输入参数

更新时间：2023-11-03

输入参数列表

PRODUCT_ID

根据您需要的识别语言和模型选择PRODUCT_ID参数

输入法模型：效果同百度输入法的语音输入。适合于长句识别。

语义解析：自然语言文本是用户意图的表述，语义解析的目的就是将文本分词并解析成意图表示。语义解析仅支持普通话输入法模型。在线语义详细说明请查看“语义理解协议”文档

PID	语言	模型	是否有标点	在线语义
1537	普通话	语音近场识别模型	有标点（逗号）	不支持
15372	普通话	语音近场识别模型	加强标点（逗号、句号、问号、感叹号）	不支持
15373	普通话	语音近场识别模型	加强标点（逗号、句号、问号、感叹号）	支持
1737	英语		有标点（逗号）	不支持
1637	粤语		有标点（逗号）	不支持
16372	粤语		加强标点（逗号、句号、问号、感叹号）	不支持
1837	四川话		有标点（逗号）	不支持

自训练平台模型的pid

PID	语言	模型	是否有标点	在线语义
8001	普通话	输入法模型	逗号	不支持

BDSSDKMessage

BDSSDKMessage 包可以认为是用户向SDK发送命令。由一个标明意向的name，及该name相关的参数组成，然后通过post函数传递命令。

name	说明	参数
ASR_CMD_CONFIG	设置配置参数	见本节的“ASR_CMD_CONFIG 输入参数”
ASR_CMD_START	设置启动参数	见本节的“ASR_CMD_START” 输入参数”
ASR_CMD_PUSH_AUDIO	传递音频数据	见本节的“ASR_CMD_PUSH_AUDIO” 输入参数”
ASR_CMD_STOP	停止当前音频流输入	无
ASR_CMD_CANCEL	取消当前的整个识别过程	无

   BDSSDKMessage params;
   params.name=ASR_CMD_CONFIG; // 这里设置name
   params.set_parameter(xxxx, yyyyy);// 根据文档或者demo，设置参数
   bool is_success =sdk->post(params, err_msg)); // 发送这个命令

ASR_CMD_CONFIG 参数

bool 表示 int =0 （关闭）和 =1 (开启) 的值

参数名	参数类型 / 值	必填选填	常用程度	说明
ASR_PARAM_KEY_APP_ID	string	必填	常用	您在网站上申请的应用appId
ASR_PARAM_KEY_API_KEY	string	必填	常用	您在网站上申请的应用appKey
ASR_PARAM_KEY_PRODUCT_ID	int	必填	常用	根据需要识别的语言，及模型选择一个PID值，中文输入法模型是1537。具体值见上一个表格，PRODUCT_ID。
ASR_PARAM_KEY_LMID	int	选填	常用	自训练平台上线后的模型Id，必须和自训练平台的PID连用。
ASR_PARAM_KEY _MAX_SPEECH_PAUSE	float	选填	常用	默认值70帧（=700ms）。VAD检测xxx帧静音后认为一句话结束。一帧 = 10ms
ASR_PARAM_KEY_SAVE_AUDIO_ENABLE	bool	选填	常用	默认关闭，用于保存识别过程中的音频数据
ASR_PARAM_KEY_SAVE_AUDIO_PATH	string	选填	常用	保存音频文件路径，ASR_PARAM_KEY_SAVE_AUDIO_ENABLE开启后生效，默认路径为程序启动目录下的sdk_save_audio.d里。音频文件以单次识别为分割，文件以日期命名，精确到微秒，后缀为.pcm
COMMON_PARAM _KEY_DEBUG_LOG_LEVEL	TBDVoiceRecognition DebugLogLevel	选填	常用	设置日志级别，日志可以使用open_log_file保存到文件中
	EVRDebugLogLevelOff	默认	不常用	关闭日志，仅测试是使用
	EVRDebugLogLevelTrace		常用	开启所有日志，反馈请开启这个级别日志
ASR_PARAM_KEY _COMPRESSION_TYPE	TBDVoiceRecognition AudioCompressionType	选填	不常用	SDK内部传输到百度服务端的音频流压缩格式，仅仅在与百度服务端通讯带宽不够的情况下设置。注意此处不是输入格式。输入格式见ASR_PARAM_KEY_SAMPLE_RATE。
	EVR_AUDIO _COMPRESSION_PCM	推荐	常用	不压缩，以原始音频pcm格式上传。
	EVR_AUDIO _COMPRESSION_BV32	默认	不常用	BV有损压缩格式传输，8倍压缩
	EVR_AUDIO _COMPRESSION_AMR		不常用	AMR有损压缩格式传输，16倍压缩
ASR_PARAM_KEY_SAMPLE_RATE	BDVoiceRecognition RecordSampleRateFlags	选填	固定值	原始音频的采样率。输入音频流的音频格式为raw，或者是pcm文件输入流。单声道，16bits，小端序
	EVoiceRecognition RecordSampleRate16K	默认	常用	16000的采样率，推荐
ASR_PARAM_KEY _DISABLE_PUNCTUATION	bool	选填	固定值	固定值1，仅当不需要标点时将其设置为0
ASR_PARAM_KEY _ENABLE_LONG_SPEECH	bool	选填	固定值	固定值1，长语音参数，识别可以超过60s
ASR_PARAM_KEY _CHUNK_ENABLE	bool	必填	固定值	固定值1
ASR_PARAM_KEY _MFE_DNN_DAT_FILE	string	必填	固定值	固定值为bds_easr_mfe_dnn.dat文件的路径
ASR_PARAM_KEY _MFE_CMVN_DAT_FILE	string	必填	固定值	固定值为bds_easr_mfe_cmvn.dat文件的路径

ASR_CMD_START 参数

参数名	参数类型 / 值	必填	说明
ASR_PARAM_KEY_APP	string	必填	您自己应用的名称，英文字母数字及下划线
ASR_PARAM_KEY_PLATFORM	string	必填	固定值 "Linux"
ASR_PARAM_KEY_SDK_VERSION	string	必填	固定值 "sdk3.0"，该值随版本而定，具体参见demo

ASR_CMD_PUSH_AUDIO参数

传输方式见：”接口使用及调用流程：传递音频数据“一节

参数名	参数类型 / 值	必填	说明
DATA_CHUNK	二进制及其长度	是	传入音频流二进制数组及长度，长度为0表示音频流结束

调用流程

输出参数

百度智能云

语音技术