语音识别

更新时间：2024-04-02

语音识别

如需使用语音识别能力，则需在下载的Mrcp Server中对识别配置文件进行参数更改 ${SERVER_ROOT}/mrcp-server/conf/mrcp-asr.conf。确保AUTH_APPID和AUTH_APPKEY填写正确。

* AUDIO_CONTROLLER_ADDR，百度上游服务地址(默认值当前有效)
* AUTH_APPID和AUTH_APPKEY，从百度官网中获取的APPID和API Key的值。
* NEED_SAVE_AUDIO，是否保存语音识别时用户语音，默认1为保存

程序验证

首先，将mrcp-server/lib目录加入系统环境变量中，export LD_LIBRARY_PATH=${SERVER_ROOT}/mrcp-server/lib:$LD_LIBRARY_PATH，注意将${SERVER_ROOT}修改为程序真实路径。

在主程序启动后，可使用自带的测试工具进行验证。conf/client-profiles/unimrcp.xml 是测试工具的配置文件，需要将其中的unimrcpclient->settings->sip-settings->server-ip的值修改为本机IP，端口设置为主程序端口，如5060。

切换到 ${SERVER_ROOT}/mrcp-server/bin 目录下

验证语音识别正确性，则执行 ./asrclient，输入 run grammar.xml xeq.pcm，可看到返回的识别结果，使用 quit 退出。识别的是 ../data 目录下的xeq.pcm音频，也可查看log目录下日志mrcp_debug.log是否有识别结果。该工具只为测试部署正确性，测试较长音频时，会因为vad截断而只识别音频里的第一句话；只支持pcm格式音频识别；该工具也不支持批量音频识别。
用户呼叫软件如freeswitch，在与mrcp server通信时可能需要传递grammar文件，请使用mrcp server中data/grammar.xml文件。
呼叫中心场景，噪声识别是个很难解的问题。如果用户想忽略因噪声而误识别出的单字结果，例如嗯，啊等，可在conf/mrcp-asr.conf中设置DETECT_START_OF_INPUT_BY_VAD为0，并在SINGLE_WORD_WHTIL_LIST配置的白名单文件中进行相应配置。功能开启后，单字识别结果的场景下，只会识别白名单中的单字。

结果返回

语音识别. 往前端返回如下xml格式的内容：

<?xml version="1.0" encoding="UTF-8" ?>
<result>
    <asr confidence="100">今天天气怎么样</asr>
    <ext>
        <logid>6a373e36722811e9_2_1</logid>
    </ext>
</result>

识别结果格式支持模版配置，在conf/mrcp-asr.conf中，修改XML_ASR_RESULT_TEMPLATE 的值即可。在conf目录下默认定义了几种模版，用户可根据需要选择一项或自己定义。

模型自训练

对于特定词句如人名、专业术语等，语音识别结果会存在不准确的情况。可通过百度语音自训练平台，进行自训练，提升识别效果。训练完成后会得到一个模型ID，用户通过mrcp进行识别请求时，需要在mrcp客户端的vendor_specific_params参数中添加相应的键值对,如：lmid=123。

调用流程

语音合成