Serverless 应用中心 部署互动直播间语音识别服务

一、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。

二、架构原理

具体流程如下：


三、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。

四、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。

五、1. 开通服务

你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。

六、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：


3. 选择直播房间实时语音识别服务，并进行基础配置。如下：


·应用名：自定义名称。

·地域：根据实际情况进行选择。

·密钥信息：你可在 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：


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。

七、3. 语音识别启动接口

proto: HTTPSMethod: POSTURL: https://service-xxx-xxxx.sh.apigw.tencentcs.com/release/asr_speech

请求参数：

请求示例：

{ "SdkAppId": 1400000000, "RoomId": 43474, "UserId": "user_55952145", "UserSig": "eJwtzNEKgkAUBNBxxxxxxx", "Callback": "https:xxxxxxxx.com/post/xxx"}

八、识别结果回调接口

回调参数说明：

Result 为数组类型，元素封装为 JSON 对象，封装格式如下：

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" }]}