# 語音聽寫 Linux SDK 文檔

# 1、簡介

語音聽寫詳細的接口介紹及說明請參考： MSC Linux API 文檔 (opens new window)， 在集成過程中如有疑問，可登錄，查找答案或與其他開發者交流。

小語種：

• 目前小語種已經適配日語、俄語、西班牙語、法語、韓語，其他小語種敬請期待！

# 2、SDK集成指南

# 2.1 Demo運行步驟

# 2.2 項目集成步驟

# 2.2.1 sdk包說明

• bin：
  • msc（生成msc日志）
  • wav（符合標準的音頻文件樣例）
  • 相關資源文件
• doc：
  • 相關技術文檔
• include:
  • 調用SDK所需頭文件
• libs：
  • x86/libmsc.so（32位動態庫）
  • x64/libmsc.so（64位動態庫）
• samples：
  • iat_online_sample（語音聽寫示例-已錄制音頻）
  • iat_online_record_samplele（語音聽寫示例-從麥克風錄入）

注意：

• 為了減少SDK包在應用中占用的大小，官網在下載單個功能的SDK包時， 可能并不包含其他功能，如下載合成的SDK包時，可能不包含聽寫或喚醒等功能，因此在運行未包含功能的示例時，可能會報錯。對此請下載對應功能的SDK，或下載組合的SDK包。

# 2.2.2 sdk導入

1. 新建目錄Demo，將SDK中bin,include,libs文件夾復制到新建工程“Demo”文件夾下
2. 在demo目錄新建文件demo.c，詳細源碼請參考samples中對應的語音示例
3. 在demo目錄下，創建Makefile文件，具體參見samples下的Makefile，修改路徑和目標文件即可
4. 將samples目錄下“32bit_make.sh”文件或者“64bit_make.sh”文件拷到demo目錄下,修改libmsc.so庫搜索路徑
5. cd到demo目錄下，執行“source 32bit_make.sh”或者 “source 64bit_make.sh”完成編譯
6. cd到bin目錄下運行目標文件，SDK啟動后，bin/msc目錄下會生成日志（注意：msc文件夾下需有msc.cfg文件）

# 2.2.3 API調用流程

# 2.3 參數與說明

# 2.3.1 動態修正

自2019/8/16起，高階特點-動態圖修修愛免費使用開啟！可到這里 動態修正效果 (opens new window) 在線體驗

• 未開啟動態修正：實時返回識別結果，每次返回的結果都是對之前結果的追加；
• 開啟動態修正：實時返回識別結果，每次返回的結果有可能是對之前結果的的追加，也有可能是要替換之前某次返回的結果（即修正）；
• 開啟動態修正，相較于未開啟，返回結果的顆粒度更小，視覺沖擊效果更佳；
• 使用動態修正功能需到控制臺-流式聽寫-高級功能處點擊開通，并設置相應參數方可使用，參數設置方法：dwa=wpgs ；
• 動態修正功能僅 中文 支持；

未開啟與開啟返回的結果格式不同，若開通了動態修正功能并設置了dwa=wpgs（僅中文支持），會有如下字段返回：

# 2.3.2 代理服務器設置

net_type=custom, proxy_ip=<host>, proxy_port=<port>
其中，<host>,<port>替換為實際的代理服務器地址和端口。

舉個例子：MSPLogin(NULL, NULL, "appid = 12345678, net_type=custom, proxy_ip=192.168.1.2, proxy_port=8080"); 重視：各產品參數間，以英文怎么說單引號隔離。

模塊扮演者： int MSPLogin(const char* usr, const char* pwd, const char* params)

注意： 若在設置代理參數后，使用語音服務過程中，報錯10204/10205/10212等網絡異常錯誤時，請查閱以下內容，做出相關操作：

• 訊飛語音SDK的通信協議使用的是標準HTTP1.1協議，其代理協議使用的是標準HTTP代理協議。
• 代理服務器需要支持全雙工多問多答方式，即 pipeline 模式。
• 代理服務器不能對80端口做限制，不能對如下域名做攔截： hdns.openspeech.cn scs.openspeech.cn open.xf-yun.com dev.voicecloud.cn
• 需要確保代理服務器只負責轉發數據包，不能改變數據包的完整性和時序性。
• 代理服務器在轉發數據包時，不能在HTTP協議頭部添加 IE6 標識頭。

# 2.3.3 常用參數說明

注： 多候選效果是由引擎決定的，并非絕對的。即使設置了多候選，如果引擎并沒有識別出候選的詞或句，返回結果也還是單個。

# 2.3.4 識別結果

{
    "sn": 1,
    "ls": true,
    "bg": 0,
    "ed": 0,
    "ws": [
        {
            "bg": 0,
            "cw": [
                {
                    "w": "今兒",
                    "sc": 0
                }
            ]
        },
        {
            "bg": 0,
            "cw": [
                {
                    "w": "的",
                    "sc": 0
                }
            ]
        },
        {
            "bg": 0,
            "cw": [
                {
                    "w": "天氣預報",
                    "sc": 0
                }
            ]
        },
        {
            "bg": 0,
            "cw": [
                {
                    "w": "效果怎么樣樣",
                    "sc": 0
                }
            ]
        },
        {
            "bg": 0,
            "cw": [
                {
                    "w": "。",
                    "sc": 0
                }
            ]
        }
    ]
}

{
    "sn": 1,
    "ls": false,
    "bg": 0,
    "ed": 0,
    "ws": [
        {
            "bg": 0,
            "cw": [
                {
                    "w": "是想聽",
                    "sc": 0
                }
            ]
        },
        {
            "bg": 0,
            "cw": [
                {
                    "w": "拉德斯基做曲",
                    "sc": 0
                },
                {
                    "w": "拉得斯對其進行曲",
                    "sc": 0
                }
            ]
        }
    ]
}

# 3、常見問題

# 錯誤碼及相應解決方案查詢網址

答： 錯誤碼及相應解決方案查詢 (opens new window)

# 獲取到語音聽寫結果為空或錯誤內容或者內容不全的原因是什么？

答：原因可能是：
1、音頻格式不正確，客戶端支持的音頻編解碼算法只支持16位Intel PCM格式的音頻，請使用Cool Edit Pro工具（網頁搜索下載即可）查看音頻格式，sdk目前支持的格式是 pcm 和 wav 格式、音頻采樣率要是 16k 或者 8k、采樣精度16 位、單聲道音頻。請使用cool edit軟件（網頁搜索下載此軟件即可）查看音頻格式是否滿足相應的識別引擎類型
2、QISRSessionBegin的參數設置不正確，如沒有設置好正確的引擎類型等。
3、音頻中間有靜音或者雜音音頻超過了后端點（默認為2000ms）的設置，此時請使用Cool Edit Pro工具查看音頻內容，并且設置后端點（vad_eos）為最大值10000ms
包含超過后端點最大值的靜音或者雜音音頻識別不完整是正常的。

# 能獲取到語音聽寫結果但是不全

答：此故障 主要的是在取用QISRAudioWrite時還沒有正確合理布置成基本性能audioStatus可致，此基本性能在讀取非到最后的是兩個音屏動態參數塊時應要布置成為2，讀取到最后的是兩個動態參數塊時應要布置成為4，以講講MSC音屏讀取及時。要僅有是兩個音屏動態參數塊，audioStatus也要求布置成為4。

# 可以拿到識別/聽寫結果但是響應很慢

答：此困難可試試一下辦法來改善： 取用QISRAudioWriteusb模塊寫音響數值時，以免真正坐到“保持送”——周期時間性的送定長數值，真正坐到邊錄邊發，規避連續送數值過多會的音響。 主要采用QISRAudioWriteusb模塊和QISRGetResultusb模塊混調的方試。在取用QISRAudioWriteusb模塊時，可查檢out型參數指標recogStatus，假設其指標值0，表述就有（要素）設別效果轉碼在MSC中了，于此可取用QISRGetResult來得到 效果。

# 如何設置語音网络赚钱平台服務URL？

答：在MSPLoginusb接口標準中“添加：server_url = http://YourDomainName/msp.do （YourDomainName就是指聲音网络赚钱平台空間培訓注冊域名，請激發者自己替換成） 舉例說明：MSPLogin(NULL, NULL, "appid = 12345678, server_url = http://sdk.openspeech.cn/msp.do"); 注意力：各指標間，以因為分號分成。 usb接口標準原來： int MSPLogin(const char* usr, const char* pwd, const char* params)

# SDK形式是否支持多路并發？

答：sdk：玩家端滿足計劃，兼容Android、ios、windows、linux等游戲app，不兼容消息隊列; webapi：功能端滿足計劃，不約束游戲app、不約束語言，兼容消息隊列。

# 如何設置識別業務所需的額外參數（其它業務類似）？

答：如要設置參數：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";
各類參數設置參考

# 語音聽寫支持識別多長時間的音頻，支持的音頻格式是什么？

答：語音聽寫的功能是可以識別60S以內的短音頻，將音頻轉化成文本信息。
聽寫sdk目前支持的格式是 pcm 和 wav 格式、音頻采樣率要是 16k 或者 8k、采樣精度16 位、單聲道音頻。請使用cool edit軟件（網頁搜索下載此軟件即可）查看音頻格式是否滿足相應的識別引擎類型，否則識別為空或者識別為錯誤文本，格式必須正確，除上述格式均不識別，音頻格式一定要滿足要求。現語音聽寫WebAPI接口的中文普通話和英文支持mp3格式，如有需要，請參考語音聽寫（流式版）WebAPI (opens new window)
具體可以參考：http://bbs.teknisi-computer.com/forum.php?mod=viewthread&tid=7051
另外我們識別的音頻長度最大為 60S，在使用音頻是要注意你的本地音頻的參數要和代碼里的讀取音頻參數保持一致

# Linux聽寫sdk如何下載？

答：文檔中心---快速指引 (opens new window)有介紹步驟---根據步驟下載Linux在線聽寫sdk

# SDK是否支持本地語音能力？

答：Linux的平臺SDK以及支持軟件當地合成視頻、當地系統命令詞鑒別、當地qq語音呼喚作用了，組建采用后去采用掌握臺下載下載各功能sdk既可以。

# 如何不生成日志？

答：卸載msc系統手機文件夾下的msc.cfg既可以。

# arm架構如何使用SDK？

答：自定義可以提供的只能是X86的so庫，arm和mips的請上交對稱編譯，需分開付費。