基于百度云AI-java开发语音识别demo

最近研究了一下百度云AI，和科大讯飞、阿里、腾讯，各大公司都提供了全面的ai接口和文档，对一位入门或者初学者来说挺好的，如果想深入研究的还可以直接翻源码学习。这里就简单写了一个语音识别的功能。后面会不断更新人脸识别等相关ai方面的东西。

首先，上百度云注册账号，然后再“人工智能”-“语音识别”下创建一个自己的应用，创建完后会得到，APPID,APIKEY,SERET KEY, 这几个熟悉对于一个经常写接口的人都应该会知道，是用来获取百度ai提供的token的，然后通过token才能方位百度云AI上面的相关接口。

接着，创建完用户后，就可以左边的下拉菜单中查找对应的技术文档，和下载SDK。

SDK，地址https://github.com/Baidu-AIP/java-sdk，目前版本是 4.8.0最新的，里面有相关源码。

继续，阅读完技术文档后，开始写demo，本人使用eclipse，创建maven项目，然后pom
文件引入百度ai包，

<dependencies>
    <dependency>
      <groupId>junit</groupId>
      <artifactId>junit</artifactId>
      <version>3.8.1</version>
      <scope>test</scope>
    </dependency>
    <dependency>
	    <groupId>com.baidu.aip</groupId>
	    <artifactId>java-sdk</artifactId>
	    <version>4.8.0</version>
	</dependency>
    <dependency>
        <groupId>com.googlecode.soundlibs</groupId>
        <artifactId>mp3spi</artifactId>
        <version>1.9.5.4</version>
     </dependency>
  </dependencies>

然后，创建demo 代码；

package com.ai.asr.util;

import org.json.JSONException;
import org.json.JSONObject;

import com.baidu.aip.speech.AipSpeech;

public class Sample2 {
	//设置APPID/AK/SK
    public static final String APP_ID = "你的 ID";
    public static final String API_KEY = "你懂的";
    public static final String SECRET_KEY = "你的";
    private static final String testFileName = "C:\\Users\\johndgj\\Desktop\\20190101学习记录表\\test.pcm"; // 百度语音提供技术支持

    public static void main(String[] args) {
        // 初始化一个AipSpeech
        AipSpeech client = new AipSpeech(APP_ID, API_KEY, SECRET_KEY);

        // 可选：设置网络连接参数
        client.setConnectionTimeoutInMillis(2000);
        client.setSocketTimeoutInMillis(60000);

        // 可选：设置代理服务器地址, http和socket二选一，或者均不设置
//        client.setHttpProxy("proxy_host", proxy_port);  // 设置http代理
//        client.setSocketProxy("proxy_host", proxy_port);  // 设置socket代理

        // 可选：设置log4j日志输出格式，若不设置，则使用默认配置
        // 也可以直接通过jvm启动参数设置此环境变量
//        System.setProperty("aip.log4j.conf", "path/to/your/log4j.properties");

        // 调用接口
        JSONObject res = client.asr(testFileName, "pcm", 16000, null);
        try {
			System.out.println(res.toString(2));
		} catch (JSONException e) {
			e.printStackTrace();
		}
        
    }

}

最后，跑一下，完成了

{
  "corpus_no": "6728201278371111763",
  "err_msg": "success.",
  "err_no": 0,
  "result": ["北京科技馆。"],
  "sn": "285721224311566531434"
}

总结，这是比较简单的案例，想了解更深的，没有比研究源码更好的了。还有另外一个问题就是 现在的录音等文件都是 MP3，或MP4等其他格式的，要把这些转换成PCM文件，才能识别。后面会更新如果将MP3或其他文件转换为PCM，并进行识别。