【语音识别-常见问答】汇总帖
周俊316 发布于2017-11 浏览:45567 回复:115
6
收藏
最后编辑于2023-05

语音识别
Q:语音合成、语音识别接口每天调用限额是多少?默认QPS是多少?如何申请提高配额?
A:语音合成服务默认提供100QPS,服务接口每天不限制调用量。语音识别服务默认提供10QPS,服务接口每天不限制调用量。如需要的QPS大于默认额度,需申请提高配额,请登录控制台,点击百度语音,选择应用列表,选择对应应用,查看详情,点击申请提高配额,一般会在2个工作日内完成审核,审核通过后,将可使用提额后的QPS额度。

Q:控制台--语音应用详情页高级设置,语音识别词库设置、语义解析设置有什么注意事项?
A: 语音识别词库设置,适用于在线语音识别,目前只在搜索模型下生效(API和SDK均支持)。上传词库中的词或句子,在单说的情况下,识别率会高
语义解析设置,覆盖天气、日历、航班等常见领域的语义库,可以有效识别用户意图,适用于相关领域的问答场景;目前只适用于语音识别SDK3.0以下版本设置。3.0以上版本,默认开启全部领域无需设置,且在此处的设置无效。

Q:语音识别REST API支持的音频格式、采样率有哪些?
A:原始 PCM 的录音参数必须符合16k 采样率、16bit 位深、单声道,支持的格式有:pcm(不压缩)、wav(不压缩,pcm编码)、amr(压缩格式)。

Q:语音识别 REST API 最长支持多长的录音?
A: 最长支持60s的录音文件。对文件大小没有限制,只对时长有限制。

Q:语音识别SDK支持的音频格式、采样率有哪些?
A:Android SDK:支持Android 2.3及以上系统,支持ARM\X86架构。安装包最小增加200k,支持16k采样率,pcm格式。

iOS SDK:支持iOS 5.0及以上系统,支持ARM-v7\ARM-v7s\ARM64\i386\x86_64架构。安装包最小增加400k,支持16k采样率,pcm格式。

Q:什么是语音识别REST API?有什么注意事项?
A:语音识别全平台REST API,采用http方式请求,可适用于任何平台的语音识别。使用REST API,录音、压缩及上传模块需要自行开发。且REST API语音识别暂时不支持语义解析。

Q:百度语音是否单独提供录音功能,以及语音通讯功能?
A:不单独提供独立录音的功能,目前识别SDK包含语音输入和识别功能。语音通讯功能需开发者自行搭建。

Q:语音服务是免费的?还是需要付费
A: 目前语音基础服务(语音识别、语音合成、语音唤醒)全部免费。

Q:语音识别和合成支持什么语言?
A: 语音识别支持:普通话、四川话、粤语、英语

语音合成支持:中英文混合

Q:我使用SDK后,代码出错,不能正常运行怎么办?
A: 您好,请您先测试官方demo,测试通demo,再添加您自己的代码,基本都是可以使用的了。如果还是有问题,可以在AI社区讨论,我们进一步查看原因。

Q:我想提高一些词的识别准确率,有什么办法?
A: 您好,您可以自行上传词库,训练专属识别模型。 入口是:控制台--语音应用详情页高级设置,语音识别词库设置。

Q:语音识别REST API和SDK的区别是什么?
A: REST API:开发者上传录音——百度语音进行识别——识别结果返回开发者;SDK:百度语音提供从录音到识别结果返回的整体解决方案

Q:语音识别通过哪个接口获取音频信息?
A: Android SDK:当VoiceClientStatusChangeListener.onClientStatusChange(int status, Object obj) 的status是VoiceRecognitionClient.CLIENT_STATUS_AUDIO_DATA时,obj为byte[]音频数据;

iOS SDK:MVoiceRecognitionClientDelegate的(void)VoiceRecognitionClientWorkStatus:(int) aStatus obj:(id)aObj;的aStatus是EVoiceRecognitionClientWorkStatusNewRecordData时,aObj为NSData音频数据。 数据格式均为pcm,采样率可通过VoiceRecognitionConfig.getSampleRate()/[[BDVoiceRecognitionClient sharedInstance] getCurrentSampleRate]获取,获取的音频格式是位深16bit,单声道。

Q:如何才能提高语音识别的准确率?
A:自定义语音识别设置:打开百度开放云平台,在目前创建的应用下进行自定义语音识别设置。上传识别关键词文本,保存并生效。注:只在搜索模型下生效

Q:百度语音SDK与其他百度SDK,或其他第三方SDK冲突时,如何解决?
A: 与其他百度SDK冲突一般是由于使用了相同的基础库galaxy.jar,请检查是否重复导入了该jar包;与其他第三方SDK冲突一般是由于so库的架构不统一,请保证工程libs目录下armeabi/armeabi-v7a/x86/mips目录的so库均一致,如果不能保证一致,则一般只能所有SDK仅使用armeabi架构的so库

Q:首次开启语音识别功能的延迟时间较长,需要如何调控?
A: 首次延迟时间较长一般是由于权限验证造成,可以通过预先调用接口: (int)verifyApiKey:(NSString *)apiKey withSecretKey:(NSString *)secretKey; 来进行验证。首次开启语音时就不需要再发送验证请求,从而降低语音识别启动的延迟。

Q:如何在语音识别时获取音频文件?
A: Api: cp服务器自己备存用户录音信息;Sdk: 可以通过CLIENT_STATUS_AUDIO_DATA回调,将回调对象强转成byte[]顺序写入到文件中即可得到原始的音频文件。

Q:为什么语音识别Demo的API_Key和Secret_Key是空的还能进行识别呢?我开发的应用的API_Key和Secret_Key是不是必须得填写呢?
A: SDK自带demo用的特殊的方式验证的,故可以不使用AK和SK。开发者自行开发的应用AK和SK是必须填写的,否则无法调用语音识别。

Q:【Android纯在线】如何从识别SDK中获取音频?
A:通过监听onClientStatusChange函数的CLIENT_STATUS_AUDIO_DATA消息(在一次会话中会回调多次)拼接音频,如:

class MyVoiceRecogListener implements VoiceClientStatusChangeListener{
OutputStream outFile;
@Override
public void onClientStatusChange(int status, Object obj) {
switch(status) {
... // 省略其它消息
case VoiceRecognitionClient.CLIENT_STATUS_AUDIO_DATA:
// 有音频数据输出
if (obj!= null && obj instanceof byte[]) {
// 演示如何保持PCM音频,细节请各位工程师更加实际情况优化
byte[] buf = (byte[])obj;
FileOutputStream out = new FileOutputStream("sdcard/your_file.pcm", true);
out.write(buf);
out.close();
}
break;
default:
break;
}
}


Q:【Android离在线】如何从识别SDK中获取音频?
A: 方式1:设置outfile参数可以指定语音数据的保存路径,设置方式如:

intent.putExtra("outfile", "/sdcard/your_audio.pcm");

语音数据的保存格式为PCM,播放和压缩请自行查找相关类库。

方式2:通过监听onBufferReceived(byte[] buf)回调,拼接音频实现。

收藏
点赞
6
个赞
共115条回复 最后由回复于2023-05
#78雷欧纳德q回复于2019-04

react native开发app,官方并没有js的demo sdk参考, 录音并使用百度语音rest api json上传方式识别,使用js的fs.readFile读取本地文件获得base64数据,生成的语音及接口参数rate都为16000,具体参数和返回错误如下,请问是哪里有问题呢

0
#77雷欧纳德q回复于2019-04

react native 使用js语言,用restapi遇到问题,fs.readFile读取本地录音文件返回base64,放入speech返回报错如下图

0
#76丶Baka_51218回复于2019-04

你好,开启了语义理解之后,为什么语音识别没有回调语义理解的结果?byte[] data一直为空

0
#75用户已被禁言回复于2019-04
#74 超级天才大大回复
请问下我使用官方的实例代码python版本在树莓派上运行前几天可以识别但是最近几天就突然不能识别了,中途没有更改任何代码。但是把同样的代码复制回电脑中直接运行则亦可以识别。下面是树莓派中报错[图片]
展开

可以提供完整报错和错误码吗?

0
#74超级天才大大回复于2019-04

请问下我使用官方的实例代码python版本在树莓派上运行前几天可以识别但是最近几天就突然不能识别了,中途没有更改任何代码。但是把同样的代码复制回电脑中直接运行则亦可以识别。下面是树莓派中报错

0
#73用户已被禁言回复于2019-04
#72 武汉一零基础回复
百度语音如何设置识别语音是蓝牙耳机麦克风的

目前此项功能需要你自己写代码实现。

0
#72武汉一零基础回复于2019-03

百度语音如何设置识别语音是蓝牙耳机麦克风的

0
#71用户已被禁言回复于2019-03
#70 青木713回复
集成百度语音识别后,开始识别语音会引起视频停止播放,请问怎么解决

你是android 还是ios,api还是sdk?有报错吗?

0
#70青木713回复于2019-03

集成百度语音识别后,开始识别语音会引起视频停止播放,请问怎么解决

1
#69用户已被禁言回复于2019-03
#68 188******27回复
请问一下,如果我的应用集成了百度语音的sdk 可以直接上线吗

可以

0
#68188******27回复于2019-03

请问一下,如果我的应用集成了百度语音的sdk 可以直接上线吗

0
#67用户已被禁言回复于2019-03
#39 武汉一零基础回复
用蓝牙耳机连接后,录音,demo接收不到,什么原因

用蓝牙耳机进行语音识别没怒钱需自行写代码实现。

0
#66用户已被禁言回复于2019-03
#38 jacobspring回复
我在识别时根据音量大小显示波形图,demo的例子太复杂,有些读不懂,能不能给点思路。貌似不能用MediaRecorder获得音量,会跟语音API起冲突。
展开

sdk下有详细的图文教程,有问题可以反馈。

0
#65用户已被禁言回复于2019-03
#36 RiceDi回复
求解进入APP后开启语音唤醒服务 百度语音唤醒后进行了一次文字识别播放 开启语音识别功能,语音识别失效报错,唤醒服务也失效了 有解决方案吗
展开

请贴一下完整报错日志。

0
#64用户已被禁言回复于2019-03
#35 高级会员_煊回复
你好,iOS12.1系统,使用百度语音合成,无法播报UNNotificationServiceExtension,推送过来的内容
展开

ios问题需在控制台内发工单反馈。

0
#63用户已被禁言回复于2019-03
#34 欧阳飘飘2017回复
百度语音,http://yuyin.baidu.com/   这个地址体验语音识别,页面是如何做到实时转写的? 这个页面官方能给个网页demo实例吗?要不然看起来挺好的, 却很难实现,感觉上有点忽悠人
展开

没有忽悠人也不难实现,demo 可以参考 https://ai.baidu.com/docs#/

0
#62用户已被禁言回复于2019-03
#33 iyougu回复
百度语音无法及时释放麦克风资源,导致设备无法继续录音。搞的人很气愤。

不会,应该是你设备问题,百度语音不会占用麦克风资源。

0
#61用户已被禁言回复于2019-03
#28 飘飘然lhl回复
请问,百度语音识别 当UIScrollView 滚动时音量 EVoiceRecognitionClientWorkStatusMeterLevel不回调是什么原因,怎么处理啊?
展开

请问是 androdi 还是 ios,具体哪个sdk或api?

0
#60用户已被禁言回复于2019-03
#32 专用番号回复
同问 有没有收费版的啊

有,百度近期推出了极速版语音识别api 参考文档 https://ai.baidu.com/docs#/ASR-API-PRO/top

0
#59用户已被禁言回复于2019-03
#27 白凤羽刃回复
TTS在离线状态下初始化时间太长,有6s的等待时间怎么解决啊? 即使设置, setParam(SpeechSynthesizer.PARAM_MIX_MODE,SpeechSynthesizer.MIX_MODE_HIGH_SPEED_SYNTHESIZE); 也没有1.2s自动切换离线模式初始化,是我的理解存在问题吗?
展开

您可以在 https://ai.baidu.com/ 点击右下角的合作咨询进行咨询。

0
TOP
切换版块