简介
本文档是百度语音开放平台iOS SDK的用户指南，描述了语音识别、长语音识别、语音唤醒等相关接口的使用说明。
版本更新
| 版本 | 日期 | 更新内容 |
|---|---|---|
| 3.0.10.0 | 2021-03-02 | 开启长语音模式代表使用实时语音识别接口，以实际调用接口时长计费 |
| 3.0.9.0 | 2020-01-07 | 修改默认的PID为1537 |
| 3.0.8.0 | 2019-10-23 | 增加了识别子错误状态 |
| 3.0.6.0 | 2019-05-05 | 增加对语音自训练平台的支持 |
| 3.0.5.7 | 2018-03-01 | 增加模拟器支持 |
| 3.0.5.6 | 2017-12-14 | 进入后台不打断识别和唤醒；错误修复； |
| / | 2017-12-08 | 语音在线识别模型升级，大幅度提升识别准确率！ |
兼容性
| 类别 | 兼容范围 |
|---|---|
| 系统 | 支持iOS 8.0及以上系统 |
| 架构 | armv7、arm64、i386、x86_64（模拟器架构暂不支持离线功能） |
| 网络 | 支持移动网络、WIFI等网络环境 |
| 开发环境 | 工程内使用了LTO等优化选项，建议使用最新版本Xcode进行开发 |
资源占用描述
静态库占用:
| SDK类型 | 二进制增量 | __TEXT增量 |
|---|---|---|
| 识别+唤醒 | 1.9M | 1.0M~1.2M |
资源占用：
| 资源名称 | 资源描述 | 备注 |
|---|---|---|
| bds_easr_basic_model.dat | 基础语言模型 | 必须引入 |
| bds_easr_mfe_cmvn.dat, bds_easr_mfe_dnn.dat | VAD(MFE)模型所需资源文件 | 需要MFE模式时引入 |
| bds_easr_gramm.dat | 离线语法资源文件 | 需要离线或唤醒功能时引入 |
| bds_easr_wakeup_words.dat | 唤醒词文件 | 需要唤醒时引入 |
| bds_easr_input_model.dat | 离线识别（输入法模式）资源文件 | 一般无需引入 |
SDK大小说明
- 由于 BITCODE 开启会导致二进制文件体积增大，这部分会在 APPStore 发布时进行进一步编译优化，并不会引起最终文件的体积变化，故此处计算的是关闭 BITCODE 下的二进制增量。
- .a中是多个架构做了合并，使用lipo可以看到细节。所以.a库文件本身很大，且打包出来的ipa也相对较大。但用户实际下载到手机中会被AppStore优化，只下载用户设备需要的架构，所以实际在手机上占用的空间很小。
Architectures in the fat file: libBaiduSpeechSDK.a are: armv7 i386 x86_64 arm64 - DemoApp（包括离线和唤醒）在iPhone6 10.2 中实际占用大小小于10M
功能说明
BDSClientHeaders/ASR/Settings/BDSASRDefines.h 与 BDSASRParameters.h 头文件中包含了绝大多数SDK的可用配置参数及说明。
语音识别音频数据源配置
目前SDK支持三种音频数据源。说明如下：
| 音频数据源 | 优先级 | 说明 |
|---|---|---|
| 文件输入 | 高 | 16K采样率、单声道PCM格式音频文件 |
| 输入流 | 中 | 用以支持外接音源，如车载录音机 |
| 本地录音机 | 低 | 手机设备内置录音功能 |
- 默认使用本地录音机，如设置过文件或输入流相关参数，将其置空即可恢复为默认设置；
- 录音模块运行时，切换数据源不生效；
- 多模块共享录音模块，重复设置会产生覆盖；
语音识别策略
目前SDK支持两种识别策略。说明如下：
| 识别策略 | 说明 |
|---|---|
| 在线识别 | 识别请求发至语音服务器进行解析 |
| 并行模式 | 离在线识别同时进行，取第一个返回的识别结果 |
引擎验证方法
在线识别与唤醒都需要进行相关验证后方可使用：
| 引擎类型 | 验证方法 |
|---|---|
| 在线识别 | 开放平台使用API/SECRET KEY + APPID进行验证 |
| 离线识别 | 使用APPID进行验证 |
| 唤醒引擎 | 与离线识别验证方法一致 |
语音识别中的AudioSession
语音识别SDK默认会将AudioSession的Category设置为AVAudioSessionCategoryPlayAndRecord，并在必要的时候调用setActive接口对外部音频进行打断及恢复，如果开发者不希望SDK对AudioSession进行操作，可以通过参数配置接口，把BDS_ASR_DISABLE_AUDIO_OPERATION对应的value设置为YES，即可屏蔽SDK内部的操作。
需要注意的是，SDK仍会对Category进行设置，只是屏蔽了setActive接口的调用，开发者可根据需求自行配置。
标点输出
如若需要输出标点，请先根据语言设置支持标点的PRODUCT_ID，同时关闭BDS_ASR_DISABLE_PUNCTUATION
// -- 开启标点输出 -----
[self.asrEventManager setParameter:@(NO) forKey:BDS_ASR_DISABLE_PUNCTUATION];
// 普通话标点
[self.asrEventManager setParameter:@"1537" forKey:BDS_ASR_PRODUCT_ID];
// 英文标点
// [self.asrEventManager setParameter:@"1737" forKey:BDS_ASR_PRODUCT_ID];PRODUCT_ID
在线参数， 请根据语言， 输入法及是否需要在线语义，来选择PID。
- 语言：目前支持中文普通话，四川话，粤语，和英语四个
- 输入法模型：适用于较长的句子输入。默认有标点，不支持在线语义; 开启标点后，不支持本地语义。
- 在线语义：在线语义只支持普通话（本地语义也是只支持普通话）
| PID | 语言 | 模型 | 是否有标点 | 在线语义 |
|---|---|---|---|---|
| 1537 | 普通话 | 语音近场识别模型 | 有标点（逗号） | 不支持 |
| 15372 | 普通话 | 语音近场识别模型 | 加强标点（逗号、句号、问号、感叹号） | 不支持 |
| 15373 | 普通话 | 语音近场识别模型 | 加强标点（逗号、句号、问号、感叹号） | 支持 |
| 1737 | 英语 | 无标点 | 不支持 | |
| 17372 | 英语 | 加强标点（逗号、句号、问号） | 不支持 | |
| 1637 | 粤语 | 有标点（逗号） | 不支持 | |
| 16372 | 粤语 | 加强标点（逗号、句号、问号、感叹号） | 不支持 | |
| 1837 | 四川话 | 有标点（逗号） | 不支持 | |
| 1936 | 普通话 | 远场模型 | 有标点（逗号） | 不支持 |
| 19362 | 普通话 | 远场模型 | 加强标点（逗号、句号、问号、感叹号） | 不支持 |
| 19363 | 普通话 | 远场模型 | 加强标点（逗号、句号、问号、感叹号） | 支持 |
- 原15361，15371，19361支持通用场景语义解析pid已全面升级为15363，15373，19363。语义理解协议升级，语义理解准确率提升，覆盖更多语义场景。旧有pid（15361，15371，19361）将于2019年12月31日不再维护，请尽快切换升级至对应新pid。
以上描述的“长句模型”与“长语音识别”是两个概念
PRODUCT_ID通过参数BDS_ASR_PRODUCT_ID来配置，如
[self.asrEventManager setParameter:@"1537" forKey:BDS_ASR_PRODUCT_ID];注意：BDS_ASR_PRODUCT_ID参数会覆盖识别语言的设置
语音自训练平台模型训练
自训练平台可以认为是自定义词库的升级版本，可以更加直观地查看训练效果。同样使用您自定义的文本进行结果优化。
具体功能及使用说明请参考文档 “自训练平台手册”
如您需要在iOS SDK上添加模型训练的功能，可以在语音自训练平台上训练实时语音识别-中文普通话模型
训练后的模型注意必须填写上线模型的模型参数，可在自训练平台的模型调用模块进行查看。
示例 获取专属模型参数pid:1537或15372 modelid:1235， 则调用websocket API时必须填写参数 dev_pid=1537或15372（PID功能见下表）；同时lm_id 设置为1235。
| PID | 模型 | 是否有标点 |
|---|---|---|
| 1537 | 中文普通话 | 无标点 |
| 15372 | 中文普通话 | 加强标点（逗号、句号、问号、感叹号） |
自训练平台模型配置
- 模型配置
[self.asrEventManager setParameter:@(1234) forKey:BDS_ASR_LM_ID];
[self.asrEventManager setParameter:@"1537" forKey:BDS_ASR_PRODUCT_ID];- 标点配置
[self.asrEventManager setParameter:@(EVR_PUNC_MODE_FULL) forKey:BDS_ASR_PUNCTUATION_EXT_MODE]; // 打开标点
[self.asrEventManager setParameter:@(EVR_PUNC_MODE_EMPTY) forKey:BDS_ASR_PUNCTUATION_EXT_MODE]; // 关闭标点
[self.asrEventManager setParameter:@(EVR_PUNC_MODE_SIMPLE) forKey:BDS_ASR_PUNCTUATION_EXT_MODE]; // 删除句末标点
[self.asrEventManager setParameter:@(EVR_PUNC_MODE_SIMPLEST) forKey:BDS_ASR_PUNCTUATION_EXT_MODE]; // 空格替换全部标点- 数字转换配置
[self.asrEventManager setParameter:@(NO) forKey:BDS_ASR_ENABLE_NUM_CONVERT_MODEL]; // 现在是二零零八年
[self.asrEventManager setParameter:@(YES) forKey:BDS_ASR_ENABLE_NUM_CONVERT_MODEL]; // 现在是2008年Release Notes
20200107: release 3.0.9.0
修改默认pid为1537
20191223: release 3.0.8.0
增加了识别子错误状态
20190505: release 3.0.6.0
增加对语音自训练平台的支持
20180301: release 3.0.5.7
增加模拟器支持
20171214: release 3.0.5.6
进入后台不打断识别和唤醒；错误修复；
20171208
语音在线识别模型升级，大幅度提升识别准确率！