# 语音评测 Android SDK 文档

# 1、简介

语音评测(SpeechEvaluator)通过智能语音技术自动对发音水平进行评价、发音错误、缺陷进行定位和问题分析。目前评音评测提供汉语、英语两种语言的评测,支持单字(汉语专有)、词语 和句子朗读三种题型。

语音评测有以下高阶功能,需开通相应的高阶权限后才可以使用。开通请到控制台-我的应用-语音评测处点击“试用”,即可获取15天的免费试用。

权限 开通前 开通后 使用方法
篇章 仅可使用字词句题型 除字词句外,还可使用篇章题型 category=read_chapter
全维度 仅有总分或英文的音节得分 可获得更多评分维度
详情请点击 全维度说明 查看
plev=0

语音评测详细的接口介绍及说明请参考: MSC Android API 文档

在集成过程中出现错误,请优先查询SDK&API 错误码查询。如有疑问,请提交工单进行咨询,也可登录语音云开发者论坛与广大开发者共同学习和交流。

# 2、SDK集成指南

# 2.1、Demo运行步骤

根据官网控制台提示,直接下载SDK,SDK中包含简易可运行的Demo。如下图所示:

下载完SDK后,解压至相应的路径。

以Android Studio集成开发工具为例,测试时建议直接用真机进行测试,打开Android Studio,在菜单栏File--->new--->import project当前解压sdk路径,使用在线服务能力选择导入SpeechDemo,如下图所示:

备注:Android sdk目前支持android4.4及以上系统,同时建议真机调试。
导入成功之后sync编译下,编译无误可连接手机,开启手机USB开发调试模式,直接在Android Studio运行导入的Speechdemo,最后生成的apk可直接安装在对应的手机上,如下图所示:

# 2.2、项目集成步骤

# 2.2.1、SDK包说明

《Android SDK目录结构一览》

  • manifests:
    • android配置应用权限文件
  • sample:
    • 相关在线能力demo(语音评测IseDemo)
  • assets:
    • SDK相关资源配置文件
  • Libs:
    • 动态库和jar包
  • res:
  • UI文件和相关布局文件xml
  • readme说明(必看)
  • release 版本说明

# 2.2.2、导入SDK

将在官网下载的Android SDK 压缩包中libs目录下所有子文件拷贝至Android工程的libs目录下。如下图所示:

注:

  1. arm版本已经逐步淘汰了,arm架构的推荐使用armeabi-v7a。
  2. 如果您需要将应用push到设备使用,请将设备cpu对应指令集的libmsc.so push到/system/lib中。
  3. 集成到项目,需要将sdk中Demo/src/main/下文件拷贝到项目main中,以AS为例,且需要在项目main文件夹下新建Jnilibs并拷贝libmsc.so。
  4. msc.jar需要拷贝至项目libs下,并且右键jar添加Add As Library。
  5. sdk下文件夹main/assets/,自带UI页面(iflytek文件夹)和相关其他服务资源文件(语法文件、音频示例、词表),使用自带UI接口时,可以将assets/iflytek文件拷贝到项目中。

# 2.2.3、添加用户权限

在工程 AndroidManifest.xml 文件中添加如下权限

<!--连接网络权限,用于执行云端语音能力 -->
<uses-permission android:name="android.permission.INTERNET"/>
<!--获取手机录音机使用权限,听写、识别、语义理解需要用到此权限 -->
<uses-permission android:name="android.permission.RECORD_AUDIO"/>
<!--读取网络信息状态 -->
<uses-permission android:name="android.permission.ACCESS_NETWORK_STATE"/>
<!--获取当前wifi状态 -->
<uses-permission android:name="android.permission.ACCESS_WIFI_STATE"/>
<!--允许程序改变网络连接状态 -->
<uses-permission android:name="android.permission.CHANGE_NETWORK_STATE"/>
<!--读取手机信息权限 -->
<uses-permission android:name="android.permission.READ_PHONE_STATE"/>
<!--读取联系人权限,上传联系人需要用到此权限 -->
<uses-permission android:name="android.permission.READ_CONTACTS"/>
<!--外存储写权限,构建语法需要用到此权限 -->
<uses-permission android:name="android.permission.WRITE_EXTERNAL_STORAGE"/>
<!--外存储读权限,构建语法需要用到此权限 -->
<uses-permission android:name="android.permission.READ_EXTERNAL_STORAGE"/>
<!--配置权限,用来记录应用配置信息 -->
<uses-permission android:name="android.permission.WRITE_SETTINGS"/>
<!--手机定位信息,用来为语义等功能提供定位,提供更精准的服务-->
<!--定位信息是敏感信息,可通过Setting.setLocationEnable(false)关闭定位请求 -->
<uses-permission android:name="android.permission.ACCESS_FINE_LOCATION"/>
<!--如需使用人脸识别,还要添加:摄相头权限,拍照需要用到 -->
<uses-permission android:name="android.permission.CAMERA" />

注意:如需在打包或者生成APK的时候进行混淆,请在proguard.cfg中添加如下代码:

-keep class com.iflytek.**{*;}
-keepattributes Signature

# 2.2.4、初始化

初始化即创建语音配置对象,只有初始化后才可以使用MSC的各项服务。建议将初始化放在程序入口处(如Application、Activity的onCreate方法),初始化代码如下:

// 将“12345678”替换成您申请的APPID,申请地址:http://www.xfyun.cn
// 请勿在“=”与appid之间添加任何空字符或者转义符
SpeechUtility.createUtility(context, SpeechConstant.APPID +"=12345678");

# 3、参数说明

# 3.1、基础参数说明

通过setParameter设置的评测相关参数说明如下:

参数 说明 是否必需
language 评测语种,可选值:
en_us(英语)、zh_cn(汉语)
category 评测题型,可选值:
read_syllable(单字,汉语专有)、read_word(词语)、
read_sentence(句子)、read_chapter(篇章,需联系商务开通后才可使用)
text_encoding 上传的试题编码格式,可选值:
gb2312、utf-8。
当进行汉语评测时,必须设置成utf-8,
建议所有试题都使用utf-8编码
vad_eos 后端点超时,默认1800ms
speech_timeout 录音超时,当录音达到时限将自动触发
vad停止录音,默认-1(无超时)
result_level 评测结果等级,可选值:
plain、complete,默认为complete
plev 全维度功能,详见下方说明
可选值:0

备注:以上均为SDK常用参数说明,均在setParam()方法里面设置,设置示例:mIse.setParameter(SpeechConstant.LANGUAGE, "zh_cn");更多详细参数请参考:MSC Android API 文档.

# 3.2、音频流评测

在上述参数的基础上添加参数设置:

mIse.setParameter(SpeechConstant.AUDIO_SOURCE,"-1");

以writeaudio的方式写入音频文件进行评测:

int ret = mIse.startEvaluating(evaText, null, mEvaluatorListener);
               //在startEvaluating接口调用之后,加入以下方法,即可通过直接
               //写入音频的方式进行评测业务
                if (ret != ErrorCode.SUCCESS) {
                    showTip("识别失败,错误码:" + ret);
                } else {
                    showTip(getString(R.string.text_begin_ise));
                    byte[] audioData = FucUtil.readAudioFile(IseDemo.this,"isetest.wav");
                    if(audioData != null) {
                        //防止写入音频过早导致失败
                        try{
                            new Thread().sleep(100);
                        }catch (InterruptedException e) {
                            Log.d(TAG,"InterruptedException :"+e);
                        }
                        mIse.writeAudio(audioData,0,audioData.length);
                        mIse.stopEvaluating();
                    }
                }

# 3.3、全维度说明

使用方法:mSpeechEvaluator.setParameter('plev', 0);
使用说明:开通全维度权限前后可获得的结果对比如下,红色为开通全维度以后才会返回的评分维度,返回结果各字段的详细说明请点击 语音评测结果说明 查看。

题型 中文
默认
中文
开通全维度
英文
默认
英文
开通全维度
总分(total_score) 总分(total_score)
声韵分(phone_score)
调型分(tone_score)
- -
总分(total_score) 总分(total_score)
声韵分(phone_score)
调型分(tone_score)
总分(total_score)
音节得分(syll_score)
总分(total_score)
音节得分(syll_score)
准确度分(accuracy_score)
总分(total_score) 总分(total_score)
完整度分(integrity_score)
流畅度分(fluency_score)
声韵分(phone_score)
调型分(tone_score)
总分(total_score)
音节得分(syll_score)
总分(total_score)
音节得分(syll_score)
完整度分(integrity_score)
流畅度分(fluency_score)
准确度分(accuracy_score)
篇章 总分(total_score) 总分(total_score)
完整度分(integrity_score)
流畅度分(fluency_score)
声韵分(phone_score)
调型分(tone_score)
总分(total_score)
音节得分(syll_score)
总分(total_score)
音节得分(syll_score)
完整度分(integrity_score)
流畅度分(fluency_score)
准确度分(accuracy_score)

注:
中文声韵分:指声母和韵母正确率的得分。
中文调型分:指声调正确率的得分。

# 4、视频教程

技术起源

技术原理

典型应用

# 5、代理服务器设置方法

在createUtility接口的params参数中添加:

net_type=custom, proxy_ip=<host>, proxy_port=<port>
其中,<host>,<port>替换为实际的代理服务器地址和端口。

例如:SpeechUtility.createUtility(context, SpeechConstant.APPID + “=12345678” + “,” + “net_type=custom, proxy_ip=192.168.1.2, proxy_port=8080”); 注意:各参数间,以英文逗号分隔。

接口原型: public static SpeechUtility createUtility(Context context, java.lang.String params)

注意: 若在设置代理参数后,使用语音服务过程中,报错10204/10205/10212等网络异常错误时,请查阅以下内容,做出相关操作:

  • 讯飞语音SDK的通信协议使用的是标准HTTP1.1协议,其代理协议使用的是标准HTTP代理协议。
  • 代理服务器需要支持全双工多问多答方式,即 pipeline 模式。
  • 代理服务器不能对80端口做限制,不能对如下域名做拦截: hdns.openspeech.cn scs.openspeech.cn open.xf-yun.com dev.voicecloud.cn
  • 需要确保代理服务器只负责转发数据包,不能改变数据包的完整性和时序性。
  • 代理服务器在转发数据包时,不能在HTTP协议头部添加 IE6 标识头

# 6、常见问题

# 目前安卓平台具体支持安卓版本

答:Android版本SDK目前支持4.4以上版本,React-Native ,QT 等跨平台方案,目前暂不支持

# 语音评测支持哪些应用平台?

答:目前语音评测支持:Android/IOS/Linux/Windows/Web API应用平台。

# 安卓评测sdk如何下载?

答:文档中心---快速指引有介绍步骤根据步骤下载安卓在线评测sdk。

# 集成语音评测功能时,程序启动后没反应

答:请检查是否忘记使用SpeechUtility初始化。也可以在监听器的onError函数中打印错误信息,根据信息提示,查找错误源。

# 错误码21001, 21002, 20021, 创建单例返回 null

答:参考以下帖子:http://bbs.xfyun.cn/forum.php?mod=viewthread&tid=9688

# 语音评测支持题型和结果格式及字段含义?

答:评测试题需要符合一定的格式,汉语试题和英语试题有所不同,同语种的不同题型也有差异。
英文口语评测:支持单词,句子,篇章等题型评测。
中文口语评测:支持字、词、句,篇章等题型评测。
全维度评测和篇章评测为付费功能,可前往登录平台---应用控制台---开通试用,15天结束后可申请付费开通。
开通篇章阅读功能后,同时您的字词句阅读功能的试卷长度将不受限制。
评测试题和结果格式及字段含义详见 语音评测试题格式及结果说明 文档。

# 语音评测最多支持多长时间的语音输入?

答:对于所有评测题型,都只支持最长 3分钟 的语音输入。

# 语音评测支持传入的音频格式有哪些?

答:支持的音频类型是:单声道 16bit Inter PCM。 支持的音频采样率是:16000HZ。推荐使用Cool edit软件查询音频格式是否符合,音频格式不符合会检测为乱读,分值不能作为参考。

# 错误码及相应解决方案查询网址

答:错误码及相应解决方案查询

# 如何设置语音云服务URL

答:在createUtility接口中添加:server_url = http://YourDomainName/msp.do (YourDomainName是指语音云服务域名,请开发者自行替换) 例如:SpeechUtility.createUtility(context, SpeechConstant.APPID + "=12345678" + "," + "server_url = http://sdk.openspeech.cn/msp.do");
注意:各参数间,以英文逗号分隔。 接口原型: public static SpeechUtility createUtility(Context context, java.lang.String params)

评测试题和结果格式及字段含义详见 语音评测试题格式及结果说明 文档。

其它常见问题请参见 科大讯飞语音评测 FAQ 文档。