百度語音辨識REST API——通過使用Http網路請求方式獲得語音辨識功能

標籤：百度   語音辨識   http   

百度語音辨識通過REST API的方式給開發人員提供一個通用的HTTP介面，基於該介面，開發人員可以輕鬆的擷取語音辨識能力，本文檔描述了使用語音辨識服務REST API的方法。

優點：

較之開發人員常用的擷取語音辨識功能的方法，本方法最大的優勢是輕量級，不需要在所開發的應用中整合任何SDK開發套件，也不需要在測試機中添加任何識別引擎軟體，開發人員只要瞭解Http網路請求以及百度語音辨識 REST API的使用規則，即可輕輕鬆鬆在自己的應用中使用語音辨識相關的功能了。

功能介紹：

REST API支援整段錄音檔案的識別，對錄音格式有一定的要求，支援語音辨識控制項：整合提示音、音量反饋動效整套互動的對話方塊控制項，方便開發人員快速整合；

原始PCM的錄音參數必須符合8k/16k採樣率、16bit位深、單聲道，支援的壓縮格式有：pcm（不壓縮）、wav、opus、speex、amr、x-flac。

使用方法：

註冊開放平台及創新應用

註冊方法可參見之前寫的百度語音辨識開放平台SDK使用方法一文，其中有詳細的註冊方法敘述。

從管理主控台進入建立的應用，如所示，API Key（client_id）和Secret Key（client_secret）即顯示於其中, ID即為應用id（appid）。

根據百度OAuth的Client Credentials授權方式擷取access_token。百度OAuth的Client Credentials和其他授權方式的說明見百度OAuth介紹的“百度支援的OAuth授權”部分。

其中，grant_type的值固定為client_credentials，client_id即為（3）中所示的 API Key的值，client_secret即為所示的Secret Key的值。更為詳細的介紹請參見Client Credentials授權說明。
響應如下所示，其中access_token欄位即為請求REST API所需的令牌, access_token有效期間一般為一個月，開發人員需要對access_token，進行有效性判斷，到期需重新申請access_token。

API請求方式

 語音辨識介面支援POST 方式
 目前API僅支援整段語音辨識的模式，即需要上傳整段語音進行識別
 語音資料上傳方式有兩種：隱示發送和顯示發送
 原始語音的錄音格式目前只支援評測8k/16k採樣率16bit位深的單聲道語音
 壓縮格式支援：pcm（不壓縮）、wav、opus、speex、amr、x-flac
 系統支援語言種類：中文（zh）、粵語（ct）、英文（en）
 正式地址：http://vop.baidu.com/server_api

語音上傳模型

語音資料和其他參數通過標準JSON格式序列化POST上傳， JSON裡包括的參數：

其中，開發人員可以把語音資料放在JSON序列的“speech”欄位中，需要將語音先進行base64編碼，並標明語音資料的原始長度，填寫“len”欄位；也可以直接提供語音放在“url”欄位中，並且提供識別結果的回調地址，放在“callback”參數中。因此“speech”和“len”參數綁定，“url”和“callback”參數綁定，這張組參數二選一填寫，如果都填，預設處理第一種。

表單類型在HTTP-HEADER裡的content-type表明，例：

Content-length請填寫JSON串的長度。
 上傳執行個體：

 注意事項：
1， len欄位表示原始語音長度，不是base64編碼之後的長度。
2， speech和len欄位綁定驗證，url和callback綁定驗證，兩組參數二選一必填，如果都填，預設第一種方式。
3， 如果採用base64編碼語音資料，資料量會增大1/3。
 顯示發送：
語音資料直接放在HTTP-BODY中，控制參數以及相關統計資訊通過REST參數傳遞，REST參數說明：

語音資料的採樣率和壓縮格式在HTTP-HEADER裡的content-type表明，例：

Content-length請填寫原始語音長度。
 URL樣本：

下行介面定義

兩種上傳方式都返回統一的結果，採用 JSON格式封裝，如果識別成功，識別結果放在JSON的“result”欄位中，統一採用utf-8方式編碼。

 識別成功返回case：
{\"err_no\":0,\"err_msg\":\"success.\",\"corpus_no\":\"15984125203285346378\",\"sn\":\"481D633F-73BA-726F-49EF-8659ACCC2F3D\",\"result\":[\"\\u6211\\u633a\\u5e05\\u554a\\uff0c\\u5e05\\u54e5\\uff0c\"]}
 識別錯誤返回case：
{"err_no":2000,"err_msg":"data empty.","sn":null}

錯誤碼解釋
33xx：系統內部模組互動錯誤，服務此時可能不太穩定。
34xx：參數錯誤，請檢查上行參數。
30xx-32xx：後端錯誤，後端資源可能出現錯誤

由於篇幅所限，具體使用方法在下篇文章介紹。