cynricshu / pie

百度云流式语音识别客户端 SDK

Geek Repo:Geek Repo

Github PK Tool:Github PK Tool

百度云流式语音识别客户端

项目结构

功能

本部分代码为asr streaming client端,支持的场景如下:

  • 大音频文件的识别
  • 音频流url的识别
  • 管道音频流的识别
  • 实时音频流的识别

常用参数

以下列举了常用的参数,具体参数可以参考对应目录的client

  • url:asr streaming server端的ip(需要联系百度同学获取)
  • port:asr streaming server端服务对应的端口号
  • enable_flush_data:是否连续输出,False表示一次只输出每段话识别的结果
  • product_id:每个product id对应一个后端解码器的模型
  • send_per_seconds:设置server发包间隔时间,推荐值为0.02,即20ms。发包大小会根据此值计算,计算方式为:发包大小 = send_per_seconds * 音频采样率 * 采样点字节数。对于8k音频,发包大小为320,16k音频,发包大小为640。
  • sleep_ratio:默认为1,在send_per_seconds和发包大小都使用推荐值的情况下,代表了实时音频流的处理速率。如果要加速处理,可以适当减小sleep_ratio,比如sleep_ratio=0.5时,代表了以两倍速率进行处理。处理速率过块,可能会造成丟字。 正常情况下,推荐设置为1.

Examples

在对应的目录下找到demo client运行:

Issues

相关问题可以直接提交issue,也可以提交给百度同学

Contact Us

使用之前请联系百度同学要到streaming server的ip和port、对应的product id,并且添加白名单信息(需要提供client出口ip,可以通过curl cip.cc获得)

About

百度云流式语音识别客户端 SDK


Languages

Language:Java 45.6%Language:Objective-C 22.5%Language:C++ 11.4%Language:Python 11.3%Language:C 2.4%Language:C# 2.2%Language:Objective-C++ 2.2%Language:Makefile 1.4%Language:Kotlin 1.0%Language:Ruby 0.1%