一、前言

---

国内做语音识别的公司有很多，大家所熟知的几家公司主要有科大讯飞、阿里云、百度、腾讯等，由于各家的API或者SDK对接方式都差不多，本文采用百度的API进行演示。

二、对接流程

---

第一步：成为开发者

---

三步完成账号的基本注册与认证：

STEP1：点击进入控制台，选择需要使用的AI服务项。若为未登录状态，将跳转至登录界面，请您使用百度账号登录。如还未持有百度账户，可以点击此处注册百度账号。

STEP2：首次使用，登录后将会进入开发者认证页面，请填写相关信息完成开发者认证。注：(如您之前已经是百度云用户或百度开发者中心用户，此步可略过。)

STEP3：通过控制台左侧导航，选择语音能力引擎，进入语音技术的控制面板，进行相关操作。

第二步：领取免费额度

---

因为本文是个人版本的demo，所以使用的是免费额度（180天），正式企业应用也有一定的免费额度，当然后期使用肯定是需要付费的。

点击去领取：

选中语音识别：

1. 点击全选或者根据自己需要选择即可

1. 点击0元领取，然后刷新列表就可以看到自己已经领取成功了

第三步：创建应用

---

需要创建应用才可正式调用语音技术能力,基于应用创建成功后获取的API Key及Secret Key，进行接口调用操作，及相关配置。按照下图所示的操作流程，完成创建操作即可。

1.点击去创建

应用名称： 用于标识您所创建的应用的名称，支持中英文、数字、下划线及中横线，此名称一经创建完毕，不可修改。

接口选择： 每个应用可以勾选业务所需的所有AI服务的接口权限（仅可勾选具备免费试用权限的接口能力），语音技术下全部接口已默认勾选，创建应用完毕，此应用即具备了所勾选服务的调用权限。

语音包名：如果您需要使用语音技术SDK服务（iOS/Android），需要绑定包名信息，以便生成授权License。

应用归属：可选择个人使用或公司使用服务，若为公司使用，可与专属商务经理沟通，获取专业的售前支持。

应用描述： 对此应用的业务场景进行描述。

第四步：获取密钥

---

在创建完毕应用后，平台将会分配给我们此应用的相关凭证，主要为AppID、API Key、Secret Key。

第五步：生成签名

---

使用创建应用所分配到的AppID、API Key及Secret Key，进行Access Token（用户身份验证和授权的凭证）的生成。具体如下：

请求URL数据格式：

向授权服务地址https://aip.baidubce.com/oauth/2.0/token发送请求（推荐使用POST），并在URL中带上以下参数：

• grant_type： 必须参数，固定为client_credentials；

• client_id： 必须参数，应用的API Key；

• client_secret： 必须参数，应用的Secret Key；

注：

• API Key、Secret Key 均可在百度智能云控制台 各技术方向概览页的应用列表 处获取，若无应用请先进行创建；

• API Key、Secret Key用于接口调用鉴权，请务必注意保密，不可在公开文档或代码中以明文展示，否则可能导致账号被盗用。

例如：

https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials&client_id=Va5yQRHlA4Fq5eR3LT0vuXV4&client_secret=0rDSjzQ20XUj5itV6WRtznPQSzr5pVw2

java版本示例：

​
packagecom.baidu.ai.aip.auth;
​
importorg.json.JSONObject;
​
importjava.io.BufferedReader;
importjava.io.InputStreamReader;
importjava.net.HttpURLConnection;
importjava.net.URL;
importjava.util.List;
importjava.util.Map;
​
/**
* 获取token类
*/
publicclassAuthService {
​/*** 获取权限token* @return 返回示例：* {* "access_token": "24.460da4889caad24cccdb1fea17221975.2592000.1491995545.282335-1234567",* "expires_in": 2592000* }*/publicstaticStringgetAuth() {// 官网获取的 API Key 更新为你注册的StringclientId="百度云应用的AK";// 官网获取的 Secret Key 更新为你注册的StringclientSecret="百度云应用的SK";returngetAuth(clientId, clientSecret);}
​/*** 获取API访问token* 该token有一定的有效期，需要自行管理，当失效时需重新获取.* @param ak - 百度云官网获取的 API Key* @param sk - 百度云官网获取的 Secret Key* @return assess_token 示例：* "24.460da4889caad24cccdb1fea17221975.2592000.1491995545.282335-1234567"*/publicstaticStringgetAuth(Stringak, Stringsk) {// 获取token地址StringauthHost="https://aip.baidubce.com/oauth/2.0/token?";StringgetAccessTokenUrl=authHost// 1. grant_type为固定参数+"grant_type=client_credentials"// 2. 官网获取的 API Key+"&client_id="+ak// 3. 官网获取的 Secret Key+"&client_secret="+sk;try {URLrealUrl=newURL(getAccessTokenUrl);// 打开和URL之间的连接HttpURLConnectionconnection= (HttpURLConnection) realUrl.openConnection();connection.setRequestMethod("GET");connection.connect();// 获取所有响应头字段Map<String, List<String>>map=connection.getHeaderFields();// 遍历所有的响应头字段for (Stringkey : map.keySet()) {System.err.println(key+"--->"+map.get(key));}// 定义 BufferedReader输入流来读取URL的响应BufferedReaderin=newBufferedReader(newInputStreamReader(connection.getInputStream()));Stringresult="";Stringline;while ((line=in.readLine()) !=null) {result+=line;}/*** 返回结果示例*/System.err.println("result:"+result);JSONObjectjsonObject=newJSONObject(result);Stringaccess_token=jsonObject.getString("access_token");returnaccess_token;} catch (Exceptione) {System.err.printf("获取token失败！");e.printStackTrace(System.err);}returnnull;}
​
}

服务器返回的JSON文本参数如下：

• access_token： 要获取的Access Token；

• expires_in： Access Token的有效期(秒为单位，有效期30天)；

• 其他参数忽略，暂时不用;

例如：

{"refresh_token": "25.b55fe1d287227ca97aab219bb249b8ab.315360000.1798284651.282335-8574074","expires_in": 2592000,"scope": "public wise_adapt","session_key": "9mzdDZXu3dENdFZQurfg0Vz8slgSgvvOAUebNFzyzcpQ5EnbxbF+hfG9DQkpUVQdh4p6HbQcAiz5RmuBAja1JJGgIdJI","access_token": "24.6c5e1ff107f0e8bcef8c46d3424a0e78.2592000.1485516651.282335-8574074","session_secret": "dfac94a3489fe9fca7c3221cbf7525ff"
}

若请求错误，服务器将返回的JSON文本包含以下参数：

• error： 错误码；关于错误码的详细信息请参考下方鉴权认证错误码。

• error_description： 错误描述信息，帮助理解和解决发生的错误。

例如：

{"error": "invalid_client","error_description": "unknown client id"
}

鉴权认证错误码：

第六步：启动开发

---

百度提供了两种对接方式：API与SDK。我们这里选择了API的方式进行对接。

请求说明

语音数据上传 POST 方式有 2 种：

1. JSON 格式 POST 上传本地音频文件。

1. RAW 格式 POST 上传本地音频文件。

JSON 方式

• 音频文件，读取二进制内容后，进行 base64 编码后放在 speech 参数内。

• 音频文件的原始大小, 即二进制内容的字节数，填写 “len” 字段

由于使用 json 格式， header 为：Content-Type:application/json注意： 由于 base64 编码后，数据会增大 1/3。

RAW方式

• 音频文件，读取二进制内容后，直接放在 body 中。

• Content-Length 的值即为音频文件的大小。（一般代码会自动生成）。

由于使用 raw 方式， 采样率和文件格式需要填写在 Content-Type 中 ：Content-Type: audio/pcm;rate=16000

JSON方式上传音频

语音数据和其他参数通过标准 JSON 格式串行化 POST 上传， JSON 里包括的参数：

上传示例

JSON 格式 POST 上传本地文件

固定头部 header

Content-Type:application/json

请求示例

POSThttp://vop.baidu.com/server_api 

speech 参数填写为 文件内容 base64 后的结果：

{     "format":"pcm",     "rate":16000,     "dev_pid":1537,     "channel":1,     "token":xxx,     "cuid":"baidu_workshop",     "len":4096,     "speech":"xxx", // xxx为 base64（FILE_CONTENT）
}

返回示例

{
"corpus_no":"6433214037620997779",
"err_msg":"success.",
"err_no":0,"result":["北京科技馆。"],
"sn":"371191073711497849365"
}

注意事项

len 字段表示原始语音大小字节数，不是 base64 编码之后的长度。

RAW 方式上传音频

语音数据直接放在 HTTP BODY 中，控制参数以及相关统计信息通过 header 和 url 里参数传递。

Header 参数说明

语音数据的采样率和压缩格式在 HTTP-HEADER 里的 Content-Type 表明，例：

Content-Type: audio/pcm;rate=16000

url 参数说明

URL 示例

POSThttp://vop.baidu.com/server_api?dev_pid=1537&cuid=******&token=1.a6b7dbd428f731035f771b8d********.86400.1292922000-2346678-124328

// 或者使用自训练平台

POSThttp://vop.baidu.com/server_api?dev_pid=8002&lm_id=1234&cuid=******&token=1.a6b7dbd428f731035f771b8d********.86400.1292922000-2346678-124328 

raw 方式测试示例

curl-i-XPOST-H"Content-Type: audio/pcm;rate=16000""http://vop.baidu.com/server_api?dev_pid=1537&cuid=xxxxx&token=1.a6b7dbd428f731035f771b8d********.86400.1292922000-2346678-124328"--data-binary"@/home/test/test.pcm"

三、demo示例

---

第一步：准备音频文件

---

第二步：生成token

---

packagecom.speech.demo.common;
​
​
importcom.alibaba.fastjson2.JSONObject;
​
importjava.io.IOException;
importjava.net.HttpURLConnection;
importjava.net.URL;
​
/**
* token的获取类
* 将apiKey和secretKey换取token，注意有效期保存在expiresAt
*/
publicclassTokenHolder {
​publicstaticfinalStringASR_SCOPE="audio_voice_assistant_get";
​publicstaticfinalStringTTS_SCOPE="audio_tts_post";
​/*** url , Token的url，http可以改为https*/privatestaticfinalStringurl="http://aip.baidubce.com/oauth/2.0/token";
​/*** asr的权限 scope 是  "audio_voice_assistant_get"* tts 的权限 scope 是 "audio_tts_post"*/privateStringscope;
​/*** 网页上申请语音识别应用获取的apiKey*/privateStringapiKey;
​/*** 网页上申请语音识别应用获取的secretKey*/privateStringsecretKey;
​/*** 保存访问接口获取的token*/privateStringtoken;
​/*** 当前的时间戳，毫秒*/privatelongexpiresAt;
​/*** @param apiKey    网页上申请语音识别应用获取的apiKey* @param secretKey 网页上申请语音识别应用获取的secretKey*/publicTokenHolder(StringapiKey, StringsecretKey, Stringscope) {this.apiKey=apiKey;this.secretKey=secretKey;this.scope=scope;}
​
​/*** 获取token，refresh 方法后调用有效** @return*/publicStringgetToken() {returntoken;}
​/*** 获取过期时间，refresh 方法后调用有效** @return*/publiclonggetExpiresAt() {returnexpiresAt;}
​
​/*** 获取token** @return* @throws IOException   http请求错误* @throws DemoException http接口返回不是 200, access_token未获取*/publicvoidrefresh() throwsIOException, DemoException {StringgetTokenURL=url+"?grant_type=client_credentials"+"&client_id="+ConnUtil.urlEncode(apiKey) +"&client_secret="+ConnUtil.urlEncode(secretKey);
​// 打印的url出来放到浏览器内可以复现System.out.println("token url:"+getTokenURL);
​URLurl=newURL(getTokenURL);HttpURLConnectionconn= (HttpURLConnection) url.openConnection();conn.setConnectTimeout(5000);Stringresult=ConnUtil.getResponseString(conn);System.out.println("Token result json:"+result);parseJson(result);}
​/*** @param result token接口获得的result* @throws DemoException*/privatevoidparseJson(Stringresult) throwsDemoException {JSONObjectjson=JSONObject.parseObject(result);if (json.getString("access_token") ==null) {// 返回没有access_token字段thrownewDemoException("access_token not obtained, "+result);}if (json.getString("scope") ==null) {// 返回没有scope字段thrownewDemoException("scopenot obtained, "+result);}// scope = null, 忽略scope检查
​if (scope!=null&&!json.getString("scope").contains(scope)) {thrownewDemoException("scope not exist, "+scope+","+result);}token=json.getString("access_token");expiresAt=System.currentTimeMillis() +json.getLong("expires_in") *1000;}
}

​

第三步：调用API测试

---

语音识别测试:

packagecom.speech.demo.test;
​
​
importcom.alibaba.fastjson2.JSONObject;
importcom.speech.demo.common.ConnUtil;
importcom.speech.demo.common.DemoException;
importcom.speech.demo.common.TokenHolder;
​
importjava.io.File;
importjava.io.FileInputStream;
importjava.io.FileWriter;
importjava.io.IOException;
importjava.net.HttpURLConnection;
importjava.net.URL;
importjava.util.Base64;
​
publicclassAsrMain {/*** 默认以json方式上传音频文件*/
​privatefinalbooleanMETHOD_RAW=false;/*** 填写网页上申请的appkey 如 $apiKey="kVcnfD9iW2XVZSMaLMrtLYIz"*/privatefinalStringAPP_KEY="你的appKey";
​/*** 填写网页上申请的APP SECRET 如 $SECRET_KEY="O9o1O213UgG5LFn0bDGNtoRN3VWl2du6"*/privatefinalStringSECRET_KEY="你的secretKey";
​// 需要识别的文件privatefinalStringFILENAME="16k.pcm";
​/*** 文件格式, 支持pcm/wav/amr 格式，极速版额外支持m4a 格式*/privatefinalStringFORMAT=FILENAME.substring(FILENAME.length() -3);
​privateStringCUID="1234567JAVA";
​// 采样率固定值privatefinalintRATE=16000;
​privateStringURL;
​privateintDEV_PID;
​//private int LM_ID;//测试自训练平台需要打开此注释
​privateStringSCOPE;
​//  普通版 参数{// 可以改为httpsURL="http://vop.baidu.com/server_api";//  1537 表示识别普通话，使用输入法模型。 其它语种参见文档DEV_PID=1537;SCOPE="audio_voice_assistant_get";}
​// 自训练平台 参数/*{//自训练平台模型上线后，您会看见 第二步：“”获取专属模型参数pid:8001，modelid:1234”，按照这个信息获取 dev_pid=8001，lm_id=1234DEV_PID = 8001;LM_ID = 1234；}*/
​/* 极速版 参数{URL =   "http://vop.baidu.com/pro_api"; // 可以改为httpsDEV_PID = 80001;SCOPE = "brain_enhanced_asr";}*/
​/* 忽略scope检查，非常旧的应用可能没有{SCOPE = null;}*/
​publicstaticvoidmain(String[] args) throwsIOException, DemoException {AsrMaindemo=newAsrMain();// 填写下面信息Stringresult=demo.run();System.out.println("识别结束：结果是：");System.out.println(result);
​// 如果显示乱码，请打开result.txt查看Filefile=newFile("result.txt");FileWriterfo=newFileWriter(file);fo.write(result);fo.close();System.out.println("Result also wrote into "+file.getAbsolutePath());}
​
​publicStringrun() throwsIOException, DemoException {TokenHolderholder=newTokenHolder(APP_KEY, SECRET_KEY, SCOPE);holder.refresh();Stringtoken=holder.getToken();Stringresult=null;if (METHOD_RAW) {result=runRawPostMethod(token);} else {result=runJsonPostMethod(token);}returnresult;}
​privateStringrunRawPostMethod(Stringtoken) throwsIOException, DemoException {Stringurl2=URL+"?cuid="+ConnUtil.urlEncode(CUID) +"&dev_pid="+DEV_PID+"&token="+token;//测试自训练平台需要打开以下信息//String url2 = URL + "?cuid=" + ConnUtil.urlEncode(CUID) + "&dev_pid=" + DEV_PID + "&lm_id="+ LM_ID + "&token=" + token;StringcontentTypeStr="audio/"+FORMAT+"; rate="+RATE;//System.out.println(url2);byte[] content=getFileContent(FILENAME);HttpURLConnectionconn= (HttpURLConnection) newURL(url2).openConnection();conn.setConnectTimeout(5000);conn.setRequestProperty("Content-Type", contentTypeStr);conn.setRequestMethod("POST");conn.setDoOutput(true);conn.getOutputStream().write(content);conn.getOutputStream().close();System.out.println("url is "+url2);System.out.println("header is  "+"Content-Type :"+contentTypeStr);Stringresult=ConnUtil.getResponseString(conn);returnresult;}
​publicStringrunJsonPostMethod(Stringtoken) throwsDemoException, IOException {
​byte[] content=getFileContent(FILENAME);Stringspeech=base64Encode(content);
​JSONObjectparams=newJSONObject();params.put("dev_pid", DEV_PID);//params.put("lm_id",LM_ID);//测试自训练平台需要打开注释params.put("format", FORMAT);params.put("rate", RATE);params.put("token", token);params.put("cuid", CUID);params.put("channel", "1");params.put("len", content.length);params.put("speech", speech);
​// System.out.println(params.toString());HttpURLConnectionconn= (HttpURLConnection) newURL(URL).openConnection();conn.setConnectTimeout(5000);conn.setRequestMethod("POST");conn.setRequestProperty("Content-Type", "application/json; charset=utf-8");conn.setDoOutput(true);conn.getOutputStream().write(params.toString().getBytes());conn.getOutputStream().close();Stringresult=ConnUtil.getResponseString(conn);
​
​params.put("speech", "base64Encode(getFileContent(FILENAME))");System.out.println("url is : "+URL);System.out.println("params is :"+params.toString());
​
​returnresult;}
​privatebyte[] getFileContent(Stringfilename) throwsDemoException, IOException {Filefile=newFile(filename);if (!file.canRead()) {System.err.println("文件不存在或者不可读: "+file.getAbsolutePath());thrownewDemoException("file cannot read: "+file.getAbsolutePath());}FileInputStreamis=null;try {is=newFileInputStream(file);returnConnUtil.getInputStreamContent(is);} finally {if (is!=null) {try {is.close();} catch (IOExceptione) {e.printStackTrace();}}}
​}
​privateStringbase64Encode(byte[] content) {
​Base64.Encoderencoder=Base64.getEncoder(); // JDK 1.8  推荐方法Stringstr=encoder.encodeToString(content);
​/*char[] chars = Base64Util.encode(content); // 1.7 及以下，不推荐，请自行跟换相关库String str = new String(chars);*/
​returnstr;}
​
}

​

说明：

• appKey和secretKey填写你自己创建应用的即可，demo中使用的是我的

语音合成测试:

packagecom.speech.demo.test;
​
importcom.speech.demo.common.ConnUtil;
importcom.speech.demo.common.DemoException;
importcom.speech.demo.common.TokenHolder;
importjava.io.File;
importjava.io.FileOutputStream;
importjava.io.IOException;
importjava.io.PrintWriter;
importjava.net.HttpURLConnection;
importjava.net.URL;
​
​
publicclassTtsMain {
​publicstaticvoidmain(String[] args) throwsIOException, DemoException {(newTtsMain()).run();}
​/*** 填写网页上申请的appkey 如 $apiKey="kVcnfD9iW2XVZSMaLMrtLYIz"*/privatefinalStringappKey="你的appKey";
​/*** 填写网页上申请的APP SECRET 如 $SECRET_KEY="O9o1O213UgG5LFn0bDGNtoRN3VWl2du6"*/privatefinalStringsecretKey="你的secretKey";
​// text 的内容为"欢迎使用百度语音合成"的urlencode,utf-8 编码// 可以百度搜索"urlencode"privatefinalStringtext="欢迎使用百度语音";
​// 发音人选择, 基础音库：0为度小美，1为度小宇，3为度逍遥，4为度丫丫，// 精品音库：5为度小娇，103为度米朵，106为度博文，110为度小童，111为度小萌，默认为度小美privatefinalintper=0;// 语速，取值0-15，默认为5中语速privatefinalintspd=5;// 音调，取值0-15，默认为5中语调privatefinalintpit=5;// 音量，取值0-9，默认为5中音量privatefinalintvol=5;
​// 下载的文件格式, 3：mp3(default) 4： pcm-16k 5： pcm-8k 6. wavprivatefinalintaue=6;
​// 可以使用httpspublicfinalStringurl="http://tsn.baidu.com/text2audio";
​privateStringcuid="1234567JAVA";
​privatevoidrun() throwsIOException, DemoException {TokenHolderholder=newTokenHolder(appKey, secretKey, TokenHolder.ASR_SCOPE);holder.refresh();Stringtoken=holder.getToken();
​// 此处2次urlencode， 确保特殊字符被正确编码Stringparams="tex="+ConnUtil.urlEncode(ConnUtil.urlEncode(text));params+="&per="+per;params+="&spd="+spd;params+="&pit="+pit;params+="&vol="+vol;params+="&cuid="+cuid;params+="&tok="+token;params+="&aue="+aue;params+="&lan=zh&ctp=1";System.out.println(url+"?"+params); // 反馈请带上此url，浏览器上可以测试HttpURLConnectionconn= (HttpURLConnection) newURL(url).openConnection();conn.setDoInput(true);conn.setDoOutput(true);conn.setConnectTimeout(5000);PrintWriterprintWriter=newPrintWriter(conn.getOutputStream());printWriter.write(params);printWriter.close();StringcontentType=conn.getContentType();if (contentType.contains("audio/")) {byte[] bytes=ConnUtil.getResponseBytes(conn);Stringformat=getFormat(aue);Filefile=newFile("result."+format); // 打开mp3文件即可播放// System.out.println( file.getAbsolutePath());FileOutputStreamos=newFileOutputStream(file);os.write(bytes);os.close();System.out.println("audio file write to "+file.getAbsolutePath());} else {System.err.println("ERROR: content-type= "+contentType);Stringres=ConnUtil.getResponseString(conn);System.err.println(res);}}
​// 下载的文件格式, 3：mp3(default) 4： pcm-16k 5： pcm-8k 6. wavprivateStringgetFormat(intaue) {String[] formats= {"mp3", "pcm", "pcm", "wav"};returnformats[aue-3];}
}

​

第四步：结果展示

---

语音识别结果展示：

语音合成结果展示：

demo示例git地址：

---

https://gitlab.supcon5t.com/zhaojun/Sup-Speech-Demo.git

四、在线调试

---

如果不想在本地调试，也可以在线调试，百度提供了在线调试的方式：在线调试地址

五、总结

---

• 总体来说整个对接还是比较简单的，主要是用appKey和secretKey生成token，然后按照API要求进行调用即可

• 其他厂商的API调用基本也差不多这样，当然他们也提供SDK的集成方式，至于选择哪种方式都可以

• 百度语音识别技术

• 阿里云语音识别技术

• 科大讯飞语音识别技术

• 腾讯语音识别技术