百度语音识别REST API——通过使用Http网络请求方式获得语音识别功能

百度语音识别通过REST API的方式给开发者提供一个通用的HTTP接口，基于该接口，开发者可以轻松的获取语音识别能力，本文档描述了使用语音识别服务REST API的方法。

优点：

较之开发者常用的获取语音识别功能的方法，本方法最大的优势是轻量级，不需要在所开发的应用中集成任何SDK开发工具包，也不需要在测试机中添加任何识别引擎软件，开发者只要了解Http网络请求以及百度语音识别 REST API的使用规则，即可轻轻松松在自己的应用中使用语音识别相关的功能了。

功能介绍：

REST API支持整段录音文件的识别，对录音格式有一定的要求，支持语音识别控件：集成提示音、音量反馈动效整套交互的对话框控件，方便开发者快速集成；

原始PCM的录音参数必须符合8k/16k采样率、16bit位深、单声道，支持的压缩格式有：pcm（不压缩）、wav、opus、speex、amr、x-flac。

使用方法：

注册开放平台及创新应用

注册方法可参见之前写的百度语音识别开放平台SDK使用方法一文，其中有详细的注册方法叙述。

从管理控制台进入创建的应用，如下图所示，API Key（client_id）和Secret Key（client_secret）即显示于其中, ID即为应用id（appid）。

根据百度OAuth的Client Credentials授权方式获取access_token。百度OAuth的Client Credentials和其他授权方式的说明见百度OAuth介绍的“百度支持的OAuth授权”部分。



其中，grant_type的值固定为client_credentials，client_id即为（3）中截图所示的 API Key的值，client_secret即为截图所示的Secret Key的值。更为详细的介绍请参见Client Credentials授权说明。

响应如下所示，其中access_token字段即为请求REST API所需的令牌, access_token有效期一般为一个月，开发者需要对access_token，进行有效性判断，过期需重新申请access_token。



API请求方式

 语音识别接口支持POST 方式

 目前API仅支持整段语音识别的模式，即需要上传整段语音进行识别

 语音数据上传方式有两种：隐示发送和显示发送

 原始语音的录音格式目前只支持评测8k/16k采样率16bit位深的单声道语音

 压缩格式支持：pcm（不压缩）、wav、opus、speex、amr、x-flac

 系统支持语言种类：中文（zh）、粤语（ct）、英文（en）

 正式地址：http://vop.baidu.com/server_api

语音上传模型

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：













其中，开发者可以把语音数据放在JSON序列的“speech”字段中，需要将语音先进行base64编码，并标明语音数据的原始长度，填写“len”字段；也可以直接提供语音下载地址放在“url”字段中，并且提供识别结果的回调地址，放在“callback”参数中。因此“speech”和“len”参数绑定，“url”和“callback”参数绑定，这张组参数二选一填写，如果都填，默认处理第一种。



表单类型在HTTP-HEADER里的content-type表明，例：






Content-length请填写JSON串的长度。

 上传实例：






 注意事项：

1， len字段表示原始语音长度，不是base64编码之后的长度。

2， speech和len字段绑定验证，url和callback绑定验证，两组参数二选一必填，如果都填，默认第一种方式。

3， 如果采用base64编码语音数据，数据量会增大1/3。

 显示发送：

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REST参数传递，REST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-length请填写原始语音长度。

 URL示例：






下行接口定义



两种上传方式都返回统一的结果，采用 JSON格式封装，如果识别成功，识别结果放在JSON的“result”字段中，统一采用utf-8方式编码。






 识别成功返回case：

{\"err_no\":0,\"err_msg\":\"success.\",\"corpus_no\":\"15984125203285346378\",\"sn\":\"481D633F-73BA-726F-49EF-8659ACCC2F3D\",\"result\":[\"\\u6211\\u633a\\u5e05\\u554a\\uff0c\\u5e05\\u54e5\\uff0c\"]}

 识别错误返回case：

{"err_no":2000,"err_msg":"data empty.","sn":null}



错误码解释

33xx：系统内部模块交互错误，服务此时可能不太稳定。

34xx：参数错误，请检查上行参数。

30xx-32xx：后端错误，后端资源可能出现错误

由于篇幅所限，具体使用方法在下篇文章介绍。