百度语音识别REST API——通过使用Http网络请求方式获得语音识别功能

百度语音识别通过REST API的方式给开发人员提供一个通用的HTTP接口，基于该接口，开发人员能够轻松的获取语音识别能力，本文档描写叙述了使用语音识别服务REST API的方法。

长处：

较之开发人员经常使用的获取语音识别功能的方法，本方法最大的优势是轻量级。不须要在所开发的应用中集成不论什么SDK开发工具包，也不须要在測试机中加入不论什么识别引擎软件，开发人员仅仅要了解Http网络请求以及百度语音识别 REST API的使用规则。就可以轻轻松松在自己的应用中使用语音识别相关的功能了。

功能介绍：

REST API支持整段录音文件的识别，对录音格式有一定的要求。支持语音识别控件：集成提示音、音量反馈动效整套交互的对话框控件，方便开发人员高速集成。

原始PCM的录音參数必须符合8k/16k採样率、16bit位深、单声道。支持的压缩格式有：pcm（不压缩）、wav、opus、speex、amr、x-flac。

用法：

注冊开放平台及创新应用

注冊方法可參见之前写的百度语音识别开放平台SDK用法一文。当中有具体的注冊方法叙述。

从管理控制台进入创建的应用，例如以下图所看到的，API Key（client_id）和Secret Key（client_secret）即显示于当中, ID即为应用id（appid）。

依据百度OAuth的Client Credentials授权方式获取access_token。百度OAuth的Client Credentials和其它授权方式的说明见百度OAuth介绍的“百度支持的OAuth授权”部分。

当中，grant_type的值固定为client_credentials，client_id即为（3）中截图所看到的的 API Key的值，client_secret即为截图所看到的的Secret Key的值。更为具体的介绍请參见Client Credentials授权说明。

响应例如以下所看到的，当中access_token字段即为请求REST API所需的令牌, access_token有效期一般为一个月，开发人员须要对access_token。进行有效性推断，过期需又一次申请access_token。

API请求方式

 语音识别接口支持POST 方式

 眼下API仅支持整段语音识别的模式，即须要上传整段语音进行识别

 语音数据上传方式有两种：隐示发送和显示发送

 原始语音的录音格式眼下仅仅支持评測8k/16k採样率16bit位深的单声道语音

 压缩格式支持：pcm（不压缩）、wav、opus、speex、amr、x-flac

 系统支持语言种类：中文（zh）、粤语（ct）、英文（en）

 正式地址：http://vop.baidu.com/server_api

语音上传模型

语音数据和其它參数通过标准JSON格式串行化POST上传。 JSON里包含的參数：

watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvenBmODg2MQ==/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/Center" alt="">

当中。开发人员能够把语音数据放在JSON序列的“speech”字段中，须要将语音先进行base64编码，并标明语音数据的原始长度。填写“len”字段。也能够直接提供语音下载地址放在“url”字段中。而且提供识别结果的回调地址。放在“callback”參数中。因此“speech”和“len”參数绑定，“url”和“callback”參数绑定，这张组參数二选一填写。假设都填。默认处理第一种。

表单类型在HTTP-HEADER里的content-type表明，例：

Content-length请填写JSON串的长度。

 上传实例：

 注意事项：

1， len字段表示原始语音长度。不是base64编码之后的长度。

2， speech和len字段绑定验证，url和callback绑定验证。两组參数二选一必填。假设都填，默认第一种方式。

3。 假设採用base64编码语音数据。数据量会增大1/3。

 显示发送：

语音数据直接放在HTTP-BODY中，控制參数以及相关统计信息通过REST參数传递。REST參数说明：

语音数据的採样率和压缩格式在HTTP-HEADER里的content-type表明，例：

Content-length请填写原始语音长度。

 URL演示样例：

下行接口定义

两种上传方式都返回统一的结果，採用 JSON格式封装。假设识别成功，识别结果放在JSON的“result”字段中，统一採用utf-8方式编码。

 识别成功返回case：

{\"err_no\":0,\"err_msg\":\"success.\",\"corpus_no\":\"15984125203285346378\",\"sn\":\"481D633F-73BA-726F-49EF-8659ACCC2F3D\",\"result\":[\"\\u6211\\u633a\\u5e05\\u554a\\uff0c\\u5e05\\u54e5\\uff0c\"]}

 识别错误返回case：

{"err_no":2000,"err_msg":"data empty.","sn":null}

错误码解释

33xx：系统内部模块交互错误，服务此时可能不太稳定。

34xx：參数错误，请检查上行參数。

30xx-32xx：后端错误。后端资源可能出现错误

因为篇幅所限，详细用法在下篇文章介绍。