科大讯飞SDK接口介绍
2016-11-06 本文已影响1021人
CokeNello
1 .概述
萌萌哒皮卡丘
- 如今，机器人崛起，而语音正是机器人的一个必要的技能，想想如果一个机器人听不懂人说的话，那它只能是机器，而不能冠以“人”之名。
- 科大讯飞，想必是现在最火的一家公司之一吧，其拥有好几年的技术经验的积累，观望以前，技术的不成熟：神经网络算法的不成熟，硬件上的瓶颈，等等，这些，都让从前的科大讯飞吃尽了苦头。但是，现在却不同了，随着硬件上关键的突破，软件上的突破，机器学习，语音分析的成熟，再加上这些年来的技术积累以及数据的沉淀，科大讯飞也就迎来了她的春天。
2 .语音听写
语音听写
- 语音听写，主要是将连续的语音快速识别为文字的过程。这是一个非常有用的接口，它让机器人实现了听懂人的话。而，更加人性化的是，开发者可以针对某一个应用，根据特定场景下的用词，按照格式上传一些高频的词语，让科大的分析引擎通过机器学习，从而对这些词语有着更高的识别率。
- 而且，科大官方也提出了几个听写的模型，通俗理解就是一些场景，针对这些场景，某些词语的识别率更高。
3.命令词识别
命令词识别
- 在线命令词识别的语法文件根据作用范围不同，又分为应用级在线语法文件和终端级在线语法文件。
- 应用级在线语法文件，即语法文件绑定 Appid。应用级在线语法文件需在讯飞开放平台页面进行设置，一旦设置成功，不同设备上的同一应用将默认启用此在线语法。具备统一管理语法，语法更新无需更新客户端 App 的优点。
- 终端级在线语法文件，则是语法文件绑定某一终端，通过 App 先本地构建语法文件，再上传该语法文件获取相应的ID即 Grammar ID， 然后在使用识别功能前指定 Grammar ID 以启用该语法文件。
- 在线命令词识别默认启用应用级在线语法文件。如果又指定了终端级语法文件的 Grammar ID，那么两种类型的语法文件同时生效，无优先级顺序，最终识别结果按照结果置信度降序返回。
命令词，诸如：芝麻开灯，芝麻关灯等等，然后去做一个识别。
而这个接口可以集成为在线也可以为本地。
4.语音合成
语音合成
- 与语音听写相反，合成是将文字信息转化为可听的声音信息，让机器像人一样开口说话。
- 语音合成能配置很多东西：如，发音人（男童？女孩？大妈？大叔？），语言（英语，中文）等等。
- 同样，这个接口可以集成为在线也可以为本地。
5.语义理解
语义理解
- 如果说，语音听写接口是一名翻译者，那么语义理解就是一名交流者。翻译者只是纯粹的翻译，而不加个人的感情，而交流者，却是专心的理解你的话，恰到好处地回答你的问题，解答您的困扰。
- 语义理解就是这个样子，开发者通过构建自己的语义库（其实就是一问一答）， 能让机器人开始理解人类。
- 此接口支持文本的语义理解和语音的语义理解。但是不支持离线。
6.语音评测
语音评测
- 语音评测是通过智能语音技术自动对发音水平进行评价、发音错误、缺陷定位和问题分析的软件系统。
- 同过设置，可以设置为评测英文，中文。
7.声纹识别
声纹识别
- 声纹识别（Voiceprint Recognize），是一项根据语音波形反映说话人生理和行为特征的语音参数，自动识别说话人身份的技术。声纹识别所提供的安全性可与其他生物识别技术（指纹、掌形和虹膜）相媲美，且只需要电话和麦克风即可，数据采集极为方便，造价低廉，是最为经济、可靠、简便和安全的身份识别方式。
8.其他
- 人脸识别，楼主没使用过，楼主倒是用过Face++的，还挺可以的，收费版应该更好。
- 语音唤醒，收费级别的接口，没用过。
