You need to enable JavaScript to run this app.
导航
实时语音识别 ASR
最近更新时间:2023.08.28 12:05:29首次发布时间:2022.05.25 18:02:27

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。

alt

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 stopAudioCaptureunpublishStream 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

iOS