, {
"confidence": "0.50",
"eos": "2.40",
"sos": "1.95",
"word": "开放"
}, {
"confidence": "1.00",
"eos": "3.12",
"sos": "2.40",
"word": "平台"
}]
},
"message": "Success",
"trace_id": "1652148314904999"
}错误码说明
| 错误码 | 含义 |
|---|---|
| 13180001 | 缺少ClientId |
| 13180002 | 缺少Secret |
| 13180003 | token获取失败 |
| 13180004 | 没有录音权限 |
| 13180005 | 本地网络不可用 |
| 13180006 | 网络未准备好，没有调用start方法 |
| 13180007 | 录音尚未初始化 |
| 13180008 | 正在录音 |
| 13180009 | 发送的数据为空 |
| 13180010 | response is null |
| 13180011 | gson to object error |
| 13180012 | websocket发送消息出错 |
| 13180013 | websocket onFailure error |
| 13180014 | 录音意外中断 |
| 90000 | 文本数据 |
| 30001 | HTTP请求参数错误 |
| 30002 | 服务内部错误 |
| 30003 | 识别结果解析出错 |
| 30004 | 应用包名未知 |
| 30005 | 语音质量问题 |
| 30006 | 输入语音过长 |
| 30007 | 连接识别引擎失败 |
| 30008 | 会话id不存在 |
| 30009 | Rpc调用非法 |
| 30010 | redis rpop操作返回空 |
| 30011 | redis rpop值不合法 |
| 30012 | rpc调用识别引擎失败 |
| 30013 | Redis rpop操作失败 |
| 30014 | redis lpush操作失败 |
| 30015 | 单个语音分片过长 |
| 30016 | 回调url失败 |
| 40001 | json解析失败 |
| 40002 | json字段不全 |
| 40003 | 版本错误 |
| 40004 | json字段值类型错误 |
| 40005 | 参数错误 |
| 40006 | idx超时 |
| 40007 | idx顺序错误 |
| 40008 | token校验失败 |
| 40009 | token处于未激活状态 |
| 40010 | token已过期 |
| 40011 | 使用量已超过购买量 |
| 40012 | qps错误 |
| 50001 | 处理超时 |
| 50002 | 内部 rpc 调用失败 |
| 50003 | 服务端繁忙 |
| 50004 | 其他内部错误 |
