端到端语音语言大模型Android SDK

更新时间：2025-05-16

1. 文档简介

1.1 文档说明

文档名称	端到端语音语言大模型集成文档
所属平台	Android
提交日期	2025-05-15
概述	本文档是百度语音开放平台Android SDK的用户指南，描述了端到端语音语言大模型相关接口的使用说明。

1.2 申请试用

本接口处于邀测阶段，如需使用，请先提交合作咨询，或者提交工单，提供公司名称、Cloud ID、应用场景，工作人员协助开通权限后方可使用。

2 开发准备工作

2.1 环境准备

系统支持：Android 6.0+
架构支持：armeabi-v7a，arm64-v8a
硬件要求：要求设备上有麦克风
网络：支持移动网络（不包括2G、3G）、WIFI等网络环境
开发环境：建议使用最新版本Android Studio 进行开发
环境要求：gradle 3.0+ , Java jdk 1.8+

2.2 SDK目录结构

2.3 SDK安装

将libs/bos-android-sdk-xxx.jar复制到您的项目的同名目录中

添加模型文件

在build.gradle中添加依赖

Text

1implementation fileTree(dir: 'libs', include: ['*.jar', '*.aar'])
2implementation 'com.baidu.speech.asr_tts:bdspeech:1.0.0.3a98445'

2.4 鉴权方式

2.4.1 access_token鉴权机制

* 获取AK/SK

请参考通用参考 - 鉴权认证机制 | 百度AI开放平台中的access_token鉴权机制获取AK/SK, 并得到AppID、API Key、Secret Key三个信息

在START开始语音识别时，传入认证信息。详细参数参考"开始识别"

Text

1// ... 其他参数已忽略
2map.put(SpeechConstant.APP_ID, APP_ID); // 添加appId
3map.put(SpeechConstant.APP_API_KEY, APP_KEY); // 添加apiKey
4SpeechEventManager.startAsr(this, new JSONObject(map), this);

2.4.2 API Key鉴权机制

注意：邀测阶段暂时仅支持access_token鉴权机制

3. SDK集成

3.1 功能接口

SDK中主要的类和接口如下：

SpeechEventManager：语音事件管理类，用于管理语音识别、语音合成等事件。
SpeechSynthesizer: 语音合成类，用于管理语音合成和播放
JsonUtil：json工具类，帮助组装json请求参数
SpeechConstant: 包含语音识别、语音合成等参数的key常量
TtsAudioInfoEntity：用于播放音频的类
IEventListener: 事件监听器接口，用于处理语音识别过程中产生的各种事件。
SpeechSynthesizerListener: 语音合成监听器接口，用于处理语音合成过程中产生的各种事件
SynthesizerResponse：语音合成的响应结构，SpeechSynthesizerListener回调函数中接收到的输入参数

3.1.1 SpeechEventManager：语音识别操作类

方法列表
- initSDK: 初始化SDK
  - 功能说明：在应用启动后执行一次，不可重复调用。
  - 输入参数
    - context: Context，上下文信息
    - sdkConfig: SpeechEventManager.SDKConfig， SDK配置信息，包括3部分：
      - asr参数：通过setAsrParamMap设置, 可用参数见下表：

参数名	类型	是否必须	说明
SpeechConstant.PID	String	是	识别环境ID，邀测环境使用 4144779, 正式环境请联系技术支持获取
SpeechConstant.DEVICE_ID	String	是	设备唯一id，通过getSpeechDeviceId获取

其他透传参数：通过setExternalMap设置, 可用参数见下表：

参数名	类型	是否必须	说明
SpeechConstant.LOCATION	string	是	位置信息
SpeechConstant.APP_VERSION	string	是	版本号
SpeechConstant.DEVICE_ID	string	是	设备唯一id，通过getSpeechDeviceId获取

startAsr: 启动识别

功能说明：开启一次识别,注意不要多次调用，下次调用需要在CALLBACK_EVENT_ASR_EXIT回调或调用停止接口后调用 输入参数 context: Context，上下文信息 * jsonObject: JSONObject，通过json传递的参数，具体参数请参考下表

参数名	类型	是否必须	说明
PID	string	是	识别环境 id，邀测环境使用 4144779, 正式环境请联系技术支持获取
URL	string	是	识别环境 url, 默认值`https://audiotest.baidu.com/v2_llm_test`
APP_ID	string	是	开放平台创建应用后分配的鉴权信息,上线后请使用此参数填写鉴权信息。参考 "2.4 鉴权方式"
APP_API_KEY	string	是	开放平台创建应用后分配的鉴权信息,上线后请使用此参数填写鉴权信息。参考 "2.4 鉴权方式"
ASR_AUDIO_COMPRESSION_TYPE	string	是	必传，音频压缩类型, 默认值：OPUS.（暂不支持其他类型）
ASR_MUTIPLY_MODE	string	否	json字符串，格式为：scene_id：识别类型(1: 点按识别； 2: 唤醒后识别；4：长按识别，参考"4.2 开发场景" 配置默认为1)
ASR_ENABLE_MUTIPLY_SPEECH	string	否	是否启动全双工 0：单⼯，1：全双⼯，默认为0
ASR_VAD_RES_PATH	string	否	vad 资源路径，"初始化环境"时拷贝的资源路径
NET_TYPE	string	否	网络类型；1：有turbonet的http（场内网络库）；3：无turbonet的http. 默认值：1
LOG_LEVEL	string	否	设置日志等级，可选值：LogUtil.VERBOSE ， LogUtil.DEBUG，LogUtil.INFO，LogUtil.WARN，LogUtil.ERROR，LogUtil.OFF

listener: IEventListener，事件监听器, 需要实现IEventListener接口, 详情请参考IEventListener

stopASR: 停止语音识别

功能说明：停止当前语音识别，并保留当前的识别结果，已经发送的音频会被正常处理。
输入参数：无
返回值：无

exitASR: 退出语音识别

功能说明：退出语音识别，并停止后续处理，已经发送未处理的音频不会继续处理。
输入参数：无
返回值：无

pauseAsr: 暂停语音识别

功能说明：暂停语音识别双工长语音功能可以用到，目前只会停止语音识别功能，需记录语音识别最后一条sn，该sn后面的语音都会进行暂停
输入参数：无
返回值：无

resumeAsr: 恢复语音识别

功能说明：恢复语音识别
输入参数：无
返回值：无

getSpeechDeviceId: 获取设备ID

输入参数：无
返回值：String, 设备唯一ID

3.1.2 IEventListener：语音识别事件监听

用户需要实现此接口，并在启动识别时传入，以监听语音识别过程中产生的事件。

方法列表
- onEvent: 接收识别过程中产生的回调事件
  - 输入参数
    - name: string，事件名称，具体事件请参考下表
    - params: string，事件参数。根据事件名称的不同，参数内容不同。详细请参考下表
    - data: byte[], 事件中携带的二进制数据，例如语音合成产生的音频数据。
    - offset:int, 暂未使用
    - length: int, data中数据的长度
  - 返回值
    - 无

事件名称	事件参数（params）	说明
CALLBACK_EVENT_ASR_READY	无	准备就绪，可以说话，一般在收到此事件后通过UI通知用户可以说话了
CALLBACK_EVENT_ASR_BEGIN	无	检测到开始说话。
CALLBACK_EVENT_ASR_PARTIAL	返回json字符串，格式为： result_type: 结果类型，可选值: partial_result: asr识别中间结果; final_result： asr识别最终结果; third_result：第三方数据，例如联网搜索结果，暂不支持。 best_result: 识别结果。 sn: 本次会话的sn	语音识别中间结果返回
CALLBACK_EVENT_ASR_EXIT		退出识别
CALLBACK_EVENT_ASR_END		说话结束等待识别结果
CALLBACK_EVENT_ASR_FINISH		识别完成（这里指的是用户的语音识别完成）
CALLBACK_EVENT_ASR_CANCEL		用户取消识别
CALLBACK_EVENT_ASR_PAUSE		识别暂停
CALLBACK_EVENT_ASR_RESUME		识别恢复
CALLBACK_ASR_TTS_RESULT	返回json字符串，格式为： result_type: 结果类型，可选值： tts_result：tts合成结果 origin_result：合成结果，内容是一个json，包含以下字段: aue: 音频格式。 idx：当前片段在整个音频中的索引 percent: 当前合成进度百分比 samplerate：采样率 tex: 音频对应的文本 sn: 本次会话的sn
TTS 数据返回
CALLBACK_EVENT_TTS_FIRST_PLAYED		tts开始播放（使用SpeechSynthesizer不会调用这个事件）
CALLBACK_EVENT_TTS_END_PLAYED		tts播放完成（使用SpeechSynthesizer不会调用这个事件）
CALLBACK_EVENT_ASR_VOLUME		音量回调

3.1.3 SpeechSynthesizer：语音合成操作类

方法列表
setSpeechSynthesizerListener：设置回调函数

功能说明：设置语音合成回调函数
输入参数：listener: SpeechSynthesizerListener，语音合成监听器, 需要实现SpeechSynthesizerListener接口, 详情请参考SpeechSynthesizerListener
返回值：无
loadAudioPlayer: 加载音频播放器
功能说明：加载音频播放器
输入参数：无
返回值：无

3.1.4 SpeechSynthesizerListener：语音合成事件监听

用户需要实现此接口，以监听音频播放器的播放事件 方法列表 onSynthesizeResponse

功能说明：语音合成的回调函数
输入参数：synthesizerResponse: SynthesizerResponse，语音合成响应.
返回值：无

3.1.5 SynthesizerResponse

SpeechSynthesizerListener.onSynthesizeResponse的输入参数类型
方法列表
getSynthesizeType：当前时间类型

返回值：SynthesizeType, 枚举值，可选值包括：
- PLAY_START：开始播放
- PLAY_FINISH：播放结束
- PLAY_PROGRESS: 播放进度上报

getSynthesizerData：获取语音合成数据

返回值： SynthesizerData, 语音合成数据, 有以下方法可用：
- getAudioProgress：获取播放进度，返回值类型：int
- getEngineType：获取引擎类型，返回值类型：int
- getAudioSampleRate：获取音频采样率，返回值类型：int
- getAudioData：获取音频数据, 返回值类型：byte[]

3.2 集成步骤

3.2.1 初始化环境

包括几个步骤：

将VAD模型文件和AEC_ALGO模型文件拷贝到设备的目录下

Text

1private void initialEnv() {
2        if (mSampleDirPath == null) {
3            String sdcardPath = this.getFilesDir().getPath();
4            mSampleDirPath = sdcardPath + "/" + SAMPLE_DIR_NAME;
5        }
6        makeDir(mSampleDirPath);
7
8        pathVadRes = mSampleDirPath + File.separator + VAD_MODEL;
9        copyFromAssets(this, true, VAD_MODEL, pathVadRes);
10
11        pathAecRes = mSampleDirPath + File.separator + SpeechConstant.AEC_ALGO_MODEL;
12        copyFromAssets(this, true, SpeechConstant.AEC_ALGO_MODEL, pathAecRes);
13        ConfigUtil.setAecModelFile(pathAecRes);
14    }

申请需要的权限
- 需要的权限列表：

权限	说明	是否必须
android.permission.INTERNET	允许访问网络	是
android.permission.RECORD_AUDIO	允许程序录制声音通过手机或耳机的麦克	是
android.permission.WRITE_EXTERNAL_STORAGE	外置卡读写权限	是
android.permission.READ_PHONE_STATE	允许获取设备信息权限	否

示例代码

Text

1/**
2 * 请求权限
3 *
4 * @return 需要请求的权限数
5 */
6protected int requestPermissions() {
7    String[] permissionArray = checkPermissions();
8    if (permissionArray != null && permissionArray.length > 0) {
9        ActivityCompat.requestPermissions(this, permissionArray, CODE_REQUEST_PERMISSION);
10        return permissionArray.length;
11    }
12    return 0;
13}
14
15protected String[] checkPermissions() {
16    String[] noGrantedArr = {};
17    List<String> noGrantedList = new ArrayList<>();
18    for (String item : sPermissions) {
19        int hasWriteStoragePermission = ContextCompat.checkSelfPermission(getApplication(), item);
20        if (hasWriteStoragePermission != PackageManager.PERMISSION_GRANTED) {   // 未拥有权限
21            noGrantedList.add(item);
22        }
23    }
24    return noGrantedList.toArray(noGrantedArr);

3.2.2 实现事件回调函数

语音识别回调：即实现IEventListener接口，示例代码如下：详细参数说明参考IEventListener

Text

1@Override
2 public void onEvent(String name, String params, byte[] data, int offset, int length) {
3     String msg = "name: " + name + ", params: " + params;
4     switch (name) {
5         case SpeechConstant.CALLBACK_EVENT_ASR_READY: //准备就绪，可以说话，⼀般在收到此事件后通过UI通知⽤户可以说话了
6         case SpeechConstant.CALLBACK_EVENT_ASR_BEGIN: //检测到开始说话
7             appendToView(mTvLog, msg);
8             break;
9         case SpeechConstant.CALLBACK_EVENT_ASR_PARTIAL: //中间结果返回
10             logD(TAG, "SpeechConstant.CALLBACK_EVENT_ASR_PARTIAL" +params);
11             JSONObject partialJson = JsonUtil.toJSON(params);
12             String resultType = partialJson.optString("result_type");
13             String bestResult = "";
14             String showAsr = "中间识别结果";
15             if ("partial_result".equals(resultType)) {
16                 bestResult = partialJson.optString("best_result");
17             } else if ("final_result".equals(resultType)) {
18                 bestResult = partialJson.optString("best_result");
19                 logD(TAG, "------" + params + ", " + mLastFinalSn);
20                 JSONObject json = JsonUtil.toJSON(params);
21                 mLastFinalSn = json.optString("sn");
22                 showAsr = "最终识别结果";
23             } else if ("third_result".equals(resultType)) {
24                 Log.d(TAG, "third_result: " + resultType);
25             }
26             if (!TextUtils.isEmpty(bestResult)) {
27                 String resultInfo = showAsr + ": " + bestResult;
28                 printToView(mTvResult, resultInfo);
29             }
30             break;
31         case SpeechConstant.CALLBACK_EVENT_ASR_EXIT: //退出
32             appendToView(mTvLog, msg);
33             handleAsrExit();
34             break;
35         case SpeechConstant.CALLBACK_EVENT_ASR_END: //说话结束等待识别结果
36         case SpeechConstant.CALLBACK_EVENT_ASR_FINISH: //识别完成
37         case SpeechConstant.CALLBACK_EVENT_ASR_CANCEL: //识别已取消
38         case SpeechConstant.CALLBACK_EVENT_ASR_PAUSE:
39         case SpeechConstant.CALLBACK_EVENT_ASR_RESUME:
40             break;
41         case SpeechConstant.CALLBACK_ASR_TTS_RESULT: //TTS 数据返回
42             logD(TAG, "CALLBACK_ASR_TTS_RESULT" + params);
43             JSONObject ttsJson = JsonUtil.toJSON(params);
44             String origin_result =ttsJson.optString("origin_result");
45             JSONObject tts_origin_result =JsonUtil.toJSON(origin_result);
46             String text = tts_origin_result.optString("tex");
47             int idx = tts_origin_result.optInt("idx", 0);
48             break;
49         case SpeechConstant.CALLBACK_EVENT_TTS_FIRST_PLAYED: // tts 开始播放
50             appendToView(mTvLog, msg);
51             Log.d(TAG, "CALLBACK_EVENT_TTS_FIRST_PLAYED: " + msg);
52             break;
53         case SpeechConstant.CALLBACK_EVENT_TTS_END_PLAYED: // tts 播放完成
54             Log.d(TAG, "CALLBACK_EVENT_TTS_END_PLAYED: " + msg);
55             break;
56         case SpeechConstant.CALLBACK_EVENT_UPLOAD_FINISH: //上传完成
57         case SpeechConstant.CALLBACK_EVENT_ASR_AUDIO:
58         case SpeechConstant.CALLBACK_EVENT_ASR_VOLUME: //⾳量回调
59             break;
60         }
61     }

语音合成回调：即实现SpeechSynthesizerListener接口，示例代码如下：详细参数说明参考SpeechSynthesizerListener

Text

1@Override
2public void onSynthesizeResponse(SynthesizerResponse synthesizerResponse) {
3   SynthesizerResponse.SynthesizeType synthesizeType = synthesizerResponse.getSynthesizeType();
4    String sn = synthesizerResponse.getSn();
5    String utteranceId = synthesizerResponse.getUtteranceId();
6    String instanceId = synthesizerResponse.getInstanceId();
7    switch (synthesizeType) {
8        case PLAY_START:
9        case PLAY_FINISH:
10            LoggerProxy.d(TAG, "onSynthesizeResult type =  " + synthesizeType.name());
11            break;
12        case PLAY_PROGRESS:
13            SynthesizerResponse.SynthesizerData synthesizerData =
14                    synthesizerResponse.getSynthesizerData();
15            int progress = synthesizerData.getAudioProgress();
16            int engineType = synthesizerData.getEngineType();
17            int sampleRate = synthesizerData.getAudioSampleRate();
18            byte[] audioData = synthesizerData.getAudioData();
19            LoggerProxy.d(TAG, "onSynthesizeResult type =  " + synthesizeType.name()
20                    + " sn = " + sn
21                    + " , instanceId = " + instanceId
22                    + " , progress = " + progress
23                    + " , engineType = " + engineType + " , sampleRate = " + sampleRate);
24            break;
25    }
26
27}

3.2.3 初始化SDK

仅保留日志等级设置，其他在Builder中设置默认值

PID和IOS一样在startAsr中设置

示例代码

Text

1SpeechEventManager.SDKConfig.Builder builder = new 
2SpeechEventManager.SDKConfig.Builder();
3HashMap<String, String> asrParamMap = new HashMap<>();
4asrParamMap.put(SpeechConstant.PID, "8533");
5asrParamMap.put(SpeechConstant.DEVICE_ID, mCuid);
6asrParamMap.put(SpeechConstant.LOG_LEVEL,
7String.valueOf(LogUtil.VERBOSE));
8
9HashMap<String, String> externalMap = new HashMap<>();
10externalMap.put(SpeechConstant.LOCATION, "Beijing");
11externalMap.put(SpeechConstant.APP_VERSION, "1.0.0");
12externalMap.put(SpeechConstant.DEVICE_ID, mCuid);
13
14SpeechEventManager.SDKConfig sdkConfig = builder
15         .setAsrParamMap(asrParamMap)
16         .setExternalMap(externalMap)
17         .build();
18int ret = SpeechEventManager.initSDK(this, sdkConfig);
19Log.d(TAG, "initSDK: ret = " + ret);

3.2.4 启动识别

示例代码

Text

1HashMap<String, Object> asrParams = new HashMap<>();
2
3// 环境信息设置：
4// 识别环境 - pid. 邀测环境PID统一为4144779，仅供体验使用。生产环境使用请联系技术支持获取专属PID
5asrParams.put(SpeechConstant.PID, 1860); 
6// 识别环境 - url
7asrParams.put(SpeechConstant.URL, "https://vse.baidu.com/v2"); 
8
9// 必选参数设置
10// 设置VAD/TriggerMode/双工，请参考**开发场景**根据您的业务需求设置。下面示例为双工识别场景。
11// 开启VAD
12asrParams.put(SpeechConstant.VAD, SpeechConstant.VAD_DOAVAD);
13// 是否启动双工
14asrParams.put(SpeechConstant.ASR_ENABLE_MUTIPLY_SPEECH, 1);
15asrParams.put(SpeechConstant.TRIGGER_MODE, triggerMode); // trigger 1: 点按识别； 2: 唤醒后识别，4：长按识别
16
17// 必选：设置音频压缩类型，  
18asrParams.put(SpeechConstant.ASR_AUDIO_COMPRESSION_TYPE, SpeechConstant.OPUS); 
19// 是否返回识别中间结果
20asrParams.put(SpeechConstant.ENABLE_EARLY_RETURN, true);
21asrParams.put(SpeechConstant.ASR_VAD_RES_PATH, pathVadRes); // vad资源路径，上⽂拷⻉资源的路径
22asrParams.put(SpeechConstant.NET_TYPE, 1); // ⽹络类型；1：有turbonet的http；3：⽆turbonet的http
23asrParams.put(SpeechConstant.LOG_LEVEL, LogUtil.VERBOSE); // 设置⽇志等级，Debug 使⽤
24asrParams.put(SpeechConstant.PAM,
25// 第一个参数为DEVICE_ID, 第二个参数为BDVS_ID.  
26JsonUtil.genAsrPam("75CEB7CF757E522BAEA2E94BCBC676E5|VUGJPCGTI",
27"68b509484f249601628e7c1b547a003c", null)); // bdvs 协议参数
28SpeechEventManager.startAsr(this, new JSONObject(asrParams), this);

3.2.5 停止识别

停止识别，但保留当前识别结果。已经发送的音频会正常识别并生成响应音频

示例代码

Text

1SpeechEventManager.stopASR();

3.2.6 取消识别

取消识别，并停止后续处理。已经发送但是还没有识别和响应的数据将会丢弃。

示例代码

Text

1SpeechEventManager.exitASR();

3.2.7 暂停识别

Text

1Map<String, Object> params = new HashMap<>();
2LogUtil.d(TAG, "pauseAsr lastSn: " + lastSn); // 该 sn 之后的识别都会被取消
3params.put(SpeechConstant.KEY_LAST_FINAL_RESULT_SN, lastSn);
4SpeechEventManager.pauseASR(new JSONObject(params));

3.2.8 恢复识别

示例代码

Text

1SpeechEventManager.resumeASR();

3.3 开发场景

SDK支持三种开发场景：

双工识别：启动后可以多次进行语音对话，直到用户主动停止识别
点按短语音识别：启动后进行60s内语音识别，识别到的第一个短句进行语音对话。
长按识别：启动后按住按钮不松开会持续识别，且不会进行断句

3.3.1 双工识别

设置方法

Text

1// .... 其他参数已省略
2map.put(SpeechConstant.VAD, SpeechConstant.VAD_DOAVAD);
3// 双工识别
4map.put(SpeechConstant.ASR_ENABLE_MUTIPLY_SPEECH, 1);
5// TRIGGER_MODE:2, 唤醒后识别
6map.put(SpeechConstant.TRIGGER_MODE, 2);
7JSONObject jsonObject;
8jsonObject = new JSONObject(map);
9SpeechEventManager.startAsr(this.getApplicationContext(), jsonObject, this);

交互流程

3.3.2 点按短语音识别

设置方法

Text

1// .... 其他参数已省略
2map.put(SpeechConstant.VAD, SpeechConstant.VAD_DOAVAD);
3// TRIGGER_MODE:1 短按识别
4map.put(SpeechConstant.TRIGGER_MODE, 1)
5JSONObject jsonObject;
6jsonObject = new JSONObject(map);
7SpeechEventManager.startAsr(this.getApplicationContext(), jsonObject, this);

交互流程

3.3.3 长按识别

设置方法

Text

1// .... 其他参数已省略
2// 在按下时startAsr
3asrParams.put(SpeechConstant.VAD, SpeechConstant.VAD_TOUCH);
4// TRIGGER_MODE:4 长按识别模式
5asrParams.put(SpeechConstant.TRIGGER_MODE, 4)
6JSONObject jsonObject;
7jsonObject = new JSONObject(asrParams);
8SpeechEventManager.startAsr(this.getApplicationContext(), jsonObject, this);
9
10// 在松开时stopAsr
11SpeechEventManager.stopAsr();

交互流程

3.4 错误码

错误领域	描述	错误码	错误描述及可能原因
1	网络超时		出现原因可能为网络已经连接但质量比较差，建议检测网络状态
		1000	DNS连接超时
		1001	网络连接超时（用于非chunk模式）
		1002	网络读取结果超时（用于非chunk模式）
		1003	上行网络连接超时（用于chunk模式）
		1004	上行网络读取结果超时（用于chunk模式）
		1005	下行网络连接超时（用于chunk模式）
		1006	下行网络读取结果超时（用于chunk模式）
2	其他网络错误（网络连接失败		出现原因可能是网络权限被禁用，或网络确实未连接，需要开启网络或检测无法联网的原因
		2000	网络连接失败
		2001	网络读取结果失败
		2002	上行网络连接失败
		2003	上行网络读取失败
		2004	下行网络连接失败
		2005	下行网络读取失败
		2006	下行数据异常
		2100	本地网络不可用
		2101	本地网络不可用
		2102	上行网络读取结果失败(代理模式)
		2103	下行网络连接失败(代理模式)
		2104	下行网络读取识别(代理模式)
		2105	下行数据异常(代理模式)
		2106	上行网络连接错误(代理模式)
		2107	请求未创建
3	音频错误		出现原因可能为：未声明录音权限，或被安全软件限制，或录音设备被占用，需要开发者检测权限声明。
		3000	音频异常
		3001	录音机打开失败
		3002	录音机参数错误
		3003	录音机不可用
		3006	录音机读取失败
		3007	录音机关闭失败
		3008	文件打开失败
		3009	文件读取失败
		3010	文件关闭失败
		3011	采样率错误
		3013	文件读完
		3100	VAD异常，通常是VAD资源设置不正确
		3101	长时间未检测到人说话，请重新识别
		3102	检测到人说话，但语音过短
4	服务端错误		出现原因可能是appid和appkey的鉴权失败
		4001	服务端参数错误（-3001）
		4002	服务端协议错误（-3002）
		4003	服务端识别错误（-3003）
		4004	服务端鉴权错误（-3004）
5	客户端错误		一般是开发阶段的调用错误，需要开发者检测调用逻辑或对照文档和demo进行修复。
		5001	客户端无法加载动态库
		5002	客户端识别参数有误
		5003	客户端获取token失败
		5004	客户端解析URL失败
		5005	客户端检测到非https URL
6	超时		语音过长，请配合语音识别的使用场景，如避开嘈杂的环境等
		6001	语音过长
7	没有匹配的识别结果		信噪比差，请配合语音识别的使用场景，如避开嘈杂的环境等
		7001	没有匹配的识别结果
		7002	识别结果为空
8	识别引擎繁忙		一般是开发阶段的调用错误，出现原因是上一个会话尚未结束，就让SDK开始下一次识别。SDK目前只支持单任务运行，即便创建多个实例，也只能有一个实例处于工作状态
		8001	识别引擎繁忙
9	缺少权限		参见demo中的权限设置
		9001	缺少权限
10	其他权限
		10001	离线引擎异常
		10002	没有授权文件
		10003	授权文件不可用
		10004	参数设置错误
		10005	引擎没有被初始化
		10006	模型文件不可用
		10007	语法文件不可用
		10008	引擎重置失败
		10009	引擎初始化失败
		10010	引擎释放失败
		10011	引擎不支持
		10012	识别失败
		10013	引擎loading超时
		100013	异常统计
		11001	唤醒引擎异常
		11002	无授权文件
		11003	授权文件异常
		11004	唤醒异常
		11005	模型文件异常
		11006	引擎初始化失败
		11007	内存分配失败
		11008	引擎重置失败
		11009	引擎释放失败
		11010	引擎不支持该架构
		11011	无识别数据

大模型声音复刻

端到端语音语言大模型iOS SDK

百度智能云

语音技术

语音技术

端到端语音语言大模型Android SDK

1. 文档简介

1.1 文档说明

1.2 申请试用

2 开发准备工作

2.1 环境准备

2.2 SDK目录结构

2.3 SDK安装

2.4 鉴权方式

2.4.1 access_token鉴权机制

2.4.2 API Key鉴权机制

3. SDK集成

3.1 功能接口

3.1.1 SpeechEventManager：语音识别操作类

3.1.2 IEventListener：语音识别事件监听

3.1.3 SpeechSynthesizer：语音合成操作类

3.1.4 SpeechSynthesizerListener：语音合成事件监听

3.1.5 SynthesizerResponse

3.2 集成步骤

3.2.1 初始化环境

3.2.2 实现事件回调函数

3.2.3 初始化SDK

3.2.4 启动识别

3.2.5 停止识别

3.2.6 取消识别

3.2.7 暂停识别

3.2.8 恢复识别

3.3 开发场景

3.3.1 双工识别

3.3.2 点按短语音识别

3.3.3 长按识别

3.4 错误码