Android SDK接入（旧）

该技术服务已迁移至思必驰开放平台，本文档于2020年8月25日停止更新。最新版请查看：https://cloud.aispeech.com/docs/lfasr_Android

一 功能介绍

录音文件转写，是将已经录制好的音频文件， 通过识别服务，将长段音频数据（5小时以内）转写成文本数据，可用于采访录音转写、音频数据录入、会议记录总结等场景，支持：

  • 可用于基于协议开发的：轻量级嵌入式设备；
  • 支持pcm，wav, ogg(speex), ogg_opus, mp3格式的音频文件转写；
  • 有效任务12个小时内出转写结果；
  • 对于大音频文件可以进行分片上传；
  • 支持自定义热词和敏感词配置、语言模型自训练功能，请联系商务或项目经理进行定制。

 

整个识别过程是非实时的，音频文件上传成功后进入等待队列，转写成功后用户可以获取转写结果。返回转写结果时间受排队队列、音频时长因素影响，如转写耗时比平时长，耐心等待即可。

二、调用限制

集成实时长语音转写SDK时，需要注意以下内容：

内容
说明
字符编码 UTF-8
语言种类 中文普通话
服务鉴权 长语音服务使用需要进行授权，详见：服务授权
开发语言 java
响应格式 接口异步回调，详见demo
音频属性 采样率16k、位长16bits、单声道
数据发送

post形式上传本地文件或提供http形式可下载的链接
音频时长/大小 5小时以内，且不超过500M
音频格式 pcm，wav, ogg(speex), ogg_opus, mp3
并发路数 默认5路并发，即可以同时转写5个音频文件
转写结果保存时长 7天
服务开通 调用长语音服务需要先购买时长， 您可以领取免费时长资源或购买付费资源包

三、集成流程

1、 产品创建与授权

1.1 产品创建

控制台里的基础技术标签下可以创建长语音相关产品

2、SDK集成准备

下载SDK

可以共用 在线语音识别 的sdk，请前往：基础技术SDK 下载最新版本的SDK。

SDK准备

集成SDK前，需要有：

jar：DUI-lite-SDK-for-Android-xxx.jar

资源：具体使用到的资源请参考 demo，可以放在assets目录中，也可以自己手动放在磁盘中，比如/sdcard/

3、集成SDK

SDK集成和授权 请参照文档 https://www.duiopen.com/docs/ct_overview_Android

长语音运行流程

流程如下图：

 

四、 SDK参数说明

创建转写任务的参数说明，其它请参见sdk 的 java doc：

参数

类型

必须

说明
productId string 是 客户编号，唯一。 QUERY STRING
audio_id string 和file_path二选一 分片上传完成后的audio_id。（72小时内有效）
file_path string 和audio_id二选一

音频文件的HTTP下载地址。 可选值：可以为一个可以下载的HTTP地址（http地址格式不正确或不能正常下载都会报错）， 或者空字符串。

(警告) 如果下载的地址里包含中文，需要把中文的文件名和路径名进行urlencode。
file_len int 否（有file_path时必选） 音频文件长度。单位：byte
check_length double 否（有file_path时必选） 音频的时长(单位：秒), 用户校验剩余时长是否充足
audio_type string 否（有file_path时必选） 
音频文件的格式。
可选值：
wav
ogg_speex
mp3
opus
res string 否

资源场景支持。

可选值： aitransoff

当客户端没有传res参数时，等同于res=aitransoff。

(警告) 当前因为只有aitransoff的场景，客户端无需指定。
lang string 否

语种支持。

可选值： cn（默认值， 中文）, en（英文）, ce（中英文混合），sichuantone-mix（四川话+普通话）， cantonese-mix（粤语+普通话）

当客户端没有传lang参数时，等同于lang=cn。
sample_rate int 否

音频文件的采样率。

可选值： 16000（默认值）， 8000

客户端没有传递sample_rate参数时，等同于sample_rate=16000。

(警告) 转写服务会在音频检查时，重新检测音频本身的采样率，并以检测后的结果为准。
speaker_rate int 否

说话人聚类使用的采样率。

可选值： 16000（默认值同sample_rate）

客户端没有传递speaker_rate参数时，等同于sample_rate。
channel int 否

音频文件的通道数。
task_type int 否 1：机器转写任务
use_txt_smooth int 否 口语顺滑开关。0：不使用，1：使用（默认）。
use_inverse_txt int 否 逆文本转换开关。0：不使用，1：使用（默认）。
phrase_file_id string 否

用户的热词文件ID。 绝对路径为： <PHRASE_FILES_ROOT>/<phrase_file_id>/v1.txt

(警告) （注意）：和hotwords参数只会有一个生效。
hotwords string 否

自定义的热词列表。每个词用英文逗号分割，中文必须使用utf-8编码，单个词必须在2 ~10个汉字之间，热词列表不能超过1000个词。

(警告) （注意）：和phrase_file参数只会有一个生效。
lmid string 否 自训练模型文件LMID。对应的二路模型文件在：<CUSTOME_LM_FILES_ROOT>/<productId>/<lmid>/latest/lm.pat
sensitive_file_id string 否 用户的敏感词文件ID。绝对路径为： <SENSITIVE_FILES_ROOT>/<sensitive_file_id>/v1.txt
callback string 否 识别完成时的回调HTTP(s)地址。当设置了callback地址，当识别融合后，会把最终结果以POST方式回传（也可以通过/lasr/task/result的方式来主动获取）。
speaker_number int 否

发音人个数，可选值：-1-8。0：表示跳过说话人聚类 。>0：音频里发音人个数。默认值：-1：盲分。

备注：

  1. 跳过说话人聚类时，任务的最终result里，没有speaker信息。
  2. 跳过说话人聚类时，任务的最终metrics指标里，没有diarizated_t。

 

查询转写结果的返回内容：

{
  errno: 0,
  error: "",
  data: {
    "metrics": {},
    "request": {},
    "result": [
      {
        bg: 0,
        ed: 4950,
        onebest: "思必驰信息科技有限公司。",
        speaker:0
       },
       ...
     ]
  }
}
 

字段说明：

bg：开始时间（ms）
ed：结束时间（ms）
onebest：识别文本
speaker：说话人序号

五、 SDK集成示例

1 初始化引擎

mAICloudLASREngine = AICloudLASREngine.createInstance();
// 初始化
mAICloudLASREngine.init(this, "https://lasr.duiopen.com", listener);

2 上传音频文件

创建转写任务并上传音频文件，音频文件支持本地文件和以http可访问形式的文件，且文件最大不超过500M，音频时长不超过5H。

audioParam = new AICloudLASRConfig.AudioParam(audioType);
// 1 上传文件
mAICloudLASREngine.uploadAudioFile(filePath, audioParam);

 

3 恢复继续上传

针对上传失败的本地文件，可以恢复继续上传。

// 上传失败可恢复上一次上传失败的任务
mAICloudLASREngine.uploadResume();

4 创建转写任务

// 2 创建任务
AICloudLASRConfig.TaskParam taskParam = new AICloudLASRConfig.TaskParam(audioParam, (int) new File(filePath).length());
mAICloudLASREngine.createTaskWithAudioId(audioId, taskParam);

5 查询转写进度

查询进度，0-100，达到100说明文件识别完成。服务器需要的识别时间从几分钟到几十分钟不等，视音频文件时间长度而定。

// 3 查询进度
mAICloudLASREngine.queryTaskProcess(taskId);

6 获取转写结果

当转写进度为100时，识别完成，此时可以查询结果

// 4 查询结果
mAICloudLASREngine.queryTaskResult(taskId);

7 销毁引擎

mAICloudLASREngine.destroy();

8 回调接口

所有方法调用都通过回调接口返回，回调方法与调用方法一一对应

// 回调方法
private AILASRListener listener = new AILASRListener() {
  
    @Override
    public void onInit(int status, String errMsg) {
        Log.d(TAG, "onInit " + status + " " + errMsg);
        if (AIConstant.OPT_SUCCESS == status)
            appendText("初始化成功");
        else
            appendText("初始化失败：" + errMsg);
    }
  
    @Override
    public void onUploadFileProcess(String audioFilePath, int process) {
        Log.d(TAG, "onUploadFileProcess " + process + " " + audioFilePath);
        progressBarFile.setProgress(process);
        if (process == 100)
            appendText("服务器正在处理文件，请等待几秒到几分钟不等");
    }
  
    @Override
    public void onUploadFileResult(String audioFilePath, String audioId, AIError error) {
        Log.d(TAG, "onUploadFileResult " + audioId + " audioFilePath " + audioFilePath);
        CloudLASR.this.audioId = audioId;
        if (error == null)
            appendText("onUploadFileResult " + audioId);
        else
            appendText("onUploadFileResult " + error.getErrId() + "" + error.getError());
    }
  
    @Override
    public void onTaskCreate(String audioId, String taskId, AIError error) {
        Log.d(TAG, "onTaskCreate audioId " + audioId + "taskId" + taskId);
        CloudLASR.this.taskId = taskId;
        if (error == null)
            appendText("onTaskCreate " + taskId);
        else
            appendText("onTaskCreate " + error.getErrId() + "" + error.getError());
    }
  
    @Override
    public void onTaskProcess(String taskId, int process, AIError error) {
        Log.d(TAG, "onTaskProcess " + process);
        if (error == null)
            progressBarTask.setProgress(process);
        else
            appendText("onTaskProcess " + error.getErrId() + "" + error.getError());
    }
  
    @Override
    public void onTaskResult(String taskId, String results, AIError error) {
        Log.d(TAG, "onTaskResult " + results.length() + " " + results);
        if (error == null)
            appendText("onTaskResult " + results);
        else
            appendText("onTaskResult " + error.getErrId() + "" + error.getError());
  
        // Log.d(TAG, "ASR2: " + mAICloudLASREngine.queryASR(taskId));
    }
};

六、错误码

请看 通用错误码 和 长语音错误码

https://www.duiopen.com/docs/ct_errorcode_Android

七、接口文档

接口文档见：https://www.duiopen.com/duilite-doc/android/

八、常见问题

1、 如何试用服务和购买服务

可以联系商务购买或体验

 

2、 对硬件的要求有什么

Android 4.0 及以上系统的设备，能联网即可。

 

3、 转写结果存储多久

音频上传后得到 audioId ，保留1天。

转写结果保留7天

 

5、 支持的音频格式和语言

普通话，wav, ogg_speex, mp3，opus 16k 16bit 单声道