1. 简介

语音识别技术（Automatic Speech Recognition）简称 ASR，是一种将人的语音转换为文本的技术。语音识别是一个多学科交叉的领域，它与声学、语音学、语言学、数字信号处理理论、信息论、计算机科学等众多学科紧密相连。语音识别技术的应用包括语音拨号、语音导航、室内设备控制、语音文档检索、简单的听写数据录入等。语音识别技术与其他自然语言处理技术如机器翻译及语音合成技术相结合，可以构建出更加复杂的应用，例如语音到语音的翻译

灵云语音识别为开发者提供业界优质的语音服务，通过场景识别优化，为车载导航，智能家居和社交聊天等行业提供语音解决方案，准确率达到 90% 以上，让您的应用绘“声”绘色。语音识别客户端 SDK 是一种面向多平台的解决方案，开发者可根据需要进行相应选择。指南中定义了语法识别、自由说识别、意图识别、实时识别、实时反馈、双路识别等服务接口的使用。关于各服务接口更详细的说明，请参考灵云SDK开发手册。

本文档旨在让开发者快速集成 ASR 能力 SDK，如在集成过程中如有疑问，可登录灵云开发者论坛，查找答案或与其他开发者交流。

1.1 概念解释

为了更好地理解后续的内容，这里对文档中出现的若干专有名词进行解释说明。

• 根据应用场景的不同，捷通华声将ASR主要分为两类：语法识别和自由说识别，分别提供本地识别和云端识别两种调用模式

本地识别：

  本地识别即离线识别模式，加载本地模型并调用本地识别引擎进行语音识别工作，使用的本地设备的计算能力。

云端识别：

  云端识别即在线识别模式，调用云端引擎进行语音识别工作，使用的是云端服务的计算能力。

语法识别：

  语法识别是指待识别的内容满足一定的规则，系统在语法文件(开发者提供)指定的规则范围内进行识别。有限命令词汇的识别我们也归为语法识别，可将这些命令词的集合看作是一种特殊的语法。常用于命令操作、简单的意图控制等。

自由说识别：

  自由说识别则不限定用户说话的范围、方式和内容。但在实际使用时，一般会根据讲话内容的领域采用相应的语言模型作为支撑，以便获得更好的识别率。常用于输入短信、微博或比较随意的对话系统等。

• 根据识别过程的实时性，还可以分为非流式识别，实时识别和实时反馈

非流式识别：

  非流式识别即非实时识别，音频数据在整体输入之后才会被进行识别，与实时识别相比响应速度会慢一些。一般用于识别音频数据文件。

实时识别：

  实时识别则可以实现边录音边识别，用户可以将音频数据分段多次传入，在输入音频结束后返回最终的识别结果，这样能够获得更快的响应速度。

实时反馈：

  实时反馈则在实时识别的基础上进一步优化用户体验，识别的中间过程中也可以反馈识别结果，并可以随着语音数据的增多，根据语境对已反馈的识别结果进行修正。

1.2 能力定义（capkey）

ASR 支持多种能力，通过 capkey 区分不同能力的调用和配置。其中常用 capkey 如下所示：

1.2.1 识别领域

能力定义的表格中，ASR 可以指定识别的领域，针对不同的领域使用其对应的模型进行识别，能够得到更为准确的识别结果。比如asr.cloud.freetalk下，指定领域为poi，对于导航路名的识别效果会很好、

1.2.2 资源文件

能力定义的表格中，本地能力需要加载的模型数据文件。不同的领域，需要不同的资源文件。

1.3 语法介绍

ASR 语法识别支持多种语法类型，其中包括jsgf，wordlist，wfst。

• JSGF（Java Speetch Grammar Format）是 W3C 制定的标准语法格式，可以参考JSGF规范。JSGF语法示例

  #JSGF V1.0
  grammar call;
  public <call> = 打电话给 <contactname>;
  <contactname> = ( 张三 | 李四 );
  

• wordlist 词条语法。wordlist 语法示例

  播放
  暂停
  停止
  上一首
  下一首
  

• wfst

语法识别支持支持在语法文件中设置权重，权重可以是任意浮点数，后面不带数字，缺省值为 1。

JSGF语法文件权重示例

  <size> = /10/ small | /2/ medium | /1/ large;
  <action> = please (/20/save files |/1/delete all files);
  <place> = /20/ <city> | /5/ <country>;

wordlist 语法文件权重示例

  四川长虹    /2/
  山西电力    /0.5/

1.4 调用流程

主要功能接口的调用过程，如下图所示

2. ASR能力使用说明

2.1 创建应用

在集成 ASR 之前，开发者需要在灵云开发者社区创建相关应用，并保存appkey，developerkey等信息。

2.2 导入SDK

导入 SDK 与平台相关性较强，这里将根据语言/平台分别进行介绍

2.2.1 使用iOS版SDK

2.2.1.1 下载SDK

下载语音识别SDK并解压缩。

2.2.1.2 库目录介绍

开发者可以根据自身需求组合所需要的库。

• 必选模块

  • libcurl_device_simulator_iOS7.1.a
  • libhci_sys_device_simulator_iOS7.1.a
  • libhci_asr_device_simulator_iOS7.1.a

• 云端识别

  • libhci_asr_cloud_recog_device_simulator_iOS7.1.a
  • libjtopus_device_simulator_iOS7.1.a
  • libjtspeex_recog_device_simulator_iOS7.1.a

• 本地语法识别

  • libhci_asr_local_recog_device_simulator_iOS7.1.a

• 本地自由说识别

  • libhci_asr_local_ft_recog_device_simulator_iOS7.1.a

2.2.1.3 导入静态库

在 SDK 解压目录下的 libs 文件夹中包含 ASR 能力所需要的静态库，开发者可以根据集成需要进行选择。

1. 请在工程目录结构中，添加语音识别(ASR)SDK，在选项TARGETS--> Build Phases-->Link Binary With Libraries-->Add Other，选择相应静态库文件并确认。

2. 添加系统依赖框架(Framework)和编译器选项 TARGETS-->Build Phases-->Link Binary With Libraries--> + -->'UIKit','Foundation','SystemConfiguration','Accelerate','CoreLocation'

3. 将语音识别(ASR)SDK的头文件引入您的工程中

   • hci_sys.h
   • hci_asr.h

4. 最后语音识别(ASR)SDK的编译环境是 libc++，在选项TARGETS--> Build Settings-->C++ Standard Library，选择libc++，同时在Other Link Flags 添加-ObjC。

2.3 导入资源文件

开发者若需调用本地识别能力，则必须将其依赖的资源文件导入工程中。

本地语法模型现提供两种

• model_carnav_common 通用模型
• model_carnav_embeded 车载模型

本地自由说模型现提供三种

• model_carnav_common 通用模型
• model_carnav_embeded 车载模型
• model_carnav_poi 导航模型

请针对不同场景，自行选择。

2.3.1 下载资源

如果需要使用本地语法识别，本地自由说识时，请下载相应资源包并解压缩。

2.3.2 资源导入

下图为左侧为本地语法识别的通用模型文件，右侧为本地自由说识别的通用小模型(60M)文件

从上面的资源图片可以看到本地语法识别和本地自由说识别所依赖的资源文件，存在同名的情况。如果同时导入工程目录中，会存在冲突问题。为了解决这个问题，灵云SDK中可以配置资源前缀参数（resPrefix），详见本地语法加载。

2.4 语法上传

如果是云端语法识别，需要开发者通过开发者社区自行上传语法文件，并获得可以使用的 ID。详情请咨询捷通华声。

3. ASR能力集成

本节主要讲述 ASR 能力的集成过程，开发者可根据本章节内容完成 ASR 能力的简单调用。本章节主要以语法识别为例讲述 ASR 能力的集成调用流程，调用顺序参考调用流程。其他使用场景的调用，可参见场景分类

3.1 通用模块初始化

在调用ASR能力之前，需要初始化灵云SDK的通用模块。详见灵云SDK开发手册

iOS示例代码

HCI_ERR_CODE errCode = HCI_ERR_NONE;
// appkey, developerKey, cloudUrl, authPath为必填项。
// 其他可配置信息请查询灵云SDK开发手册hci_init函数说明。
NSString *appkey = @"";           //开发者社区申请所得
NSString *developerKey = @"";     //开发者社区申请所得
NSString *cloudUrl = @"";         //开发者社区申请所得
NSString *authPath = @"";         //授权文件所在路径，一般设置为沙盒Document路径
NSString *config = [NSString stringWithFormat:@"appkey=%@,
                                                developerKey=%@,
                                                cloudUrl=%@,
                                                authPath=%@",
                                                appkey,
                                                developerKey,
                                                cloudUrl, 
                                                authPath];
errCode = hci_init(config.UTF8String);
if (errCode != HCI_ERR_NONE && errCode != HCI_ERR_SYS_ALREADY_INIT) {
    NSLog(@"hci_init failed, error: %d", errCode);
} else {
     NSLog(@"hci_init success");
}

3.2 授权检测

在初始化灵云SDK的通用模块后，还需要调用授权检测函数获取云端授权。

• iOS代码

  //获取过期时间
  int64 expireTime;
  int64 currentTime = (int64)time(NULL);
  HCI_ERR_CODE errCode = hci_get_auth_expire_time(&expireTime);
  if (errCode == HCI_ERR_NONE) {
    if (expireTime < currentTime) {
        errCode = hci_check_auth();
        if(errCode == HCI_ERR_NONE){
            NSLog(@"check auth success");
            return YES;
        }else{
            NSLog(@"check auth failed, error: %@", errCode);
            return NO;
        }
    }else{
        //没有过期
        NSLog(@"auth can use continue");
        return YES;
    }
  }
  //读取授权文件出现错误
  else if(errCode == HCI_ERR_SYS_AUTHFILE_INVALID){
    errCode = hci_check_auth();
    if(errCode == HCI_ERR_NONE){
        NSLog(@"check auth success");
        return YES;
    }else{
        NSLog(@"check auth failed, error: %@", errCode);
        return NO;
    }
  }else{
    NSLog(@"check auth failed, error: %@", errCode);
    return NO;
  }
  

3.3 ASR 初始化

在初始化灵云SDK的SYS通用模块和授权检测成功后，需调用 ASR 初始化函数。 注意： 初始化 ASR 之前，需要导入资源文件。若使用本地能力，SDK 需要相应的资源文件用于识别。dataPath 参数所传入的值就是 SDK 所依赖本地资源的文件夹路径。

• iOS 代码

    //initCapKeys为必填项，如果为本地语法识别或本地自由说识别dataPath为必填项。其他可配置信息请查询开发手册hci_asr_init函数说明。
    NSString *dataPath = [[NSBundle mainBundle] pathForResource:@"data" ofType:Nil];  //本地语法识别或本地自由说识别所需本地资源所在路径
    NSString *initCapKeys = @"asr.local.grammar.v4";  //语音识别(ASR)所需使用的能力列表，可以包含多种能力，用';'分号隔开
    NSString *config = [NSString stringWithFormat:@"dataPath =%@, initCapKeys =%@", dataPath, initCapKeys];
    HCI_ERR_CODE errCode = HCI_ERR_NONE;
    errCode = hci_asr_init(config.UTF8String);
    if (errCode != HCI_ERR_NONE){
        NSLog(@"hci_asr_init failed, error：%@", errCode);
        eturn NO;
    }
    NSLog(@"hci_asr_init success");
    return YES;
  

3.4 开启会话（session）

ASR 是通过会话（session）来管理识别过程的。在ASR能力初始化成功之后，需要通过开启识别会话来完成识别。

本地实时语法识别示例，如果是本地语法识别，在会话（session）开启前可以进行本地语法加载：

• iOS 代码

    // 开启session
    HCI_ERR_CODE errCode = HCI_ERR_NONE;
    NSString *config = @"capKey=asr.local.grammar.v4,realtime=yes";
    int sessionID;            // 开启会话成功后，会返回的会话ID
    errCode = hci_asr_session_start(config.UTF8String, &sessionID);
    if (errCode != HCI_ERR_NONE){
            NSLog(@"hci_asr_session_start failed, error：%@", errCode);
            return NO;
    }
    NSLog(@"hci_asr_session_start success");
    return YES;
  

3.5 语音识别

在启动会话（session）成功后，即可进行 ASR 识别过程。识别功能通过调用识别函数完成，如果是流式识别/实时反馈，则需要多次调用识别函数将语音数据送入 SDK。

• iOS 代码

    // 以语法识别为例
    HCI_ERR_CODE errCode = HCI_ERR_NONE;
    ASR_RECOG_RESULT asrResult;  // 识别结果保存
    NSString *config = @"audioFormat=pcm16k16bit,encode=none,grammarType=id,grammarId=100";
    // _sessionID：为开启会话（session）后获得的sessionID
    // _voiceData：为音频数据文件，数据类型为NSData
    errCode = hci_asr_recog(_sessionID, (void *)_voiceData.bytes, (unsigned int)_voiceData.length, config.UTF8String, NULL, &asrResult);
    if (errCode != HCI_ERR_NONE) {
        NSLog(@"hci_asr_recog failed, error：%@"errCode);
    }else{
        NSLog("hci_asr_recog success");
        NSString *strResult = nil;
        if (asrResult.psResultItemList > 0) {
            if (asrResult.psResultItemList[0].pszResult!= NULL){
                strResult = [NSString stringWithUTF8String:asrResult.psResultItemList[0].pszResult];
            }
        }
        if (strResult && strResult.length) {
        // 识别结果
        }else{
        }
        hci_asr_free_recog_result(&asrResult);
    }
  

  常见errcode，详见灵云SDK开发手册

3.6 结束识别

最后我们需要反初始化，依次关闭会话，终止 ASR 能力，关闭灵云系统。

• iOS 代码

    //结束session后，调用hci_asr_release和hci_release函数结束能力调用
    HCI_ERR_CODE errCode = HCI_ERR_NONE;
    errCode = hci_asr_session_stop(sessionID);  //sessionID：已经开启的会话的sessionID
    if (errCode != HCI_ERR_NONE){
        NSLog(@"hci_asr_session_stop failed, error：%@", errCode);
        return NO;
    }
    NSLog(@"hci_asr_session_stop success");
    errCode  = hci_asr_release();
    if (errCode != HCI_ERR_NONE){
        NSLog(@"hci_asr_release failed, error：%@", errCode);
        return NO;
    }
    NSLog(@"hci_asr_release success");
    errCode  = hci_release();
    if (errCode != HCI_ERR_NONE){
        NSLog(@"hci_release failed, error：%@", errCode);
        return NO;
    }
    NSLog(@"hci_release success");
    return YES;
  

常见errcode，详见灵云SDK开发手册

4. 场景分类

根据不同的使用场景划分为语法识别和自由说识别，同时还可以根据实时性分为非流式识别，实时识别和实时反馈。

4.1 语法识别

语法识别可以分为本地语法识别（asr.local.grammar.v4）和云端语法识别（asr.cloud.grammar）。系统根据开发者提供的语法文件在指定的语法范围内进行识别。这种识别计算资源消耗少，识别率较高，但是要求用户的说话内容必须符合指定的语法。 详见灵云SDK开发手册。

• iOS 代码

  使用语法识别需要导入相应平台的库，详见2.2.1.2 动态库目录介绍

    //本地语法识别前的语法加载过程
    NSString *dataPath = [[NSBundle mainBundle] pathForResource:@"data" ofType:Nil];
    NSString *capKey = @"asr.local.grammar.v4";  //语音识别能力
    NSString *resPrefix = @"grm_";               //资源加载前缀，不涉及多能力调用情况下，该配置可忽略。
    NSString *grammarType = @"jsgf";             //语法类型
    NSString *isFile = @"yes";                   //传入语法是否为文件类型
    NSString *grammarPath = [NSString stringWithFormat:@"%@/stock_10001.jsgf",dataPath];  //语法文件路径
    NSString *config = [NSString stringWithFormat:@"capKey=%@, resPrefix=%@, grammarType=%@, isFile=%@", capKey, resPrefix, grammarType, isFile];
    int grammarId;  //加载语法成功后，会返回的语法ID
    HCI_ERR_CODE errCode = hci_asr_load_grammar(config.UTF8String, grammarPath.UTF8String, &grammarId);
    if(errCode != HCI_ERR_NONE){
        NSLog(@"hci_asr_load_grammar, errcode：%@", errCode);
        return NO;
    }
    NSLog(@"hci_asr_load_grammar success");
    return YES;
  

  语音识别同时只能加载一个语法文件，再次加载语法文件，将自动卸载上次加载的语法文件。或者可以通过下面的方法显示卸载已加载的语法文件。

    HCI_ERR_CODE errCode = hci_asr_unload_grammar(grammarId);  //grammarId为已加载过的语法ID
    if(errCode != HCI_ERR_NONE){
        NSLog(@"hci_asr_unload_grammar failed, error：%@", errCode);
        return NO;
    }
    NSLog(@"hci_asr_unload_grammar success");
    return YES;
  

本地语法识别和本地自由说识别所需本地资源文件存在同名的情况，所以需要配置resPrefix项，如图：

常见errcode，详见灵云SDK开发手册

4.2 自由说识别

自由说识别分为本地自由说识别（asr.local.freetalk）和云端自由说识别（asr.cloud.freetalk）。不限定用户说话的范围、方式和内容。自由说识别常常需要较大的语言模型作为支撑，因此消耗计算资源较大。但这种识别可以用于输入短信、微博或比较随意的对话系统等。针对某些特定领域，也可以采用针对这一领域的语言模型作为支撑，因此对于说话集中在这个领域的内容会获得更好的识别率。例如可以针对歌曲歌手的名称专门建立“音乐”领域的自由说模型。

• iOS 代码

    //开启session
    HCI_ERR_CODE errCode = HCI_ERR_NONE;
    NSString *config = @"capKey=asr.local.freetalk";
    int sessionID;            //开启会话成功后，会返回的会话ID
    errCode = hci_asr_session_start(config.UTF8String, &sessionID);
    if (errCode != HCI_ERR_NONE){
        NSLog(@"hci_asr_session_start failed, error：%@", errCode);
        return NO;
    }
    NSLog(@"hci_asr_session_start success");
    return YES;
  

4.3 实时识别

启动会话时可通过设置 realtime=yes 来启用实时识别模式，之后可以持续调用识别函数传入语音数据。在识别过程中，如果返回HCI_ERR_ASR_REALTIME_WAITNG，表示未检测到语音活动结束(静音超过指定时长)；如果返如HCI_ERR_ASR_REALTIME_END，则表示检测到语音活动结束或者缓冲区满，此时需要调用识别函数传入 NULL 来获取识别结果。C++ 中对应的是 pvVoiceData 传入NULL 和 uiVoiceDataLen为0。

使用者也可以直接传入 NULL 完成识别并获取结果。。

调用识别函数 ，返回除 HCI_ERR_ASR_REALTIME_WATING 或 HCI_ERR_ASR_REALTIME_END 错误码则表示实时识别过程出错，此时 SDK 将取消该次实时识别， 如果用户继续调用该接口传输数据则自动开启一次新的实时识别。 其他情况，如果返回非 HCI_ERR_ASR_REALTIME_WATING 并且非 HCI_ERR_ASR_REALTIME_END 的结果时， 该次调用发送的数据不会被使用，实时识别任务不取消，下次再调用 recog函数发送的数据作为 前一次发送的延续。 实时识别只使用每次新开启时的pszConfig和pszGrammarData数据，在实时识别过程中再传入的pszConfig和pszGrammarData 总是会被忽略。

• iOS 代码

    //开启session
    HCI_ERR_CODE errCode = HCI_ERR_NONE;
    NSString *config = @"capKey=asr.cloud.freetalk,realtime=yes";
    int sessionID;            //开启会话成功后，会返回的会话ID
    errCode = hci_asr_session_start(config.UTF8String, &sessionID);
    if (errCode != HCI_ERR_NONE){
            NSLog(@"hci_asr_session_start failed, error：%@", errCode);
            return NO;
    }
    NSLog(@"hci_asr_session_start success");
    return YES;
  

    //每次获取音频文件后都可以传入hci_asr_recog进行识别，这里只是用while循环演示不断调用hci_asr_recog
    HCI_ERR_CODE errCode = HCI_ERR_NONE;
    ASR_RECOG_RESULT asrResult;  //识别结果保存
    NSString *config = @"audioFormat=pcm16k16bit,encode=none,grammarType=id,grammarId=100";
    //_sessionID：为开启会话（session）后获得的sessionID
    //voiceData：每次获取的音频数据文件，数据类型为NSData
    while (1){
        //hci_asr_recog参数中，由于是采用语法ID进行识别，所以pszGrammarData语法数据传值为NULL
        errCode = hci_asr_recog(_sessionID, (void *) voiceData.bytes, (unsigned int) voiceData.length, config.UTF8String, NULL, &asrResult);
        if (errCode == HCI_ERR_ASR_REALTIME_END) {
            //正常检测到端点，传入NULL和0，获取识别结果，退出循环
            errCode = hci_asr_recog(_sessionID,NULL,0, config.UTF8String, NULL, &asrResult);
            break;
        }else if (errCode == HCI_ERR_ASR_REALTIME_WAITING){
            //等待识别数据，继续循环
            continue;
        }else{
            // 其它错误，一般不会出现，出现很可能是由于输入数据无效,或实时识别过程错误。
            // 如果实时识别过程错误，则自动取消该次实时识别
            // 否则可以手动终止本次实时识别, 然后退出循环
            // 也可以继续循环，则下次hci_asr_recog()发送的数据会作为前次数据的延续
            break;
    }
  
    }
  

常见errcode，详见灵云SDK开发手册

4.4 实时反馈

实时反馈即在实时识别的基础上并不只在最后一次获取结果时反馈识别结果，在中间返回过程中也会返回识别结果，此时需要开发者根据返回的识别结果的结构体中的字段进行判断，如果uiResultItemCount > 0则存反馈结果。实时反馈结果不同于实时识别结果，实时反馈结果会分段返回结果。使用方式是在Session配置中指定realtime=rt参数。

• iOS 代码

    //开启session
    HCI_ERR_CODE errCode = HCI_ERR_NONE;
    NSString *config = @"capKey=asr.cloud.freetalk,realtime=rt";
    int sessionID;            //开启会话成功后，会返回的会话ID
    errCode = hci_asr_session_start(config.UTF8String, &sessionID);
    if (errCode != HCI_ERR_NONE){
            NSLog(@"hci_asr_session_start failed, error：%@", errCode);
            return NO;
    }
    NSLog(@"hci_asr_session_start success");
    return YES;
  

  与实时识别直接输出识别结果字符串不同，实时反馈在识别过程中不断返回当前的识别结果。每次获得到识别结果后，需要根据SegmentIndex分段序号来进行分段结果显示，分段序号从1开始，SegmentIndex改变或已经获取到下一个分段则表明前一个分段结果已经完整。

    {
        "SegmentCount":    1,
        "Segment":    [{
                "SegmentIndex":    1,
                "Text":    "北京",
                "Score":    408,
                "StartTime":    0,
                "EndTime":    1600
            }]
    }
    {
        "SegmentCount":    1,
        "Segment":    [{
                "SegmentIndex":    1,
                "Text":    "北京捷通华声",
                "Score":    2980,
                "StartTime":    0,
                "EndTime":    1800
            }]
    }
    {
        "SegmentCount":    1,
        "Segment":    [{
                "SegmentIndex":    1,
                "Text":    "北京捷通华声科技",
                "Score":    596,
                "StartTime":    0,
                "EndTime":    2600
            }]
    }
    {
        "SegmentCount":    1,
        "Segment":    [{
                "SegmentIndex":    1,
                "Text":    "北京捷通华声科技股份",
                "Score":    1071,
                "StartTime":    0,
                "EndTime":    3200
            }]
    }
    {
        "SegmentCount":    1,
        "Segment":    [{
                "SegmentIndex":    1,
                "Text":    "北京捷通华声科技股份有限公司",
                "Score":    1361,
                "StartTime":    0,
                "EndTime":    3800
            }]
    }
  

常见errcode，详见灵云SDK开发手册

5. FAQ

Q: resPrefix 参数有哪些作用？

A: resPrefix 的参数作用是，当调用本地能力时（本地语法，本地自由说或本地意图识别）时，本地识别引擎需要加载一些必要的本地资源文件用于识别。这时当工程目录中需要同时添加多种本地能力时，文件名存在重名状况会出现文件覆盖的情况，这是不被允许的。由于SDK中默认从工程目中读取文件的文件名时固定的，这时可以通过 resPrefix 参数来通知 SDK，需要读取的文件名在原有的基础上需要添加前缀读取，这时多种能力间文件名就解决了冲突问题。

Q: 我用你们的 ASR 流式识别，java console 控制台一直在打印 211:ASR REALTIME WAITING, 这是个什么错误？

A: 这个不是错误，ASR 流式识别，音频数据块是分片传入的，打印211是说明流式识别还没有检测到末端点，也就是未检测到足够长度的静音，还有音频在传输。

Q: 你们对每次传入的音频片段长度有什么要求？我调用你们的接口，返回了217号错误：HCI_ERR_ASR_VOICE_DATA_TOO_LARGE？

A: 每次传入的音频片段长度应在(0,32K)，否则会返回此错误。SDK流式识别，默认是会对音频做切分的。

Q: 你们的实时反馈模式，是否支持本地自由说和本地语法能力？

A: realtime=rt,实时反馈识别结果,仅云端自由说asr.cloud.freetalk支持，其它能力均不支持。

Q: 能否详细说明下端点检测参数vadhead,vadtail，vadthreshold这几个参数的用途？端点检测是否影响识别时间？

A:

• vad head是静音检测头部参数，是指一定时间内没有检测到有效语音就会返no-input-timeout错误，一般设置为10-30s，设置为0代表不检测头部静音超时。vad head不影响识别响应时间。
• vad tail是静音检测尾部参数，实时识别时，识别过程中 检测到连续vad tail时长的静音，认为一句话说完，返回本句的识别结果，一般设置为400-800ms。vad tail会对识别响应时间有影响。
• vad threshold仅影响端点检测灵敏度，越小越灵敏。

Q: 你们的ASR是否支持speex，opus，amr压缩格式？

A: SDK目前还没有开放对AMR格式的支持，后续会开放。云端如果直接通过http接口调用，是可以传amr格式的音频文件进行识别的。我们支持将音频以speex，opus两种方式进行压缩，默认是以speex格式。但是我们的speex，opus是自定义的jt-speex,jt-opus封包格式，和标准的ogg-speex,ogg-opus封包格式有区别。

Q: 你们的ASR对于单次输入的音频时长是否有限制？

A: 通过maxseconds参数控制，默认值为30S。如果输入的声音超过此长，非实时识别返回(HCI_ERR_DATA_SIZE_TOO_LARGE)实时识别返回(HCI_ERR_ASR_REALTIME_END)端点检测认为超过maxseconds为缓冲区满。 例外：云端非实时识别由于网速原因，暂时限定不能超过256k。

Q: 你们对语法文件大小是否有限制？我这边报错：HCI_ERR_ASR_GRAMMAR_DATA_TOO_LARGE？

A: 有限制，语法文件默认的大小范围是(0,64K] 。超出此范围会返回错误。

Q: 我的需求是实时识别，外接麦克风，说话就出结果，这个你们可以实现吗？

A: android，ios，windows c++版本，都有recorder的示例程序，在我们asr基础接口上，又封装了一层录音机。windows java版本的SDK，目前没有实现对录音机的封装。

Q: 你们的ASR都支持录入哪些音频格式？

A:

• 本地识别支持：pcm16k16bit

• 云端grammar语法识别支持：pcm16k16bit，ulaw16k8bit，alaw16k8bit

• 云端freetalk和dialog支持：pcm16k16bit，ulaw16k8bit，alaw16k8bit

注意，实时识别的端点检测暂不支持：alaw, ulaw