# 语音评测 Windows 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。

语音评测详细的接口介绍及说明请参考: MSC window API 文档, 在集成过程中如有疑问,可登录语音云开发者论坛,查找答案或与其他开发者交流

# 2、SDK集成指南

# 2.1 Demo运行步骤

1.在控制台下载对应sdk

2.进入sdk内samples目录,双击samples.sln文件(需事先安装Visual Studio)

# 2.2 项目集成步骤

# 2.2.1 sdk包说明

《SDK目录结构一览》

  • bin:
    • msc.dll(32位动态链接库)
    • msc_x64.dll(64位动态链接库)
    • msc(生成msc日志)
    • wav(符合标准的音频文件样例)
    • 相关资源文件
  • doc:
    • 相关技术文档
  • include:
    • 调用SDK所需头文件
  • libs:
    • msc.lib(32位静态链接库)
    • msc_x64.lib(64位静态链接库)
  • samples:
    • samples.sln(VS工程文件,适用于vs2010、vs2012及以上Visual Studio版本)
    • ise_sample(语音评测示例)

注意:

  • 为了减少SDK包在应用中占用的大小,官网在下载单个功能的SDK包时, 可能并不包含其他功能,如下载唤醒的SDK包时,可能不包含听写或合成等功能,因此在运行未包含功能的示例时,可能会报错。对此请下载对应功能的SDK,或下载组合的SDK包。

# 2.2.2 sdk导入

  • Step 1: 新建工程

1.打开Microsoft Visual Studio(本例使用的是VS2010),选择文件->新建->项目->Visual C++ ->Win32控制台应用程序,输入项目名称,然后点击确定键

img

2.应用程序类型选择“控制台应用程序”,附加选项选择“空项目”,然后点击完成。

img

  • Step 2:配置工程属性

1.将SDK中bin,include,libs文件夹复制到新建工程“Demo”文件夹下

img

2.导入头文件

右键点击新建工程,选择 “属性“,进入工程属性页面:点击C/C++->常规->附加包含目录,输入相对于工程文件Demo.vcxproj的相对路径,即相对于$(ProjectDir)的路径,另源代码文件也需相同设置。

img

3.导入msc.dll

a. 加载msc.lib文件:在main.c文件中输入如下图所示代码,其他详细代码请参考Samples中对应的语音示例 注意:加载路径输入相对于工程文件的相对路径

 #ifdef _WIN64
 #pragma comment(lib,"../libs/msc_x64.lib")
 #else
 #pragma comment(lib, "../libs/msc.lib")
 #endif

b. 将msc.dll所在目录设置为工作目录,即“$(ProjectDir)..\bin\”

img

4.将目标可执行文件复制到msc.dll所在目录

img

5.SDK启动后,bin/msc目录下会生成日志。(注意:msc文件夹下需有msc.cfg文件)

img

# 2.2.3 API调用流程

语音评测主要API调用流程如下图所示:

img

详细代码调用请参考 Samples中的 ise_sample(语音评测示例); API详细描述请参考API文档,评测业务主要对应的是msp_cmn.h 和 qise.h。

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。

# 2.3 参数与说明

# 2.3.1 高阶功能

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,详情请在下方全维度说明查看 plev=0
# 全维度说明

使用方法: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。

# 2.3.2 代理服务器设置

在MSPLogin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:MSPLogin(NULL, NULL, "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: int MSPLogin(const char* usr, const char* pwd, const char* 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。

# 2.3.3 常用参数说明

以下为常用参数说明,更多参数请参考API文档

参数 名称 说明
vad_timeout 允许头部静音的最长时间 0-10000毫秒。默认为10000如果静音时长超过了此值,则认为用户此次无有效音频输入。
vad_speech_tail 允许尾部静音的最长时间 0-10000毫秒。默认为2000如果尾部静音时长超过了此值,则认为用户音频已经结束,此参数仅在打开VAD功能时有效。
category 评测类型 单字评测:read_syllable**(当language=en_us时,不支持)**
词组评测:read_word
句子评测:read_sentence
篇章评测(需在控制台开通): read_chapter
language 评测语言 zh_cn:简体中文en_us:英语默认为zh_cn

# 3、常见问题

# 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。

# Windows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Windows在线评测sdk

# 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: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。

# 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。

# 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MSPLogin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:MSPLogin(NULL, NULL, "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: int MSPLogin(const char* usr, const char* pwd, const char* params)

# 4、视频教程

技术起源

技术原理

典型应用