前提条件
● 确保已按照配置Java环境配置完毕。
● 确保已存在待识别的音频文件并上传OBS或者有公网可访问服务器上（需保证可 使用域名访问），示例音频可参考下载SDK压缩包文件。如果音频存放在OBS 上，确保服务已授权访问OBS，可参考配置OBS服务。
初始化 Client
初始化AsrCustomizationClient，其参数包括AuthInfo和SisConfig。
表5-15 AuthInfo 参数名称 是否
必选
参数类型 描述
ak 是 String 用户的ak，可参考AK/SK认证。
sk 是 String 用户的sk，可参考AK/SK认证。
region 是 String 区域，如cn-north-4，参考终端节点。
projectId 是 String 项目ID，同region一一对应，参考获取项目ID。
endpoint 否 String 终端节点，参考地区和终端节点。一般使用默认即 可。
表5-16 SisConfig 参数名称 是否 必选
参数类 型
描述
connecti onTimeo ut
否 Integer 连接超时，默认10000，单位ms。
readTim
eout 否 Integer 读取超时，默认10000，单位ms。
请求参数
请求类为AsrCustomLongRequest，详见表5-17。
表5-17 AsrCustomLongRequest
dataUrl 是 String 存放录音文件地址：
● 推荐使用华为云OBS：授权配置请参见OBS配
mat 是 String 音频格式，具体信息请参见《API参考》中录音文件
识别章节。
property 是 String 属性字符串，语言_采样率_模型，如
chinese_8k_common。具体信息请参见《API参 考》中录音文件识别章节。
addPunc 否 String 表示是否在识别结果中添加标点，取值为yes 、 no，默认no。
lysisInfo 否 Boolean 是否选择分析信息。当前仅对8k模型有效。
如果选择false，则声道、话者分离、情绪检测、速 度信息均无效。默认false。
diarizatio
n 否 Boolean 是否需要话者分离，表示识别结果会包含role项，默 认true。
channel 否 String 语音文件声道信息，可以为MONO（缺省)、
LEFT_AGENT、RIGHT_AGENT。
emotion 否 Boolean 是否需要做情绪检测，默认true。
speed 否 Boolean 是否需要输出语速信息，默认true。
vocabula
ryId 否 String 热词表id，不使用则不填写。
创建热词表请参考《API参考》中创建热词表章节。
needWor
dInfo 否 String 表示是否在识别结果中输出分词结果信息，取值为
“yes”和“no”，默认为“no”。
响应参数
响应类为AsrCustomLongResponse，详见表5-18。
表5-18 AsrCustomLongResponse 参数名称 是否
必选
参数类 型
描述
status 是 String 描述返回状态。
● WAITING 等待识别。
● FINISHED识别已经完成。
● ERROR 识别过程中发生错误。
createTi
me 否 String 任务创建时间。格式如 2018-12-04T13:10:29.310Z。
startTim
e 否 String 开始识别时间。格式如
2018-12-04T13:10:29.310Z。
finishTim
e 否 String 识别完成时间。格式如
2018-12-04T13:10:29.310Z。
segment
s 否 Array of
objects 识别结果, 多句结果的数组。
数据结构参见表5-19。
表5-19 Segment
参数名 是否必选 参数类型 说明
start_time 是 Integer 一句的起始时间戳，单位ms。
end_time 是 Integer 一句的结束时间戳，单位ms。
result 是 Object 调用成功表示识别结果，调用失败时无
此字段。数据结构参见表5-20。
表5-20 Result
参数名 是否必选 参数类型 说明
text 是 String 识别结果文本。
analysis_info 否 Object 每一句的质检分析结果对象。
仅在识别配置中的need_analysis_info 不为null时存在该返回结果。数据结构 参见表5-21。
word_info 否 Array of
Object 分词输出列表。
表5-21 Analysisinfo
参数名 是否必选 参数类型 说明
role 否 String 角色类型，目前仅支持 AGENT（座 席），USER（用户）。
emotion 否 String 情绪类型，目前仅支持NORMAL（正 常），ANGRY（愤怒）。
在识别配置中emotion为true时存在。
speed 否 Float 语速信息，单位是每秒字数。
在识别配置中speed为true时存在。
表5-22 Word_info 数据结构
参数名 是否必选 参数类型 说明
start_time 否 Integer 起始时间 end_time 否 Integer 结束时间
word 否 String 分词
代码示例
import com.huawei.sis.bean.SisConfig;
import com.huawei.sis.bean.SisConstant;
import com.huawei.sis.bean.request.AsrCustomLongRequest;
import com.huawei.sis.bean.response.AsrCustomLongResponse;
import com.huawei.sis.bean.request.AsrCustomShortRequest;
import com.huawei.sis.bean.response.AsrCustomShortResponse;
import com.huawei.sis.bean.AuthInfo;
import com.huawei.sis.client.AsrCustomizationClient;
import com.huawei.sis.exception.SisException;
import com.huawei.sis.util.IOUtils;
import com.huawei.sis.util.JsonUtils;
/** * 录音文件识别Demo
* * Copyright 2021 Huawei Technologies Co.,Ltd.
*/public class AsrCustomizationDemo { private static final int SLEEP_TIME = 500;
private static final int MAX_POLLING_NUMS = 1000;
private String ak = "";
private String sk = "";
private String region = ""; // 区域，如cn-north-1、cn-north-4
private String projectId = ""; // 项目id。登录管理控制台，鼠标移动到右上角的用户名上，在下拉列表中选择我 的凭证，在项目列表中查看项目id。多项目时，展开“所属区域”，从“项目ID”列获取子项目ID。
/** * todo 请正确填写音频格式和模型属性字符串 * 1. 音频格式一定要相匹配.
* 例如obs url是xx.wav, 则在录音文件识别格式是auto。
* 例如音频是pcm格式，并且采样率为8k，则格式填写pcm8k16bit。
* 如果返回audio_format is invalid 说明该文件格式不支持。
* * 2. 音频采样率要与属性字符串的采样率要匹配。
private String obsAudioFormat = ""; // 文件格式，如auto等
private String obsProperty = ""; // 属性字符串，如chinese_8k_common等 /**
* 设置录音文件识别参数，所有参数均有默认值，不配置也可使用 * * @param request 录音文件识别请求
*/
private void setLongParameter(AsrCustomLongRequest request) { // 设置否是添加标点，yes 或no， 默认是no
request.setAddPunc("yes");
// 设置是否将语音中的数字转写为阿拉伯数字，yes或no，默认yes request.setDigitNorm("no");
// 设置声道，MONO/LEFT_AGENT/RIGHT_AGENT, 默认是单声道MONO request.setChannel("MONO");
// 设置是否需要分析，默认为false。当前仅支持8k采样率音频。当其设置为true时，话者分离、情绪检测，速 度、声道才生效。
request.setNeedAnalysis(true);
// 设置是否需要话者分离，若是，则识别结果包含role，默认true request.setDirization(true);
// 设置是否需要情绪检测，默认true。
request.setEmotion(true);
// 设置是否需要速度。默认true。
request.setSpeed(true);
// 设置回调地址，设置后音频转写结果将直接发送至回调地址。请务必保证地址可联通,不支持ip地址。
// request.setCallbackUrl("");
// 设置热词id，不使用则不用填写 // request.setVocabularyId("");
} /**
* 定义config，所有参数可选，设置超时时间等。
* * @return SisConfig */
private SisConfig getConfig() { SisConfig config = new SisConfig();
// 设置连接超时，默认10000ms
config.setConnectionTimeout(SisConstant.DEFAULT_CONNECTION_TIMEOUT);
// 设置读取超时，默认10000ms
config.setReadTimeout(SisConstant.DEFAULT_READ_TIMEOUT);
// 设置代理, 一定要确保代理可用才启动此设置。 代理初始化也可用不加密的代理，new ProxyHostInfo(host, port);
// ProxyHostInfo proxy = new ProxyHostInfo(host, port, username, password);
// config.setProxy(proxy);
return config;
}
/**
* 录音文件识别demo */
private void longDemo() { try {
// 1. 初始化AsrCustomizationClient
// 定义authInfo，根据ak，sk，region,projectId.
AuthInfo authInfo = new AuthInfo(ak, sk, region, projectId);
// 设置config，主要与超时有关 SisConfig config = getConfig();
// 根据authInfo和config，构造AsrCustomizationClient
AsrCustomizationClient asr = new AsrCustomizationClient(authInfo, config);
// 2. 生成请求
AsrCustomLongRequest request = new AsrCustomLongRequest(obsUrl, obsAudioFormat, obsProperty);
// 设置请求参数，所有参数均为可选 setLongParameter(request);
// 3. 提交任务，获取jobId
String jobId = asr.submitJob(request);
// 4 轮询jobId，获取最终结果。
int count = 0;
int successFlag = 0;
AsrCustomLongResponse response = null;
while (count < MAX_POLLING_NUMS) {
System.out.println("正在进行第" + count + "次尝试");
response = asr.getAsrLongResponse(jobId);
String status = response.getStatus();
System.out.println(JsonUtils.obj2Str(response, true));
} catch (SisException e) { e.printStackTrace();
System.out.println("error_code:" + e.getErrorCode() + "\nerror_msg:" + e.getErrorMsg());
} }
public static void main(String[] args) {
AsrCustomizationDemo demo = new AsrCustomizationDemo();
// 录音文件识别
/** * 查询长语音转写结果 */@Getter
@Setter
@JsonIgnoreProperties(ignoreUnknown = true)
@ToString
public class QueryTranscriptionResp { @JsonProperty("job_id")
private String jobId;
@JsonProperty("status") private String status;
@JsonProperty("create_time") private String createTime;
@JsonProperty("start_time") private String startTime;
@JsonProperty("finish_time") private String finishTime;
@JsonProperty("segments") private List<Segment> segments;
@JsonProperty("error_code") private String errorCode;
@JsonProperty("error_msg") private String errorMsg;
/**
* Segments */
@Getter @Setter
@JsonIgnoreProperties(ignoreUnknown = true) public static class Segment {
@JsonProperty("start_time") private long startTime;
@JsonProperty("end_time") private long endTime;
@JsonProperty("result") private Result result;
@JsonIgnoreProperties(ignoreUnknown = true) public static class Result {
@JsonProperty("text") private String text;
@JsonProperty("score") private double score;
@JsonProperty("analysis_info") private AnalysisInfo analysisInfo;
@JsonProperty("word_info") private List<WordInfo> wordInfo;
}
/**
* AnalysisInfo */
@Getter @Setter
@JsonIgnoreProperties(ignoreUnknown = true) public static class AnalysisInfo {
@JsonProperty("role") private String role;
@JsonProperty("emotion") private String emotion;
@JsonProperty("speed") private Double speed;
@JsonIgnoreProperties(ignoreUnknown = true) public static class WordInfo {
@JsonProperty("start_time") private Integer startTime;
@JsonProperty("end_time") private Integer endTime;
@JsonProperty("word") private String word;
public class CallbackController { @PostMapping("/v1/callback")
public ResponseEntity<?> callback(@RequestBody QueryTranscriptionResp queryTranscriptionResp) { if (!StringUtils.isEmpty(queryTranscriptionResp.getErrorCode())
|| queryTranscriptionResp.getStatus().equals("ERROR")) {
System.out.println("receive error resp"+queryTranscriptionResp.toString());
return new ResponseEntity<>("error resp", HttpStatus.BAD_REQUEST);
}
List<QueryTranscriptionResp.Segment> segments = queryTranscriptionResp.getSegments();
for (QueryTranscriptionResp.Segment segment : segments) { QueryTranscriptionResp.Result result = segment.getResult();
System.out.println("result: " + result.getText());
}
return new ResponseEntity<>("", HttpStatus.OK);
}}