使用语音SDK开发：如何集成和使用语音库文件？

一、文档概述

本文档是开发科大讯飞Windows语音程序的用户指南，提供工程创建、配置、编译、运行等相关信息的说明。其适用的读者为使用语音SDK进行开发的产品设计师、软件工程师，通过阅读本文档，读者可以掌握如何集成和使用语音库文件。

二、新建项目

1）打开Microsoft Visual Studio 2010，选择文件->新建->新建项目。

2）选择Visual C++ ->Win32->Win32控制台应用程序，输入项目名称，然后点击确定键。

3）点击下一步。

4）附加选项选择“空项目”，应用程序类型选择“控制台应用程序”，然后点击完成。

5）鼠标右键点击“源文件”，点击添加->新建项。

6）选择“代码”，输入后缀名为.c的名称，例如“main.c”，点击添加。

7）代码请参考SDK/Windows_SDK/samples下的语音示例。

8）将科大讯飞语音SDK中bin,include,libs文件复制到Demo文件夹下。

三、导入头文件

1）鼠标右键点击Demo项目，选择属性。

2）点击C/C++->常规->附加包含目录，输入相对于工程文件Demo.vcxproj的相对路径，即相对于$(ProjectDir)的路径。

四、加载msc.dll

1）加载msc.lib文件：在main.c文件中输入如下图所示代码。（注意：加载路径输入相对于工程文件的相对路径）

2）将msc.dll所在目录设置为工作目录，即“$(ProjectDir)..\bin\”。

五、打印日志

运行程序后，bin/msc文件夹下会生成日志。（注意：msc文件夹下需有msc.cfg文件）

六、运行可执行文件

1）通过属性设置，将可执行文件copy到bin目录下运行，否则会报如图16错误。 

2）点击“命令行”后边的下拉框，选择“编辑”。

3）输入“copy $(TargetPath) $(ProjectDir)..\bin\”。

七、常见问题

1)如何联系我们获得技术支持？

答：科大讯飞提供以下方式的技术支持：

a.自助查询——请登陆官网：http://www.xfyun.cn/

语音合成：http://www.xfyun.cn/doccenter/tts

语音识别：http://www.xfyun.cn/doccenter/asr

新手指南：http://www.xfyun.cn/doccenter/newer

常见解答：http://www.xfyun.cn/default/doccenter/doccenterInner?itemTitle=ZmFx

b.电话支持——请于周一～周五，北京时间9：00～17：00间，拨打电话： 0551－65309063获得技术支持信息。

c.电子邮件支持——请将问题的详细描述发至：msp_support@iflytek.com。

d.在线支持——请登录我们的论坛：http://bbs.xfyun.cn/forum.php

联系时对问题的描述请尽量包含以下内容：

1.系统配置（包括CPU、内存、硬盘、操作系统及产品版本等信息）

2.问题细节（包括问题的重现过程及合成的文本内容、识别音频等）

3.问题重现（包括详细的操作过程和运行日志等）

2）拿到了合成音频但不知道如何来播放？

答：合成拿到的音频是没有音频头的，音频头中含有音频格式、采样率、音频长度等播放音频所需信息。拿到合成音频后，用户可以添加音频头，可参考例子tts_sample中的代码，然后使用常规播放器来播放；也可以使用Cool Edit等软件手动选择音频参数来播放。

3） 如何进行大文本的合成？

答：语音云一次语音合成允许的合成文本大小不超过8192个字节，所以对于长度超过此值的大合成文本，用户可以采用“分段合成”的方式，即先将大文本按照标点符号如句号进行切分，然后对每一段文本分别进行合成。进行分段合成时，用户既可以在一路会话中循环使用QTTSTextPut+QTTSAudioGet组合完成合成，也可以为每一段文本使用一路独立的会话完成合成。

4） 获取不到识别/听写结果。

答：原因可能是：

a.QISRSessionBegin的参数设置不正确，如没有设置好正确的引擎类型等。      

b.音频格式不对，客户端支持的音频编解码算法只支持16位Intel PCM格式的音频。

5)能获取到语音听写结果但是不全。

答：此问题主要是在调用QISRAudioWrite时没有正确设置参数audioStatus所致，此参数在写入非最后一个音频数据块时需要设置为2，写入最后一个数据块时需要设置为4，以告诉MSC音频写入完毕。如果只有一个音频数据块，audioStatus也需要设置为4。

6) 可以拿到识别或转写结果但是响应很慢。

答：此问题可以尝试如下方法来解决：

a.调用QISRAudioWrite接口写音频数据时，尽量做到“匀速发送”——周期性的发送定长数据，做到边录边发，避免一次发送数据量过大的音频。

b.采用QISRAudioWrite接口和QISRGetResult接口混调的方式。在调用QISRAudioWrite接口时，可以检查out型参数recogStatus，如果其值为0，表明已经有（部分）识别结果缓存在MSC中了，此时可以调用QISRGetResult来获取结果。