接口说明

功能简介

需要说明的是，NUI SDK不同于智能语音交互通用SDK（一句话识别、实时识别、语音合成、长文本语音合成），其主要用在如智能音箱、儿童教育故事机、语音IoT家电等需要远近场语音交互的智能硬件设备端。和智能语音交互通用SDK比，NUI SDK提供了一套完整的端到端远场语音解决方案。

设备端语音交互SDK特性

• 远场信号处理

  在远场语音交互场景中，智能设备通常要面对设备回声、人声干扰、环境噪声、房间混响等诸多不利声学因素的影响。NUI SDK提供了一套音频前端系统来对原始音频进行增强，提高目标信号的信噪比和语音可懂度，从而提升人机/人人交互的用户体验。

• 语音唤醒

  支持定制词语的唤醒模型。当SDK检测到有人说出该词后，便抛出唤醒信号。唤醒服务支持多个唤醒词和命令词，从唤醒词录制到模型训练完成大约需要2~3周时间。

• 人声检测

  为了节约设备计算资源、减少端侧功耗，NUI SDK自建人声检测功能，只有通过人声检测的音频才会发送给云端进行语音识别。

• 在线语音识别

  对时长较短（一分钟以内）的语音进行识别。适用于较短的语音交互场景，如语音搜索、语音指令、语音短消息和语音对话等。

• 在线语音合成

  语音合成服务，通过先进的深度学习技术，将文本转换成自然流畅的语音。多种音色可供您选择，并提供调节语速、语调和音量等功能。

NUI SDK与其他原子SDK区别

服务地址

交互状态机

交互系统分为4个状态，分别为：

• UNINIT：未初始化状态（默认状态）。

• STOP：暂停状态。SDK初始化后处于STOP状态。

• IDLE：待机状态。该状态接收语音输入可以进行语音唤醒，当发生唤醒事件后SDK仍然处于IDLE状态，可以通过interactive接口直接切换至INTERACTIVE状态。

• INTERACTIVE：识别状态。该状态可以接收音频输入，当识别结束或者识别出错则会自动切换至IDLE状态。

每个状态的交互特性如下表所示。