實(shí)時(shí)語音評(píng)測(cè) API 簡(jiǎn)介

概念解釋

實(shí)時(shí)語音評(píng)測(cè)：實(shí)時(shí)語音口語評(píng)測(cè)服務(wù)可實(shí)現(xiàn)對(duì)連續(xù)音頻流的實(shí)時(shí)識(shí)別，并最終對(duì)用戶的讀音進(jìn)行評(píng)測(cè)。

說明

Hi，您好，歡迎使用有道智云智能語音評(píng)測(cè)服務(wù)。

如果您想快速體驗(yàn)服務(wù)，建議您前往 實(shí)時(shí)語音評(píng)測(cè)體驗(yàn)中心 或者在體驗(yàn)中心右下側(cè)找到小程序二維碼，掃描進(jìn)行體驗(yàn)。

本文檔主要針對(duì)需要集成實(shí)時(shí)語音識(shí)別服務(wù)HTTP API的開發(fā)工程師，詳細(xì)描述有道智云實(shí)時(shí)語音評(píng)測(cè)能力及如何集成的技術(shù)內(nèi)容。

如果您有與我們商務(wù)合作的需求，可以通過以下方式聯(lián)系我們：

商務(wù)郵箱： AIcloud_Business@corp.youdao.com

如果您對(duì)文檔內(nèi)容有任何疑問，可以通過以下幾種方式聯(lián)系我們：

客服QQ：1906538062

智云語音技術(shù)交流QQ群：861723255

聯(lián)系郵箱： zhiyun@corp.youdao.com

溫馨提示：

• 本文檔主要針對(duì)開發(fā)人員，接入測(cè)試前需要在后臺(tái)創(chuàng)建API應(yīng)用，獲取應(yīng)用ID和應(yīng)用密鑰；如果您還沒有，請(qǐng)按照 新手指南 獲取。
• 平臺(tái)向每個(gè)賬戶贈(zèng)送50元的體驗(yàn)金，供用戶集成前測(cè)試所用，具體資費(fèi)規(guī)則詳見 實(shí)時(shí)語音評(píng)測(cè)服務(wù)報(bào)價(jià) 。

接口說明

有道實(shí)時(shí)評(píng)測(cè)服務(wù)對(duì)用戶發(fā)音的完整度、流利度、準(zhǔn)確度進(jìn)行全方位評(píng)測(cè)，并能對(duì)發(fā)音錯(cuò)誤、缺陷進(jìn)行定位。

支持的音頻格式為16K 采樣率、16bits 精度的 pcm_s16le 音頻，目前支持中、英文。

服務(wù)接口的調(diào)用分為認(rèn)證、實(shí)時(shí)通信兩階段。

接口地址：

wss://openapi.youdao.com/stream_capt?{請(qǐng)求參數(shù)}

請(qǐng)求參數(shù)格式： key1=value1&key2=value2&key3=value3&key4=value4

音頻格式要求：

格式支持：wav（不壓縮、pcm編碼） 采樣率：推薦16k。 編碼：16bit位深的單聲道

接口調(diào)用參數(shù)

調(diào)用API需要向接口發(fā)送以下字段來訪問服務(wù)。

簽名sign生成方法如下： sign=sha256(應(yīng)用ID+salt+curtime+應(yīng)用密鑰)。

輸出結(jié)果

響應(yīng)結(jié)果是以json形式輸出，包含字段如下表所示：

| 字段 | 含義 |說明 | |:-----|:-------|---- | |errorCode | String | 狀態(tài)碼，詳見狀態(tài)碼說明| |action | String | 狀態(tài)標(biāo)識(shí)，started：握手，capt：評(píng)測(cè)，error：錯(cuò)誤，close：關(guān)閉| |requestId | String |請(qǐng)求ID| |result | String | 識(shí)別結(jié)果數(shù)據(jù)| |closeCode| String|關(guān)閉的狀態(tài)碼 0正常關(guān)閉；1：前置靜音超時(shí)；2：后置靜音超時(shí)|

輸出結(jié)果示例

服務(wù)端通過 text message 返回 json字符串的認(rèn)證結(jié)果，參數(shù)示例：

成功：

{
	"result": [],
	"action": "started",
	"errorCode": "0"
}

失?。?/p>

{
	"result": "[]",
	"action": "error",
	"errorCode": "202"
}

實(shí)時(shí)通信階段

認(rèn)證成功之后，進(jìn)入實(shí)時(shí)通信階段，實(shí)時(shí)通信分為兩個(gè)階段： 1） 客戶端發(fā)送待評(píng)測(cè)文本，如果不發(fā)送，會(huì)返回沒有發(fā)送評(píng)測(cè)文本的異常 2）客戶端發(fā)送音頻流和結(jié)束標(biāo)識(shí)，并接收轉(zhuǎn)寫結(jié)果或錯(cuò)誤。

發(fā)送評(píng)測(cè)文本

此階段客戶端通過 text message 發(fā)送評(píng)測(cè)文本。示例：

{"text":"have a good day"}

文本長(zhǎng)度限制：英文不超過1000單詞。音頻時(shí)長(zhǎng)不超過120s。

發(fā)送音頻流

此階段客戶端通過 binary message 發(fā)送音頻流，內(nèi)容為音頻的二進(jìn)制數(shù)據(jù)，此過程的發(fā)送頻率將影響文字結(jié)果展示的實(shí)時(shí)性。

建議以 200ms 間隔發(fā)送音頻數(shù)據(jù)，若間隔超時(shí) 15s 以上，服務(wù)端將停止識(shí)別。

發(fā)送結(jié)束標(biāo)識(shí)

客戶端完成所有音頻數(shù)據(jù)的發(fā)送后，需發(fā)送一個(gè)特殊的 binary message 到服務(wù)端作為音頻流 發(fā)送結(jié)束的標(biāo)識(shí)，內(nèi)容為：

{"end": "true"}

接收評(píng)測(cè)結(jié)果

響應(yīng)結(jié)果是以json形式輸出，包含字段如下表所示：

示例

{
	"result": {
		"refText": "day",
		"pronunciation": 73.799362,
		"start": 1.530000,
		"words": [{
			"pronunciation": 73.799362,
			"start": 1.530000,
			"index": 3,
			"end": 1.950000,
			"word": "day",
			"phonemes": [{
				"stressDetect": false,
				"pronunciation": 48.216797,
				"phoneme": "d",
				"start": 1.530000,
				"end": 1.650000,
				"judge": false,
				"calibration": "e",
				"prominence": 0.920839,
				"stressRef": false
			}, {
				"stressDetect": false,
				"pronunciation": 99.381935,
				"phoneme": "e",
				"start": 1.680000,
				"end": 1.950000,
				"judge": true,
				"calibration": "e",
				"prominence": 1.000000,
				"stressRef": false
			}]
		}],
		"fluency": 86.899673,
		"speed": 133.333313,
		"integrity": 99.999992,
		"service": "capt",
		"overall": 92.249207,
		"end": 1.950000,
		"isFinal": false,
		"status": "success"
	},
	"requestId": "9ad0101c-25f1-4336-90c2-e15d5c748e86",
	"errorCode": "0",
	"action": "capt"
}

支持語言

目前支持中英文的語音評(píng)測(cè)。

服務(wù)配置

錯(cuò)誤代碼列表