Windows SDK 文档

1、简介#

#2、 SDK集成指南#

#2.1 Demo运行步骤#

#2.2 项目集成步骤#

#2.2.1 sdk包说明#

#2.2.2 sdk导入#

 #ifdef _WIN64
 #pragma comment(lib,"../libs/msc_x64.lib")
 #else
 #pragma comment(lib, "../libs/msc.lib")
 #endif

#2.2.3 API调用流程#

#2.3 参数与说明#

#2.3.1 动态修正#

#2.3.2 代理服务器设置#

net_type=custom, proxy_ip=<host>, proxy_port=<port>
其中，<host>,<port>替换为实际的代理服务器地址和端口。

例如：MSPLogin(NULL, NULL, "appid = 12345678, net_type=custom, proxy_ip=192.168.1.2, proxy_port=8080"); 注意：各参数间，以英文逗号分隔。

接口原型： int MSPLogin(const char* usr, const char* pwd, const char* params)

注意： 若在设置代理参数后，使用语音服务过程中，报错10204/10205/10212等网络异常错误时，请查阅以下内容，做出相关操作：

讯飞语音SDK的通信协议使用的是标准HTTP1.1协议，其代理协议使用的是标准HTTP代理协议。

代理服务器需要支持全双工多问多答方式，即 pipeline 模式。

代理服务器不能对80端口做限制，不能对如下域名做拦截： hdns.openspeech.cn scs.openspeech.cn open.xf-yun.com dev.voicecloud.cn

需要确保代理服务器只负责转发数据包，不能改变数据包的完整性和时序性。

代理服务器在转发数据包时，不能在HTTP协议头部添加 IE6 标识头。

#2.3.3 常用参数说明#

#2.3.4 识别结果#

{
    "sn": 1,
    "ls": true,
    "bg": 0,
    "ed": 0,
    "ws": [
        {
            "bg": 0,
            "cw": [
                {
                    "w": "今天",
                    "sc": 0
                }
            ]
        },
        {
            "bg": 0,
            "cw": [
                {
                    "w": "的",
                    "sc": 0
                }
            ]
        },
        {
            "bg": 0,
            "cw": [
                {
                    "w": "天气",
                    "sc": 0
                }
            ]
        },
        {
            "bg": 0,
            "cw": [
                {
                    "w": "怎么样",
                    "sc": 0
                }
            ]
        },
        {
            "bg": 0,
            "cw": [
                {
                    "w": "。",
                    "sc": 0
                }
            ]
        }
    ]
}

{
    "sn": 1,
    "ls": false,
    "bg": 0,
    "ed": 0,
    "ws": [
        {
            "bg": 0,
            "cw": [
                {
                    "w": "我想听",
                    "sc": 0
                }
            ]
        },
        {
            "bg": 0,
            "cw": [
                {
                    "w": "拉德斯基进行曲",
                    "sc": 0
                },
                {
                    "w": "拉得斯进行曲",
                    "sc": 0
                }
            ]
        }
    ]
}

#3、常见问题#

#错误码及相应解决方案查询网址#

答： 错误码及相应解决方案查询

#获取不到识别/听写结果#

答：原因可能是： QISRSessionBegin的参数设置不正确，如没有设置好正确的引擎类型等。 音频格式不对，客户端支持的音频编解码算法只支持16位Intel PCM格式的音频。

#获取到语音听写结果为空或错误内容或者内容不全的原因是什么？#

答：原因可能是：
1、音频格式不正确，客户端支持的音频编解码算法只支持16位Intel PCM格式的音频，请使用Cool Edit Pro工具（网页搜索下载即可）查看音频格式，sdk目前支持的格式是 pcm 和 wav 格式、音频采样率要是 16k 或者 8k、采样精度16 位、单声道音频。请使用cool edit软件（网页搜索下载此软件即可）查看音频格式是否满足相应的识别引擎类型
2、引擎的参数设置不正确，如没有设置好正确的引擎类型和采样率等。
3、音频中间有静音或者杂音音频超过了后端点（默认为2000ms）的设置，此时请使用Cool Edit Pro工具查看音频内容，并且设置后端点（vad_eos）为最大值10000ms
包含超过后端点最大值的静音或者杂音音频识别不完整是正常的。 4、此问题主要是在调用QISRAudioWrite时没有正确设置参数audioStatus所致，此参数在写入非最后一个音频数据块时需要设置为2，写入最后一个数据块时需要设置为4，以告诉MSC音频写入完毕。如果只有一个音频数据块，audioStatus也需要设置为4。

#可以拿到识别/听写结果但是响应很慢#

答：此问题可以尝试如下方法来解决： 调用QISRAudioWrite接口写音频数据时，尽量做到“匀速发送”——周期性的发送定长数据，做到边录边发，避免一次发送数据量过大的音频。 采用QISRAudioWrite接口和QISRGetResult接口混调的方式。在调用QISRAudioWrite接口时，可以检查out型参数recogStatus，如果其值为0，表明已经有（部分）识别结果缓存在MSC中了，此时可以调用QISRGetResult来获取结果。

#如何设置语音云服务URL？#

答：在MSPLogin接口中添加：server_url = http://YourDomainName/msp.do （YourDomainName是指语音云服务域名，请开发者自行替换） 例如：MSPLogin(NULL, NULL, "appid = 12345678, server_url = http://sdk.openspeech.cn/msp.do"); 注意：各参数间，以英文逗号分隔。 接口原型： int MSPLogin(const char* usr, const char* pwd, const char* params)

#SDK形式是否支持多路并发？#

答：sdk：客户端解决方案，支持Android、ios、windows、linux等平台，不支持并发; webapi：服务端解决方案，不限制平台、不限制语言，支持并发。

#如何设置识别业务所需的额外参数（其它业务类似）？#

答：如要设置参数：vad_eos = 10000和vad_bos = 10000
const char* session_begin_params = "sub = iat, domain = iat, language = zh_cn, accent = mandarin, sample_rate = 16000, result_type = plain, result_encoding = utf8, vad_eos = 10000, vad_bos = 10000"; 各类参数设置参考MSC Windows API 文档

#语音听写支持识别多长时间的音频，支持的音频格式是什么？#

答：语音听写的功能是可以识别60S以内的短音频，将音频转化成文本信息。
听写sdk目前支持的格式是 pcm 和 wav 格式、音频采样率要是 16k 或者 8k、采样精度16 位、单声道音频。请使用cool edit软件（网页搜索下载此软件即可）查看音频格式是否满足相应的识别引擎类型，否则识别为空或者识别为错误文本，格式必须正确，除上述格式均不识别，音频格式一定要满足要求。现语音听写WebAPI接口的中文普通话和英文支持mp3格式，如有需要，请参考语音听写（流式版）WebAPI
具体可以参考：http://bbs.xfyun.cn/forum.php?mod=viewthread&tid=7051
另外我们识别的音频长度最大为 60S，在使用音频是要注意你的本地音频的参数要和代码里的读取音频参数保持一致

#Windows听写sdk如何下载？#

答：文档中心---快速指引 有介绍步骤---根据步骤下载Windows在线听写sdk

#SDK是否支持本地语音能力？#

答：Windows平台SDK已经支持本地合成、本地命令词识别、本地语音唤醒功能了，创建应用后前往应用控制台下载各服务sdk即可。

#为什么超过一分钟的音频文件，一分钟后的部分无法识别？#

答：听写支持识别60s之内的音频，超过一分钟是无法识别的。

#每天免费使用量是多少呢？#

答：每天有500次的免费调用量，超过500次需要购买套餐包才能继续使用。

#为什么使用英文音频识别为中文？#

答：使用英文识别需设置language=en_us

#如何控制标点符号的返回？#

答：设置asr_ptt可控制标点符号的返回，通过此参数，设置听写文本结果是否含标点符号。0表示不带标点，1则表示带标点。