實時語音評測 API 簡介

概念解釋

實時語音評測：實時語音口語評測服務可實現對連續音頻流的實時識別，并最終對用戶的讀音進行評測。

說明

Hi，您好，歡迎使用有道智云智能語音評測服務。

如果您想快速體驗服務，建議您前往 實時語音評測體驗中心 或者在體驗中心右下側找到小程序二維碼，掃描進行體驗。

本文檔主要針對需要集成實時語音識別服務HTTP API的開發工程師，詳細描述有道智云實時語音評測能力及如何集成的技術內容。

如果您有與我們商務合作的需求，可以通過以下方式聯系我們：

商務郵箱： AIcloud_Business@corp.youdao.com

如果您對文檔內容有任何疑問，可以通過以下幾種方式聯系我們：

客服QQ：1906538062

智云語音技術交流QQ群：861723255

聯系郵箱： zhiyun@corp.youdao.com

溫馨提示：

• 本文檔主要針對開發人員，接入測試前需要在后臺創建API應用，獲取應用ID和應用密鑰；如果您還沒有，請按照 新手指南 獲取。
• 平臺向每個賬戶贈送50元的體驗金，供用戶集成前測試所用，具體資費規則詳見 實時語音評測服務報價 。

接口說明

有道實時評測服務對用戶發音的完整度、流利度、準確度進行全方位評測，并能對發音錯誤、缺陷進行定位。

支持的音頻格式為16K 采樣率、16bits 精度的 pcm_s16le 音頻，目前支持中、英文。

服務接口的調用分為認證、實時通信兩階段。

接口地址：

wss://openapi.youdao.com/stream_capt?{請求參數}

請求參數格式： key1=value1&key2=value2&key3=value3&key4=value4

音頻格式要求：

格式支持：wav（不壓縮、pcm編碼） 采樣率：推薦16k。 編碼：16bit位深的單聲道

接口調用參數

調用API需要向接口發送以下字段來訪問服務。

簽名sign生成方法如下： sign=sha256(應用ID+salt+curtime+應用密鑰)。

輸出結果

響應結果是以json形式輸出，包含字段如下表所示：

輸出結果示例

服務端通過 text message 返回 json字符串的認證結果，參數示例：

成功：

{
	"result": [],
	"action": "started",
	"errorCode": "0"
}

失敗：

{
	"result": "[]",
	"action": "error",
	"errorCode": "202"
}

實時通信階段

認證成功之后，進入實時通信階段，實時通信分為兩個階段： 1） 客戶端發送待評測文本，如果不發送，會返回沒有發送評測文本的異常 2）客戶端發送音頻流和結束標識，并接收轉寫結果或錯誤。

發送評測文本

此階段客戶端通過 text message 發送評測文本。示例：

{"text":"have a good day"}

文本長度限制：英文不超過1000單詞。音頻時長不超過120s。

發送音頻流

此階段客戶端通過 binary message 發送音頻流，內容為音頻的二進制數據，此過程的發送頻率將影響文字結果展示的實時性。

建議以 200ms 間隔發送音頻數據，若間隔超時 15s 以上，服務端將停止識別。

發送結束標識

客戶端完成所有音頻數據的發送后，需發送一個特殊的 binary message 到服務端作為音頻流 發送結束的標識，內容為：

{"end": "true"}

接收評測結果

響應結果是以json形式輸出，包含字段如下表所示：

示例

{
	"result": {
		"refText": "day",
		"pronunciation": 73.799362,
		"start": 1.530000,
		"words": [{
			"pronunciation": 73.799362,
			"start": 1.530000,
			"index": 3,
			"end": 1.950000,
			"word": "day",
			"phonemes": [{
				"stressDetect": false,
				"pronunciation": 48.216797,
				"phoneme": "d",
				"start": 1.530000,
				"end": 1.650000,
				"judge": false,
				"calibration": "e",
				"prominence": 0.920839,
				"stressRef": false
			}, {
				"stressDetect": false,
				"pronunciation": 99.381935,
				"phoneme": "e",
				"start": 1.680000,
				"end": 1.950000,
				"judge": true,
				"calibration": "e",
				"prominence": 1.000000,
				"stressRef": false
			}]
		}],
		"fluency": 86.899673,
		"speed": 133.333313,
		"integrity": 99.999992,
		"service": "capt",
		"overall": 92.249207,
		"end": 1.950000,
		"isFinal": false,
		"status": "success"
	},
	"requestId": "9ad0101c-25f1-4336-90c2-e15d5c748e86",
	"errorCode": "0",
	"action": "capt"
}

支持語言

目前支持中英文的語音評測。

服務配置

錯誤代碼列表