Serverless 应用中心部署互动直播间语音识别服务-实践教程-文档中心-腾讯云

使用场景
你画我猜：可以实时拉取房间内某个用户的音频进行实时识别，转换成文本之后回调给客户的业务服务器，进行业务逻辑判断
语音审核：和业务关联比较多的语音审核，可以采取该接口将数据流投递到语音识别接口进行语音识别，然后进行关键词过滤。
实时字幕：可以通过该接口实时识别房间音频数据，形成文本，在前端做呈现。
架构原理
具体流程如下图所示：
﻿
﻿
应用优势
实时返回：可以将 trtc 房间的语音数据实时识别返回，快速高效。
流程简单：深度融合 trtc 和 asr，数据流完全打通，不需要复杂接入流程。
使用灵活：数据返回给业务服务器之后，可以和业务逻辑实时关联。
注意事项
一般情况下，语音识别的处理时间较长是由于部署函数时开启了 异步执行。
目前识别的结果将下发至业务服务器。暂不支持 websocket 的形式，无法下发至客户端。
默认的鉴权形式是 应用鉴权，测试时可更改为 无鉴权。
使用流程
1. 开通服务
您需要开启腾讯云语音识别服务，操作详情见 开通语音识别服务。
2. 部署函数服务
1. 登录 Serverless 应用控制台。
2. 单击新建应用，进入“新建应用”页面。如下图所示：
﻿
﻿
3. 选择直播房间实时语音识别服务，并进行基础配置。如下图所示：
﻿
﻿
应用名：自定义名称。
地域：根据实际情况进行选择。
密钥信息：您可在 API密钥管理 中查看腾讯云账号密钥信息。
4. 单击完成即可。已创建的应用详情界面如下图所示：
﻿
﻿
5. 单击云函数 > 函数名称进入函数详情页，在“触发管理”中获取访问路径。
3. 语音识别启动接口
proto: HTTPS
Method: POST
URL: https://service-xxx-xxxx.sh.apigw.tencentcs.com/release/asr_speech
请求参数：
参数
类型
必填
说明
SdkAppId
Int
是
应用 ID，用于区分不同 TRTC 应用。
RoomId
Int
否
整型房间号 ID，用于在一个 TRTC 应用中唯一标识一个房间。
StrRoomId
String
否
字符串房间号 ID，RoomId 与 StrRoomId 必须配置一项，如果 RoomId 与 StrRoomId 同时配置，使用 RoomId。
UserId
String
是
录制用户 ID，用于在一个 TRTC 应用中唯一标识一个用户。
UserSig
String
是
录制用户签名，用于对一个用户进行登录鉴权认证。
Callback
String
否
录制结束后的回调地址，并使用 POST 方式进行回调。
请求示例：
{
    "SdkAppId": 1400000000,
    "RoomId": 43474,
    "UserId": "user_55952145",
    "UserSig": "eJwtzNEKgkAUBNBxxxxxxx",
    "Callback": "https:xxxxxxxx.com/post/xxx"
}
识别结果回调接口
回调参数说明：
参数
类型
必填
说明
SdkAppId
Int
是
应用 ID。
RoomId
int
是
整型房间 ID。
UserId
String
是
识别的用户 ID。
StrRoomId
String
是
字符串房间 ID。
Result
Array
是
语音识别结果 [{},{},{},{}]
Status
String
是
当前用户语言识别状态，normal/finished
Result 为数组类型，元素封装为 JSON 对象，封装格式如下：
参数名称
类型
必选
描述
Voice
String
是
当前一句话文本结果，编码为 UTF8。
Index
Integer
是
当前一句话结果在整个音频流中的序号，从 0 开始逐句递增。
StartTime
Integer
是
当前一句话结果在整个音频流中的起始时间。
EndTime
Integer
是
当前一句话结果在整个音频流中的结束时间。
Message
String
是
识别任务的执行结果。例如，识别结束，识别中，识别失败等。
结果示例：
{
    "RequestID": "95941e2c85898384a95b81c2a5******",
    "SdkAppId": 1400000000,
    "RoomId": 43474,
    "UserId": "user_55952145",
    "Status": "recognizing/finished",
    "Result": [{
        "Voice": "实时语音识别",
        "Index": 0,
        "StartTime": 0,
        "EndTime": 1024,
        "Message": "success"
    }]
}
﻿

参数	类型	必填	说明
SdkAppId	Int	是	应用 ID，用于区分不同 TRTC 应用。
RoomId	Int	否	整型房间号 ID，用于在一个 TRTC 应用中唯一标识一个房间。
StrRoomId	String	否	字符串房间号 ID，RoomId 与 StrRoomId 必须配置一项，如果 RoomId 与 StrRoomId 同时配置，使用 RoomId。
UserId	String	是	录制用户 ID，用于在一个 TRTC 应用中唯一标识一个用户。
UserSig	String	是	录制用户签名，用于对一个用户进行登录鉴权认证。
Callback	String	否	录制结束后的回调地址，并使用 POST 方式进行回调。

参数名称	类型	必选	描述
Voice	String	是	当前一句话文本结果，编码为 UTF8。
Index	Integer	是	当前一句话结果在整个音频流中的序号，从 0 开始逐句递增。
StartTime	Integer	是	当前一句话结果在整个音频流中的起始时间。
EndTime	Integer	是	当前一句话结果在整个音频流中的结束时间。
Message	String	是	识别任务的执行结果。例如，识别结束，识别中，识别失败等。

部署互动直播间语音识别服务

本页目录：

使用场景

架构原理

应用优势

注意事项

使用流程

1. 开通服务

2. 部署函数服务

3. 语音识别启动接口

识别结果回调接口