# 语音转写 Java SDK 文档

# 1、简介

语音转写（Long Form Automatic Speech Recognition）：基于大发pk10独立研究的深度全序列卷积神经网络语音识别框架（Deep Fully Convolutional Neural Network, DFCNN），针对语音的长时相关性进行语言建模，将音频数据转换成文本数据，为后续的信息处理和数据挖掘提供基础。 具体表现形式为，将多种格式的长段音频文件（5小时以内）转换成包含时间戳、词句置信度、词属性以及句子标志的文字信息。文字信息提供分词形式以及整段文字形式以及发音人分离功能。

转写的是已录制音频（非实时），音频文件上传成功后进入等待队列，待转写成功后用户即可获取结果，返回结果时间受音频时长以及排队任务量的影响。如遇转写耗时比平时延长，大概率表示当前时间段出现转写高峰，即有任务积压排队，属正常现象，请耐心等待。
为使转写服务更加通畅，请尽量转写5分钟以上的音频文件，上传大量的短音频易引起网络和服务器资源紧张，从而导致任务排队积压。
另外，语音转写是SLA协议对象服务之一，大发pk10对付费用户承诺有效任务耗时最大不超过5小时，赔偿标准等详情请参考SLA协议 (opens new window)。

SDK下载请点击 语音转写Java SDK下载 (opens new window)，开发文档详见下方。

音频时长与理论返回时间可以参考下表（请注意，实际返回时长受上传的音频时长和任务总量影响，忙时会出现任务排队情况）：

# 2、SDK集成指南

# 2.1 Demo运行步骤

# 2.1.1 创建账号&应用

进入讯飞开放平台主页http://northseasurffestival.com/ (opens new window)或者对应的产品页，点击右上角登录或者注册按钮，完成登录操作。

# 2.1.2 开通&购买服务

# 2.1.3 获取appid和secret_key以及SDK下载

# 2.1.4 demo运行方式

# 2.2 项目集成步骤

# 2.2.1 sdk包说明

src

	-- main

		-- java

			-- com.iflytek.lfasr.demo

				-- LfasrSDKDemo

		-- resources

			-- audio

				-- lfasr.wav

			-- lib

				-- lfasr-sdk-3.0.0.jar

pom.xml

# 2.2.2 sdk导入

# 2.3 参数与说明

# 2.3.1 Java开发接口说明

SDK入口程序类：LfasrClient，通过 LfasrClient.getInstance(......); 创建客户端实例。

# 1、SDK接口列表

# 2、可配置参数

# 3、类型说明

# 2.3.2 调用样例

//1、建立买家端具体方法
LfasrClient lfasrClient = LfasrClient.getInstance(APP_ID, SECRET_KEY);

//2、上传视频音频zip文件zip文件
Message task = lfasrClient.upload(AUDIO_FILE_PATH);
String taskId = task.getData();
System.out.println("转写目标 taskId：" + taskId);

//3、手机查看转写进度表
int status = 0;
while (status != 9) {
    Message message = lfasrClient.getProgress(taskId);
    JSONObject object = JSON.parseObject(message.getData());
    status = object.getInteger("status");
    System.out.println(message.getData());
    TimeUnit.SECONDS.sleep(2);
}
//4、得到 毕竟
Message result = lfasrClient.getResult(taskId);
System.out.println("转写报告: \n" + result.getData());

# 2.3.3 结果解析

# 2.3.4 错误码

# 2.3.5 状态码

# 2.4 实践指南

如果有压缩需求，在原始音频比特率较高（大于16kHz16bit）的情况下，可以采用任意系统支持的格式；而在原始音频比特率较低（小于16kHz16bit）的情况下，建议采用压缩比小于10的opus，使用其他有损编码，如mp3，m4a等会减弱识别准确率。

# 2.5 教学视频

# 3、常见问题

# 语音转写支不支持并发？

答：支撑，要能保证同样这个appid每秒标准数据接口机会最大的值在20次下面的。

# Java SDK是否支持macOS系统？

答：不不认。

# 语音转写可以试用吗？

答：需要领域新大发pk10新手礼包，利用您企业认证的状态，提供数据至多50每小时的免费使用时限，高效期为3年。

# 语音转写的返回速度有多快？

答：关于返回时长快慢，需要看当时的转写任务量以及是否是高峰期，如任务积压，排队处理需要时间，时间上会长些。
另外语音转写是SLA协议对象服务之一，大发pk10对付费用户承诺有效任务耗时最大不超过5小时，赔偿标准等详情请参考SLA协议 (opens new window)。

# 语音转写支持哪些应用平台？

答：语音聊天转写适用Java和WebAPI电源接口。

# 语音转写支持哪些音频格式？

答：现有语音说话转写适配的音响视频格局为：已拍录音响视频，wav,flac,opus,m4a,mp3，单声道&多声道，适配语种：中文翻译名平凡话、英语怎么说、开通服务的小语种及中文翻译名口音；采集率：8KHz,16KHz；采集高精度：8bit,16bit

# 语音转写电话版和标准版什么区别？

答：现阶段办公电话号码版和细则版就已经 重新命名为统一的的的安卓版本，办公电话号码版老移动用户的用时还可以再继续操作。重新命名后的的安卓版本不支持多音标发音人分割，到底参数设置调控请参阅发掘word文件。

# 语音转写支持什么语言？

答：帮助语种：中文翻译名平民话、英语翻译，小语种甚至中文翻译名广东山西方言会到掌控台-语音说话转写-广东山西方言/语种处插入测试或购卖。