实时语音识别 ASR

在 RTC 通信时，如果你希望自动识别语音并转换为文本，可以使用实时语音识别（Automatic Speech Recognition） 相关接口实现。

功能详情

在客户端 SDK 开启 ASR 能力后，你可以在 RTC 的回调中实时获取语音识别的文本结果。

功能变更日志

1. 自客户端 SDK 3.25 起，ASR 的功能可用。

功能边界

• 无论音频输入是通过 RTC 内部音频采集还是自定义音频采集，都可以使用 RTC 集成的 ASR 能力。
• 不同场景下语音识别的效果以及对输入语音和输出语言的支持均由 ASR 分配的 业务集群（Cluster） 决定。我们建议提前与 ASR 技术支持确认实时语音识别的业务场景。
• 在RTC 通话中，一次实时语音识别的连续时长不建议超过 1 小时。
• 如果你需要使用 ASR 识别某个客户端（非本地客户端）采集的音频，你需要在该客户端开启 ASR 功能。

集成步骤

前提条件

在 ASR 控制台创建应用并获取 ASR 服务的相关信息，包括但不限于：

• AppId
• Access Token
• Secret Key（如选择 signature 鉴权方式）
• Cluster ID

详见 ASR 鉴权说明

调用时序

1. 加入 RTC 房间，采集并发布音频。
2. 启动 ASR 服务。
3. 收到回调，包含 ASR 识别得到的信息。
4. 关闭 ASR 服务。
5. 退出 RTC 房间。

最佳实践

• ASR 按照时长收费，为了更有效利用 ASR 时长，建议仅在本地采集并发布 RTC 音频时，开启 ASR 服务。例如，调用 stopAudioCapture 或 unpublishStream 时，关闭 ASR 服务。
• 使用过程中，如果 ASR 服务断连，那么重连后 ASR 返回的信息将不会包含断连前识别得到的信息。如果你根据业务逻辑需要获得此前识别得到的信息，建议在收到 onError 回调了解到 ASR 断连时，缓存已收到的语音识别信息。
• RTC 提供的 ASR 能力支持各种采样率的音频识别，推荐的音频采样率为 8 KHz 或 16 KHz。

API Reference

Android

• startASR
• stopASR

iOS

• startASR:handler:
• stopASR