# 语音听写 Linux SDK 文档

# 1、简介

语音听写详细的接口介绍及说明请参考： MSC Linux API 文档 (opens new window)， 在集成过程中如有疑问，可登录，查找答案或与其他开发者交流。

小语种：

• 目前小语种已经适配日语、俄语、西班牙语、法语、韩语，其他小语种敬请期待！

# 2、SDK集成指南

# 2.1 Demo运行步骤

# 2.2 项目集成步骤

# 2.2.1 sdk包说明

• bin：
  • msc（生成msc日志）
  • wav（符合标准的音频文件样例）
  • 相关资源文件
• doc：
  • 相关技术文档
• include:
  • 调用SDK所需头文件
• libs：
  • x86/libmsc.so（32位动态库）
  • x64/libmsc.so（64位动态库）
• samples：
  • iat_online_sample（语音听写示例-已录制音频）
  • iat_online_record_samplele（语音听写示例-从麦克风录入）

注意：

• 为了减少SDK包在应用中占用的大小，官网在下载单个功能的SDK包时， 可能并不包含其他功能，如下载合成的SDK包时，可能不包含听写或唤醒等功能，因此在运行未包含功能的示例时，可能会报错。对此请下载对应功能的SDK，或下载组合的SDK包。

# 2.2.2 sdk导入

1. 新建目录Demo，将SDK中bin,include,libs文件夹复制到新建工程“Demo”文件夹下
2. 在demo目录新建文件demo.c，详细源码请参考samples中对应的语音示例
3. 在demo目录下，创建Makefile文件，具体参见samples下的Makefile，修改路径和目标文件即可
4. 将samples目录下“32bit_make.sh”文件或者“64bit_make.sh”文件拷到demo目录下,修改libmsc.so库搜索路径
5. cd到demo目录下，执行“source 32bit_make.sh”或者 “source 64bit_make.sh”完成编译
6. cd到bin目录下运行目标文件，SDK启动后，bin/msc目录下会生成日志（注意：msc文件夹下需有msc.cfg文件）

# 2.2.3 API调用流程

# 2.3 参数与说明

# 2.3.1 动态修正

自2019/8/16起，高阶工作-情况调整法不要钱发展！可到这里 动态修正效果 (opens new window) 在线体验

• 未开启动态修正：实时返回识别结果，每次返回的结果都是对之前结果的追加；
• 开启动态修正：实时返回识别结果，每次返回的结果有可能是对之前结果的的追加，也有可能是要替换之前某次返回的结果（即修正）；
• 开启动态修正，相较于未开启，返回结果的颗粒度更小，视觉冲击效果更佳；
• 使用动态修正功能需到控制台-流式听写-高级功能处点击开通，并设置相应参数方可使用，参数设置方法：dwa=wpgs ；
• 动态修正功能仅 中文 支持；

未开启与开启返回的结果格式不同，若开通了动态修正功能并设置了dwa=wpgs（仅中文支持），会有如下字段返回：

# 2.3.2 代理服务器设置

net_type=custom, proxy_ip=<host>, proxy_port=<port>
其中，<host>,<port>替换为实际的代理服务器地址和端口。

比如说：MSPLogin(NULL, NULL, "appid = 12345678, net_type=custom, proxy_ip=192.168.1.2, proxy_port=8080"); 考虑：各参数设置间，以英语翻译句号固定。

接口类型类似的： int MSPLogin(const char* usr, const char* pwd, const char* params)

注意： 若在设置代理参数后，使用语音服务过程中，报错10204/10205/10212等网络异常错误时，请查阅以下内容，做出相关操作：

• 讯飞语音SDK的通信协议使用的是标准HTTP1.1协议，其代理协议使用的是标准HTTP代理协议。
• 代理服务器需要支持全双工多问多答方式，即 pipeline 模式。
• 代理服务器不能对80端口做限制，不能对如下域名做拦截： hdns.openspeech.cn scs.openspeech.cn open.xf-yun.com dev.voicecloud.cn
• 需要确保代理服务器只负责转发数据包，不能改变数据包的完整性和时序性。
• 代理服务器在转发数据包时，不能在HTTP协议头部添加 IE6 标识头。

# 2.3.3 常用参数说明

注： 多候选效果是由引擎决定的，并非绝对的。即使设置了多候选，如果引擎并没有识别出候选的词或句，返回结果也还是单个。

# 2.3.4 识别结果

{
    "sn": 1,
    "ls": true,
    "bg": 0,
    "ed": 0,
    "ws": [
        {
            "bg": 0,
            "cw": [
                {
                    "w": "今晚",
                    "sc": 0
                }
            ]
        },
        {
            "bg": 0,
            "cw": [
                {
                    "w": "的",
                    "sc": 0
                }
            ]
        },
        {
            "bg": 0,
            "cw": [
                {
                    "w": "天气怎么样",
                    "sc": 0
                }
            ]
        },
        {
            "bg": 0,
            "cw": [
                {
                    "w": "都样",
                    "sc": 0
                }
            ]
        },
        {
            "bg": 0,
            "cw": [
                {
                    "w": "。",
                    "sc": 0
                }
            ]
        }
    ]
}

{
    "sn": 1,
    "ls": false,
    "bg": 0,
    "ed": 0,
    "ws": [
        {
            "bg": 0,
            "cw": [
                {
                    "w": "想必听",
                    "sc": 0
                }
            ]
        },
        {
            "bg": 0,
            "cw": [
                {
                    "w": "拉德斯基参与曲",
                    "sc": 0
                },
                {
                    "w": "拉得斯通过曲",
                    "sc": 0
                }
            ]
        }
    ]
}

# 3、常见问题

# 错误码及相应解决方案查询网址

答： 错误码及相应解决方案查询 (opens new window)

# 获取到语音听写结果为空或错误内容或者内容不全的原因是什么？

答：原因可能是：
1、音频格式不正确，客户端支持的音频编解码算法只支持16位Intel PCM格式的音频，请使用Cool Edit Pro工具（网页搜索下载即可）查看音频格式，sdk目前支持的格式是 pcm 和 wav 格式、音频采样率要是 16k 或者 8k、采样精度16 位、单声道音频。请使用cool edit软件（网页搜索下载此软件即可）查看音频格式是否满足相应的识别引擎类型
2、QISRSessionBegin的参数设置不正确，如没有设置好正确的引擎类型等。
3、音频中间有静音或者杂音音频超过了后端点（默认为2000ms）的设置，此时请使用Cool Edit Pro工具查看音频内容，并且设置后端点（vad_eos）为最大值10000ms
包含超过后端点最大值的静音或者杂音音频识别不完整是正常的。

# 能获取到语音听写结果但是不全

答：此故障 具体是在都会进行QISRAudioWrite时无恰当制定基本产品参数audioStatus形成，此基本产品参数在读取非后来一步一款 音频统计资料块时是所需制定为2，读取后来一步一款 统计资料块时是所需制定为4，以跟MSC音频读取终止。若是 仅仅一款 音频统计资料块，audioStatus也是所需制定为4。

# 可以拿到识别/听写结果但是响应很慢

答：此问题还需要来尝试相应手段方法来彻底解决： 读取QISRAudioWrite双声道主板接口类型协议写双声道参数指标时，妥当做起“匀速直线运送”——期限性的运送定长参数指标，做起边录边发，杜绝以此运送参数指标过多的双声道。 进行QISRAudioWrite双声道主板接口类型协议和QISRGetResult双声道主板接口类型协议混调的手段。在读取QISRAudioWrite双声道主板接口类型协议时，还需要查out型参数指标recogStatus，若是 其参考值0，表示早就有（这部分）面部识别但是显示平缓在MSC中了，倘若还需要读取QISRGetResult来更改但是显示。

# 如何设置语音大发pk10服务URL？

答：在MSPLogin电源数据接口中填加：server_url = http://YourDomainName/msp.do （YourDomainName是说 语音聊天大发pk10空间于域名网址，请开发管理者及时修改） 比如：MSPLogin(NULL, NULL, "appid = 12345678, server_url = http://sdk.openspeech.cn/msp.do"); 小心：各参数值间，以英文版单引号跳仓。 电源数据接口办演： int MSPLogin(const char* usr, const char* pwd, const char* params)

# SDK形式是否支持多路并发？

答：sdk：消费者端化解改进策划方案，搭载Android、ios、windows、linux等网站，不搭载高连接数; webapi：服务项目端化解改进策划方案，不禁止网站、不禁止语音，搭载高连接数。

# 如何设置识别业务所需的额外参数（其它业务类似）？

答：如要设置参数：vad_eos = 10000和vad_bos = 10000
const char* session_begin_params = "sub = iat, domain = iat, language = zh_cn, accent = mandarin, sample_rate = 16000, result_type = plain, result_encoding = utf8, vad_eos = 10000, vad_bos = 10000";
各类参数设置参考

# 语音听写支持识别多长时间的音频，支持的音频格式是什么？

答：语音听写的功能是可以识别60S以内的短音频，将音频转化成文本信息。
听写sdk目前支持的格式是 pcm 和 wav 格式、音频采样率要是 16k 或者 8k、采样精度16 位、单声道音频。请使用cool edit软件（网页搜索下载此软件即可）查看音频格式是否满足相应的识别引擎类型，否则识别为空或者识别为错误文本，格式必须正确，除上述格式均不识别，音频格式一定要满足要求。现语音听写WebAPI接口的中文普通话和英文支持mp3格式，如有需要，请参考语音听写（流式版）WebAPI (opens new window)
具体可以参考：http://bbs.northseasurffestival.com/forum.php?mod=viewthread&tid=7051
另外大发pk10识别的音频长度最大为 60S，在使用音频是要注意你的本地音频的参数要和代码里的读取音频参数保持一致

# Linux听写sdk如何下载？

答：文档中心---快速指引 (opens new window)有介绍步骤---根据步骤下载Linux在线听写sdk

# SDK是否支持本地语音能力？

答：Linux系统SDK早已可以支持地方镶嵌、地方操作命令词识别系统、地方qq语音换醒功用了，新创建软件后赶赴软件管理台保存各服务保障sdk即刻。

# 如何不生成日志？

答：删掉msc程序夹下的msc.cfg必须。

# arm架构如何使用SDK？

答：正常供应的就有X86的so库，arm和mips的请修改信息交错编译，需随便费用。