# 语音听写 Windows SDK 文档

# 1、简介

语音听写详细的接口介绍及说明请参考： MSC Windows 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：暂不支持小语种。

# 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.dll（32位动态链接库）
  • msc_x64.dll（64位动态链接库）
  • 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：
  • msc.lib（32位静态链接库）
  • msc_x64.lib（64位静态链接库）
• samples：
  • samples.sln（VS工程文件，适用于vs2010、vs2012及以上Visual Studio版本）
  • iat_online_sample （语音听写示例-已录制音频）
  • iat_online_record_sample（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，如下载唤醒的SDK包时，可能不包含听写或合成等功能，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

• Step 1: 新建工程

• Step 2:配置工程属性

 #ifdef _WIN64
 #pragma comment(lib,"../libs/msc_x64.lib")
 #else
 #pragma comment(lib, "../libs/msc.lib")
 #endif

# 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，高阶功效-动态化步长兔费盛开！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。

举例：MSPLogin(NULL, NULL, "appid = 12345678, net_type=custom, proxy_ip=192.168.1.2, proxy_port=8080"); 准备：各技术参数间，以国外英文分号隔离线。

音频接口类似的： 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": "今天",
                    "sc": 0
                }
            ]
        },
        {
            "bg": 0,
            "cw": [
                {
                    "w": "的",
                    "sc": 0
                }
            ]
        },
        {
            "bg": 0,
            "cw": [
                {
                    "w": "天气",
                    "sc": 0
                }
            ]
        },
        {
            "bg": 0,
            "cw": [
                {
                    "w": "怎么样",
                    "sc": 0
                }
            ]
        },
        {
            "bg": 0,
            "cw": [
                {
                    "w": "。",
                    "sc": 0
                }
            ]
        }
    ]
}

{
    "sn": 1,
    "ls": false,
    "bg": 0,
    "ed": 0,
    "ws": [
        {
            "bg": 0,
            "cw": [
                {
                    "w": "我想听",
                    "sc": 0
                }
            ]
        },
        {
            "bg": 0,
            "cw": [
                {
                    "w": "拉德斯基进行曲",
                    "sc": 0
                },
                {
                    "w": "拉得斯进行曲",
                    "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)

# 获取不到识别/听写结果

答：诱因机会是： QISRSessionBegin的规格设定一高一低确，如都没有设定好合理的的汽车引擎种类等。 音响文件后缀名改不了，业主端的支持软件的音响编音响解码器svm算法只的支持软件16位Intel PCM文件后缀名的音响。

# 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、引擎的参数设置不正确，如没有设置好正确的引擎类型和采样率等。
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。 4、此问题主要是在调用QISRAudioWrite时没有正确设置参数audioStatus所致，此参数在写入非最后一个音频数据块时需要设置为2，写入最后一个数据块时需要设置为4，以告诉MSC音频写入完毕。如果只有一个音频数据块，audioStatus也需要设置为4。

# 可以拿到识别/听写结果但是响应很慢

答：此相关问题就还能能常试如下所示办法来搞定： 资源资源读取QISRAudioWrite标准插口方式方法写音响数据报告表格报告时，时应做出“匀速直线发布”——的有周期规律可循的发布定长数据报告表格报告，做出边录边发，避开次发布数据报告表格报告过量的音响。 进行QISRAudioWrite标准插口方式方法和QISRGetResult标准插口方式方法混调的方式方法。在资源资源读取QISRAudioWrite标准插口方式方法时，就还能能审核out型性能recogStatus，假设其值一般选择0，表面就已经有（那部分）识别系统报告单缓存能力在MSC中了，同时就还能能资源资源读取QISRGetResult来更改报告单。

# 如何设置语音大发pk10服务URL？

答：在MSPLogin标准电源接口中添加图片：server_url = http://YourDomainName/msp.do （YourDomainName通常是指微信语音大发pk10应用性注册域名，请的开发者自主复制） 列如 ：MSPLogin(NULL, NULL, "appid = 12345678, server_url = http://sdk.openspeech.cn/msp.do"); 要留意：各数据间，以国外英文句号固定。 标准电源接口角色介绍： int MSPLogin(const char* usr, const char* pwd, const char* params)

# SDK形式是否支持多路并发？

答：sdk：朋友端化解计划设计方案，支撑Android、ios、windows、linux等app网站，不支撑消息队列; webapi：提供服务端化解计划设计方案，不上限app网站、不上限编程语言，支撑消息队列。

# 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

# Windows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Windows在线听写sdk

# SDK是否支持本地语音能力？

答：WindowsappSDK逐渐扶持本机组成、本机指令词自动识别、本机音频重启作用了，建立选用后到达选用管理台安装各贴心服务sdk就行了。

# 为什么超过一分钟的音频文件，一分钟后的部分无法识别？

答：听写支持系统识别系统图片60s天内的录音，已经超过一点钟是没有办法识别系统图片的。

# 每天免费使用量是多少呢？

答：经常有500次的免费手机启用量，大于500次要有买入套餐包包方可再次应用。

# 为什么使用英文音频识别为中文？

答：在使用英文翻译识别需安装language=en_us

# 如何控制标点符号的返回？

答：配置asr_ptt可把握标点英文字母符号的刷新页面，依据此参数指标，配置听写文内容最后是含标点英文字母符号。0说明不用标点，1则说明带标点。