baidubce / pie

百度云流式语音识别客户端

项目结构

• audio-streaming-server-cpp：c++/c版本client sdk

• audio-streaming-server-java：java版本client sdk

• audio-streaming-server-python：python版本client sdk

• audio-streaming-server-c#：c#版本client sdk, beta version

• audio-streaming-server-go：go版本client sdk

• android-demo：基于java sdk实现的android实时音频流识别的demo app

• ios-demo 基于 proto 实现的 ios 实时音频流识别的 demo app，内部实现了 ios 的 grpc client

• java-demo 基于java sdk实现的不同方案的demo

• windows c++ windows c++版本client sdk

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：

• c++/c

• java

• python

• c#

• go

• android

Issues

相关问题可以直接提交issue，也可以提交给百度同学

Contact Us

个人用户请至ai.baidu.com体验，企业客户体验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）