下載安裝

1. 從Maven服務器下載最新版本SDK。

   <dependency>    
         <groupId>com.alibaba.nls</groupId>  
         <artifactId>nls-sdk-transcriber</artifactId>   
         <version>2.2.1</version>
   </dependency>

   Demo解壓后，在pom目錄運行mvn package，會在target目錄生成可執行JAR：nls-example-transcriber-2.0.0-jar-with-dependencies.jar，將JAR包拷貝到目標服務器，用于快速驗證及服務壓測。

2. 服務驗證。

   運行如下代碼，并按提示提供相應參數。運行后在命令執行目錄生成logs/nls.log。

   java -cp nls-example-transcriber-2.0.0-jar-with-dependencies.jar com.alibaba.nls.client.SpeechTranscriberDemo

3. 服務壓測。

   運行如下代碼，并按提示提供相應參數。其中阿里云服務URL參數為： wss://nls-gateway-cn-shanghai.aliyuncs.com/ws/v1 ，語音文件為16k采樣率PCM格式文件，并發數根據您的購買情況進行選擇。

   java -jar nls-example-transcriber-2.0.0-jar-with-dependencies.jar

   重要

   自行壓測超過2路并發將產生費用。

關鍵接口

• NlsClient：語音處理客戶端，利用該客戶端可以進行一句話識別、實時語音識別和語音合成的語音處理任務。該客戶端為線程安全，建議全局僅創建一個實例。

• SpeechTranscriber：實時語音識別類，通過該接口設置請求參數，發送請求及聲音數據。非線程安全。

• SpeechTranscriberListener：實時語音識別結果監聽類，監聽識別結果。非線程安全。

更多介紹，請參見Java API接口說明。

示例代碼

import java.io.File;
import java.io.FileInputStream;
import java.io.IOException;
import com.alibaba.nls.client.protocol.InputFormatEnum;
import com.alibaba.nls.client.protocol.NlsClient;
import com.alibaba.nls.client.protocol.SampleRateEnum;
import com.alibaba.nls.client.protocol.asr.SpeechTranscriber;
import com.alibaba.nls.client.protocol.asr.SpeechTranscriberListener;
import com.alibaba.nls.client.protocol.asr.SpeechTranscriberResponse;
import org.slf4j.Logger;
import org.slf4j.LoggerFactory;
/**
 * 此示例演示了：
 * ASR實時識別API調用。
 * 動態獲取token。獲取Token具體操作，請參見：http://bestwisewords.com/document_detail/450514.html
 * 通過本地模擬實時流發送。
 * 識別耗時計算。
 */
public class SpeechTranscriberDemo {
    private String appKey;
    private NlsClient client;
    private static final Logger logger = LoggerFactory.getLogger(SpeechTranscriberDemo.class);

    public SpeechTranscriberDemo(String appKey, String id, String secret, String url) {
        this.appKey = appKey;
        //應用全局創建一個NlsClient實例，默認服務地址為阿里云線上服務地址。
        //獲取token，實際使用時注意在accessToken.getExpireTime()過期前再次獲取。
        AccessToken accessToken = new AccessToken(id, secret);
        try {
            accessToken.apply();
            System.out.println("get token: " + ", expire time: " + accessToken.getExpireTime());
            if(url.isEmpty()) {
                client = new NlsClient(accessToken.getToken());
            }else {
                client = new NlsClient(url, accessToken.getToken());
            }
        } catch (IOException e) {
            e.printStackTrace();
        }
    }

    private static SpeechTranscriberListener getTranscriberListener() {
        SpeechTranscriberListener listener = new SpeechTranscriberListener() {
            //識別出中間結果。僅當setEnableIntermediateResult為true時，才會返回該消息。
            @Override
            public void onTranscriptionResultChange(SpeechTranscriberResponse response) {
                System.out.println("task_id: " + response.getTaskId() +
                    ", name: " + response.getName() +
                    //狀態碼“20000000”表示正常識別。
                    ", status: " + response.getStatus() +
                    //句子編號，從1開始遞增。
                    ", index: " + response.getTransSentenceIndex() +
                    //當前的識別結果。
                    ", result: " + response.getTransSentenceText() +
                    //當前已處理的音頻時長，單位為毫秒。
                    ", time: " + response.getTransSentenceTime());
            }

            @Override
            public void onTranscriberStart(SpeechTranscriberResponse response) {
                //task_id是調用方和服務端通信的唯一標識，遇到問題時，需要提供此task_id。
                System.out.println("task_id: " + response.getTaskId() + ", name: " + response.getName() + ", status: " + response.getStatus());
            }

            @Override
            public void onSentenceBegin(SpeechTranscriberResponse response) {
                System.out.println("task_id: " + response.getTaskId() + ", name: " + response.getName() + ", status: " + response.getStatus());

            }

            //識別出一句話。服務端會智能斷句，當識別到一句話結束時會返回此消息。
            @Override
            public void onSentenceEnd(SpeechTranscriberResponse response) {
                System.out.println("task_id: " + response.getTaskId() +
                    ", name: " + response.getName() +
                    //狀態碼“20000000”表示正常識別。
                    ", status: " + response.getStatus() +
                    //句子編號，從1開始遞增。
                    ", index: " + response.getTransSentenceIndex() +
                    //當前的識別結果。
                    ", result: " + response.getTransSentenceText() +
                    //置信度
                    ", confidence: " + response.getConfidence() +
                    //開始時間
                    ", begin_time: " + response.getSentenceBeginTime() +
                    //當前已處理的音頻時長，單位為毫秒。
                    ", time: " + response.getTransSentenceTime());
            }

            //識別完畢
            @Override
            public void onTranscriptionComplete(SpeechTranscriberResponse response) {
                System.out.println("task_id: " + response.getTaskId() + ", name: " + response.getName() + ", status: " + response.getStatus());
            }

            @Override
            public void onFail(SpeechTranscriberResponse response) {
                //task_id是調用方和服務端通信的唯一標識，遇到問題時，需要提供此task_id。
                System.out.println("task_id: " + response.getTaskId() +  ", status: " + response.getStatus() + ", status_text: " + response.getStatusText());
            }
        };

        return listener;
    }

    //根據二進制數據大小計算對應的同等語音長度。
    //sampleRate：支持8000或16000。
    public static int getSleepDelta(int dataSize, int sampleRate) {
        // 僅支持16位采樣。
        int sampleBytes = 16;
        // 僅支持單通道。
        int soundChannel = 1;
        return (dataSize * 10 * 8000) / (160 * sampleRate);
    }

    public void process(String filepath) {
        SpeechTranscriber transcriber = null;
        try {
            //創建實例、建立連接。
            transcriber = new SpeechTranscriber(client, getTranscriberListener());
            transcriber.setAppKey(appKey);
            //輸入音頻編碼方式。
            transcriber.setFormat(InputFormatEnum.PCM);
            //輸入音頻采樣率。
            transcriber.setSampleRate(SampleRateEnum.SAMPLE_RATE_16K);
            //是否返回中間識別結果。
            transcriber.setEnableIntermediateResult(false);
            //是否生成并返回標點符號。
            transcriber.setEnablePunctuation(true);
            //是否將返回結果規整化，比如將一百返回為100。
            transcriber.setEnableITN(false);

            //設置vad斷句參數。默認值：800ms，有效值：200ms～6000ms。
            //transcriber.addCustomedParam("max_sentence_silence", 600);
            //設置是否語義斷句。
            //transcriber.addCustomedParam("enable_semantic_sentence_detection",false);
            //設置是否開啟過濾語氣詞，即聲音順滑。
            //transcriber.addCustomedParam("disfluency",true);
            //設置是否開啟詞模式。
            //transcriber.addCustomedParam("enable_words",true);
           //設置vad噪音閾值參數，參數取值為-1～+1，如-0.9、-0.8、0.2、0.9。
            //取值越趨于-1，判定為語音的概率越大，亦即有可能更多噪聲被當成語音被誤識別。
            //取值越趨于+1，判定為噪音的越多，亦即有可能更多語音段被當成噪音被拒絕識別。
            //該參數屬高級參數，調整需慎重和重點測試。
            //transcriber.addCustomedParam("speech_noise_threshold",0.3);
            //設置訓練后的定制語言模型id。
            //transcriber.addCustomedParam("customization_id","你的定制語言模型id");
            //設置訓練后的定制熱詞id。
            //transcriber.addCustomedParam("vocabulary_id","你的定制熱詞id");

            //此方法將以上參數設置序列化為JSON發送給服務端，并等待服務端確認。
            transcriber.start();

            File file = new File(filepath);
            FileInputStream fis = new FileInputStream(file);
            byte[] b = new byte[3200];
            int len;
            while ((len = fis.read(b)) > 0) {
                logger.info("send data pack length: " + len);
                transcriber.send(b, len);
                //本案例用讀取本地文件的形式模擬實時獲取語音流并發送的，因為讀取速度較快，這里需要設置sleep。
                //如果實時獲取語音則無需設置sleep, 如果是8k采樣率語音第二個參數設置為8000。
                int deltaSleep = getSleepDelta(len, 16000);
                Thread.sleep(deltaSleep);
            }

            //通知服務端語音數據發送完畢，等待服務端處理完成。
            long now = System.currentTimeMillis();
            logger.info("ASR wait for complete");
            transcriber.stop();
            logger.info("ASR latency : " + (System.currentTimeMillis() - now) + " ms");
        } catch (Exception e) {
            System.err.println(e.getMessage());
        } finally {
            if (null != transcriber) {
                transcriber.close();
            }
        }
    }

    public void shutdown() {
        client.shutdown();
    }

    public static void main(String[] args) throws Exception {
        String appKey = System.getenv().get("NLS_APP_KEY");
        String id = System.getenv().get("ALIYUN_AK_ID");
        String secret = System.getenv().get("ALIYUN_AK_SECRET");
        String url = System.getenv().getOrDefault("NLS_GATEWAY_URL", "wss://nls-gateway-cn-shanghai.aliyuncs.com/ws/v1");
      
        //本案例使用本地文件模擬發送實時流數據。您在實際使用時，可以實時采集或接收語音流并發送到ASR服務端。
        String filepath = "nls-sample-16k.wav";
        SpeechTranscriberDemo demo = new SpeechTranscriberDemo(appKey, id, secret, url);
        demo.process(filepath);
        demo.shutdown();
    }
}

<?xml version="1.0" encoding="UTF-8"?>
<project xmlns="http://maven.apache.org/POM/4.0.0"
xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">
<modelVersion>4.0.0</modelVersion>

<parent>
<groupId>com.alibaba.nls</groupId>
<artifactId>nls-sdk-java-examples</artifactId>
<version>2.0.0</version>
<relativePath>../pom.xml</relativePath>
</parent>

<groupId>com.alibaba.nls</groupId>
<artifactId>nls-example-tts</artifactId>

<dependencies>
<dependency>
<groupId>ch.qos.logback</groupId>
<artifactId>logback-classic</artifactId>
<version>1.0.13</version>
</dependency>
<dependency>
<groupId>com.alibaba.nls</groupId>
<artifactId>nls-sdk-tts</artifactId>
<version>${sdk.version}</version>
</dependency>
</dependencies>

<build>
<plugins>
<plugin>
<artifactId>maven-assembly-plugin</artifactId>
<version>3.0.0</version>
<configuration>
<archive>
<manifest>
<mainClass>com.alibaba.nls.client.SpeechSynthesizerMultiThreadDemo</mainClass>
</manifest>
</archive>

<descriptorRefs>
<descriptorRef>jar-with-dependencies</descriptorRef>
</descriptorRefs>

</configuration>
<executions>
<execution>
<id>make-assembly</id> <!-- this is used for inheritance merges -->
<phase>package</phase> <!-- bind to the packaging phase -->
<goals>
<goal>single</goal>
</goals>
</execution>
</executions>
</plugin>
</plugins>
</build>
</project>

public void send(InputStream ins);
public void send(InputStream ins, int batchSize, int sleepInterval);
public void send(byte[] data);

public void send(ins, 3200, 100); // 16 kHz語音

recognizer.send(data); // 100 ms語音數據
try {
 Thread.sleep(100);
} catch (InterruptedException e) {
 e.printStackTrace();
}

<dependency>
<groupId>org.json</groupId>
<artifactId>json</artifactId>
<version>20170516</version>
</dependency>

<dependency>
<groupId>com.google.code.gson</groupId>
<artifactId>gson</artifactId>
<version>2.8.2</version>
</dependency>