百度語音識別技術
優(yōu)勢能力
完全永久免費
業(yè)界首創(chuàng)完全永久免費新形式，為開發(fā)者提供基于百度大腦的業(yè)界頂級聲學模型和語音模型。完全免費，永久使用，徹底擺脫有效期限制。
全平臺REST API
行業(yè)率先推出語音識別全平臺REST API，再也不用糾結(jié)沒有SDK、SDK包太大，采用http方式請求，可適用于任何平臺的語音識別，給你最大自由度！
離線在線融合模式
SDK可以根據(jù)當前網(wǎng)絡狀況及指令的類型，自動判斷使用本地引擎還是云端引擎進行語音識別，極速識別、流量節(jié)省兩不誤！
深度語義解析
支持多達35個垂類領域的語義理解定制，以及和問答對設置。讓你的應用理解用戶的意圖！
場景識別定制
開發(fā)者可根據(jù)使用場景，自定義設置識別垂類模型。有音樂、視頻、地圖、游戲、電商共17個垂類可供選擇。一步設置，精準到位！
自定義上傳語料、訓練模型
開發(fā)者可以自行上傳詞庫，訓練專屬識別模型。提交的語料越多、越全，語音識別的效果提升也會越明顯。
接入指南
注冊百度開發(fā)者
使用百度語音技術服務首先需要注冊成為百度開發(fā)者，如果您在登陸百度賬號后進入“應該管理”出現(xiàn)如下提示，說明您的百度賬號還沒有注冊成為百度開發(fā)者。請按要求填寫開發(fā)者信息并完成百度開發(fā)者的注冊。
創(chuàng)建應用
在首頁登陸已經(jīng)注冊為開發(fā)者的百度賬號，然后點擊頁面上方的“應用管理”進入應用管理頁面。如果您之前在創(chuàng)建過應用，則會出現(xiàn)您之前曾經(jīng)創(chuàng)建過的應用；如果您之前沒有創(chuàng)建過應用，則需要新創(chuàng)建一個應用。
1、點擊右上角填寫應用名稱并選擇應用垂類信息，即可創(chuàng)建一個新的應用。
2、創(chuàng)建成功后，新創(chuàng)建的應用會出現(xiàn)在應用列表最上方的位置。
3、點擊“查看Key”可以查看當前應用的AppID、 API Key、Secret Key信息。
開通服務
如果您曾經(jīng)在百度開發(fā)者中心管理控制臺申請開通了語音技術服務，在這里您可以直接使用；對于新創(chuàng)建或從未開通語音技術服務的應用，則需要開通語音技術服務之后才可以使用。
1、點擊應用卡片上的按鈕，選擇“語音識別”服務進行開通。
2、“語音識別”服務開通成功后即可獲得50000次/天的在線調(diào)用次數(shù)配額。
申請?zhí)岣吲漕~
如果開通服務時初始分配的在線服務調(diào)用配額無法滿足您的需求，可以申請?zhí)岣吲漕~。
1、點擊對應服務的“管理”在下拉列表中選擇“申請?zhí)岣吲漕~”。填寫詳細的預計日調(diào)用次數(shù)、應用介紹等信息后提交。管理員會在1個工作日內(nèi)完成審核。
2、如果審核通過，則當前應用該服務的日調(diào)用次數(shù)將不再受配額限制。如果審核被拒絕，您可以再次提交申請。
申請離線授權
選擇應用的語音識別的管理菜單，點擊“申請離線License”。
選擇應用類型為Android或者iOS，填寫并提交離線授權所需信息：Android應用為應用包名和簽名MD5值，iOS應用為Bundle ID。提交成功后即獲取離線識別正式授權。
注：請確保填寫提交的信息準確，否則會無法通過離線授權驗證導致離線識別不可用。
如果暫時沒有應用包名或者簽名信息，可以先下載臨時License文件，并集成到本地項目中進行測試使用。臨時License有效期為30天，失效后請申請正式license，并從您的項目中刪除臨時的license。
開發(fā)集成
前往語音識別服務相關下載頁面，下載開發(fā)所需的 SDK 及開發(fā)文檔到本地進行集成開發(fā)。
常見問題
Q：語音識別REST API支持的音頻格式、采樣率有哪些？
A：支持的壓縮格式有：pcm（不壓縮）、wav、opus、speex、amr、x-flac。原始 PCM 的錄音參數(shù)必須符合 8k/16k 采樣率、16bit 位深、單聲道。
Q：語音識別 REST API 最長支持多長的錄音？
A： 最長支持60s的錄音文件。對文件大小沒有限制，只對時長有限制。
Q：語音識別SDK支持的音頻格式、采樣率有哪些？
A：
Android SDK：支持Android 2.2及以上系統(tǒng)，支持ARM\。安裝包最小增加200k，支持8k/16k采樣率，支持pcm格式。
iOS SDK：支持iOS 5.0及以上系統(tǒng)，支持ARM-v7\ARM-v7s\ARM64\i386\x86_64架構(gòu)。安裝包最小增加400k，支持8k/16k采樣率，支持pcm格式。
Q：什么是語音識別REST API？有什么注意事項？
A：語音識別全平臺REST API，采用http方式請求，可適用于任何平臺的語音識別。使用REST API，錄音、壓縮及上傳模塊需要自行開發(fā)。且REST API語音識別暫時不支持語義解析。
Q：百度語音是否單獨提供錄音功能，以及語音通訊功能？
A：不單獨提供獨立錄音的功能，識別SDK包含語音輸入和識別功能。語音通訊功能需開發(fā)者自行搭建。
Q：語音識別REST API和SDK的區(qū)別是什么？
A： REST API：開發(fā)者上傳錄音——百度語音進行識別——識別結(jié)果返回開發(fā)者
SDK：百度語音提供從錄音到識別結(jié)果返回的
Q：語音識別通過哪個接口獲取音頻信息？
A：
Android SDK：當VoiceClientStatusChangeListener.onClientStatusChange(int status, Object obj) 的status是VoiceRecognitionClient.CLIENT_STATUS_AUDIO_DATA時，obj為byte[]音頻數(shù)據(jù)；
iOS SDK：MVoiceRecognitionClientDelegate的(void)VoiceRecognitionClientWorkStatus:(int) aStatus obj:(id)aObj;的aStatus是EVoiceRecognitionClientWorkStatusNewRecordData時，aObj為NSData音頻數(shù)據(jù)。
數(shù)據(jù)格式均為pcm，采樣率可通過VoiceRecognitionConfig.getSampleRate()/[[BDVoiceRecognitionClient sharedInstance] getCurrentSampleRate]獲取，獲取的音頻格式是位深16bit，單聲道。
Q：如何才能提高語音識別的準確率？
A： 自定義語音識別設置：打開百度開放云平臺，在創(chuàng)建的應用下進行自定義語音識別設置。上傳識別關鍵詞文本，保存并生效。
設置對應的語音識別垂類：在代碼中填寫識別的垂類領域，識別結(jié)果將優(yōu)先指向已設置的垂類，可以使得識別結(jié)果更準確
Q：百度語音SDK與其他百度SDK，或其他第三方SDK沖突時，如何解決？
A： 與其他百度SDK沖突一般是由于使用了相同的基礎庫galaxy.jar，請檢查是否重復導入了該jar包；與其他第三方SDK沖突一般是由于so庫的架構(gòu)不統(tǒng)一，請保證工程libs目錄下armeabi/armeabi-v7a/x86/mips目錄的so庫均一致，如果不能保證一致，則一般只能所有SDK僅使用armeabi架構(gòu)的so庫
Q：首次開啟語音識別功能的延遲時間較長，需要如何調(diào)控？
A： 首次延遲時間較長一般是由于權限驗證造成，可以通過預先調(diào)用接口：
(int)verifyApiKey:(NSString)apiKey withSecretKey:(NSString)secretKey;
來進行驗證。首次開啟語音時就不需要再發(fā)送驗證請求，從而降低語音識別啟動的延遲。
Q：如何在語音識別時獲取音頻文件？
A：
Api：cp服務器自己備存用戶錄音信息
Sdk：可以通過CLIENT_STATUS_AUDIO_DATA回調(diào)，將回調(diào)對象強轉(zhuǎn)成byte[]順序?qū)懭氲轿募屑纯傻玫皆嫉囊纛l文件。
Q：語音識別垂類是什么意思？
A： 語音識別垂類就是特指某個領域的意思，開發(fā)者可以根據(jù)用戶使用場景設定特定領域使得識別結(jié)果更準確。比如垂直領域設定為”音樂“，則在語音識別時會優(yōu)先識別為音樂相關的歌曲名歌手名或者歌詞。
Q：為什么語音識別Demo的API_Key和Secret_Key是空的還能進行識別呢？我開發(fā)的應用的API_Key和Secret_Key是不是必須得填寫呢？
A： SDK自帶demo用的特殊的方式驗證的，故可以不使用AK和SK。開發(fā)者自行開發(fā)的應用AK和SK是必須填寫的，否則無法調(diào)用語音識別。