百度AI-语音技术使用总结

使用场景：

通过自定义唤醒词唤起语音识别功能，语音识别可以识别指定语法场景，并且通过TTS播报出来。

技术：

唤醒词、语音识别、tts（离线在线融合合成）

注意事项：

1、tts默认没有缓存机制，比如播放数字1，若需要高频播放，则需要自定义缓存，若存在则不需要再次发起合成，而是可以直接播放音频文件。见官方demo代码的FileSaveListener。
备注sdk及demo下载地址：http://ai.baidu.com/sdk

2、设置默认离线发音人。由于默认的在线和离线发音人不一致，导致没有网络的时候突然更改男发音人，特别突兀，体验不好。固找到默认离线发音人，demo代码：

//默认离线发音人设置为男，只有在离在线融合模式下生效TtsMode.MIX
protected String offlineVoice = OfflineResource.VOICE_FEMALE;
......
//设置在线发音人
//基础音库： 0 普通女声（默认） 度小宇=1，度小美=0，度逍遥=3，度丫丫=4
//精品音库：度博文（男）=106，度小童（女童音）=110，度小萌（萌女）=111，度米朵（女童萌）=103，度小娇（较快 女）=5
params.put(SpeechSynthesizer.PARAM_SPEAKER, "0");

3、唤醒之后，启动语音识别，会有时间误差（目前启动语音识别需要2s左右）。用户会在唤醒之后立刻说话，导致2s左右的声音识别不到，从而导致识别错误。
改善方法：增加提示音或弹窗加载中的提示。目前还没研究小度在家是怎么做到任意模式切换的。

4、语法文件：

telephone.call    = 打电话给<name>, 打给<name>, 呼叫<name>,给<name>打电话
app.playunreadmsg = 播放消息,播放未读消息,播放新消息
app.open            = 打开<appname>, 启动<appname>

编辑地址：https://console.bce.baidu.com/ai/?fromai=1#/ai/speech/speech/asr/index
编辑完之后记得下载，编译到app里即可。