com.alibaba.nls.client.protocol.asr

Class SpeechRecognizer

java.lang.Object

com.alibaba.nls.client.protocol.SpeechReqProtocol

com.alibaba.nls.client.protocol.asr.SpeechRecognizer

public class SpeechRecognizer
extends SpeechReqProtocol

Created by zhishen on 2017/11/24. 语音识别器,用于设置及发送识别请求,处理识别结果回调 非线程安全

Nested Class Summary

Nested classes/interfaces inherited from class com.alibaba.nls.client.protocol.SpeechReqProtocol

SpeechReqProtocol.State

Field Summary

Fields inherited from class com.alibaba.nls.client.protocol.SpeechReqProtocol

accessToken, conn, context, currentTaskId, header, payload, state

Constructor Summary

Constructors

Constructor and Description
SpeechRecognizer(NlsClient client, SpeechRecognizerListener listener)

Method Summary

Modifier and Type	Method and Description
void	close() 关闭连接
String	getFormat()
Integer	getSampleRate()
void	send(byte[] data) 自己控制发送，需要控制发送速率
void	send(InputStream ins) 实时采集音频流
void	send(InputStream ins, int batchSize, int sleepInterval) 语音数据来自文件，发送时需要控制速率，使单位时间内发送的数据大小接近单位时间原始语音数据存储的大小 <对于8k pcm 编码数据，建议每发送3200字节 sleep 200 ms/li> 对于16k pcm 编码数据，建议每发送6400字节 sleep 200 ms/li> 对于其它编码格式的数据，用户根据压缩比，自行估算，比如压缩比为10:1的 16k opus ，需要每发送6400/10=640 sleep 200ms/li>
void	setEnableIntermediateResult(boolean isEnable) 是否返回中间识别结果，默认为false
void	setEnableITN(boolean enableITN) 设置开启ITN(Inverse Text Normalization）,,开启后汉字数字将转为阿拉伯数字输出,默认关闭
void	setEnablePunctuation(boolean isEnable) 是否在识别结果中添加标点，默认值为false
void	setFormat(InputFormatEnum format) 输入音频格式
void	setSampleRate(SampleRateEnum sampleRate) 输入音频采样率 8000 16000
void	start() 开始语音识别:发送识别请求,同步接收服务端确认
void	stop() 结束语音识别:发送结束识别通知,接收服务端确认

Methods inherited from class com.alibaba.nls.client.protocol.SpeechReqProtocol

addCustomedParam, getAccessToken, getAppKey, getConnection, getState, getTaskId, putContext, serialize, setAppKey, setTaskId

Methods inherited from class java.lang.Object

clone, equals, finalize, getClass, hashCode, notify, notifyAll, toString, wait, wait, wait

Constructor Detail

SpeechRecognizer

public SpeechRecognizer(NlsClient client,
                        SpeechRecognizerListener listener)
                 throws Exception

Throws:

Exception

Method Detail

getFormat

public String getFormat()

setFormat

public void setFormat(InputFormatEnum format)

输入音频格式

Parameters:

format - pcm opu opus speex

getSampleRate

public Integer getSampleRate()

setSampleRate

public void setSampleRate(SampleRateEnum sampleRate)

输入音频采样率 8000 16000

Parameters:

sampleRate -

setEnableIntermediateResult

public void setEnableIntermediateResult(boolean isEnable)

是否返回中间识别结果，默认为false

Parameters:

isEnable -

setEnablePunctuation

public void setEnablePunctuation(boolean isEnable)

是否在识别结果中添加标点，默认值为false

Parameters:

isEnable -

setEnableITN

public void setEnableITN(boolean enableITN)

设置开启ITN(Inverse Text Normalization）,,开启后汉字数字将转为阿拉伯数字输出,默认关闭

Parameters:

enableITN -

send

public void send(byte[] data)

自己控制发送，需要控制发送速率

Parameters:

data -

send

public void send(InputStream ins)

实时采集音频流

Parameters:

ins -

send

public void send(InputStream ins,
                 int batchSize,
                 int sleepInterval)

语音数据来自文件，发送时需要控制速率，使单位时间内发送的数据大小接近单位时间原始语音数据存储的大小

• <对于8k pcm 编码数据，建议每发送3200字节 sleep 200 ms/li>
• 对于16k pcm 编码数据，建议每发送6400字节 sleep 200 ms/li>
• 对于其它编码格式的数据，用户根据压缩比，自行估算，比如压缩比为10:1的 16k opus ，需要每发送6400/10=640 sleep 200ms/li>

Parameters:

ins - 离线音频文件流

batchSize - 每次发送到服务端的数据大小

sleepInterval - 数据发送的间隔，即用于控制发送数据的速率，每次发送batchSize大小的数据后需要sleep的时间

start

public void start()
           throws Exception

开始语音识别:发送识别请求,同步接收服务端确认

Throws:

Exception

stop

public void stop()
          throws Exception

结束语音识别:发送结束识别通知,接收服务端确认

Throws:

Exception

close

public void close()

关闭连接