mod_tencent

mod_tencent 是一个ASR/TTS模块，它通过HTTPS与腾讯云端进行语音合成（TTS）交互，通过WebSocket与腾讯云端进行语音识别（ASR）交互。

mod_tencent 中包含 ASR 服务，提供 asr 引擎 tencent，使用WebSocket与腾讯语音识别接口交互，腾讯接口文档参见实时语音识别接口。

华为 tencent asr 引擎参数分为配置文件参数与临时参数。配置文件参数可在界面或xml文件内进行修改，重载模块生效。临时参数一般跟随命令出现，该参数只会在当前这句话中生效。临时参数与配置文件参数部分参数存在重叠，当两者同名参数同时出现时，临时参数优先级高于配置文件参数。

	<asr>
		<param name="asr-url" value="wss://asr.cloud.tencent.com/asr/v2"/>
		<param name="app-id" value=""/>
		<param name="secret-id" value=""/>
		<param name="secret-key" value=""/>
		<param name="model-type" value="8k_zh_large"/>
		<param name="need-vad" value="1"/>
		<param name="filter-empty-result" value="0"/>
		<param name="threshold" value="400"/>
		<param name="vad-mode" value="-2"/>
		<param name="start-input-timers" value="true"/>
		<param name="no-input-timeout" value="5000"/>
		<param name="speech-timeout" value="5000"/>
		<param name="confidence_threshold" value="400"/>
		<param name="silence-ms" value="500"/>
		<!--<param name="voice-ms" value="500"/>-->
		<param name="segment-recording-prefix" value=""/>
		<param name="disable-engine-data" value=""/>
		<param name="speech-noise-threshold" value="0"/> <!-- [-1, 1] -->
		<param name="hotword-list" value=""/>
		<param name="hotword-id" value=""/>
		<param name="customization-id" value=""/>
		<param name="convert-num-mode" value=""/>
		<param name="filter-dirty" value="2"/>
		<param name="filter-modal" value="1"/>
		<param name="filter-punc" value="0"/>
	</asr>

• asr-url: 腾讯asr语音识别的地址。
• app-id: 腾讯项目ID，获取方式参见API 密钥管理页面。
• secret-id: 秘钥ID，详情参见API 密钥管理页面。
• secret-key: 秘钥，详情参见API 密钥管理页面。
• model-type：语言引擎模型类型，详情参考实时语音识别接口中的engine_model_type。
• need-vad：是否开启腾讯asr vad功能，默认值为1，即开启vad功能。
• filter-empty-result：是否回调识别空结果，0：回调空结果，1：不回调空结果，默认值为0。
• threshold：vad检测的噪音阈值，默认值为400。
• vad-mode：vad模式，详见VAD。
• start-input-timers：开启收集语音计时，默认false。
• no-input-timeout：无输入（未检测到通话）超时时间，单位毫秒。默认值5000。
• speech-timeout：语音超时时间，单位毫秒。默认值为5000，最小值为2000。
• confidence_threshold：静音阈值，默认值400。
• silence-ms：语音断句检测阈值，单位毫秒。默认值1000。
• voice-ms：在指定时间内，如果连续检测到说话声音大于threshold。则认为说话人开始说话，单位毫秒，默认值为240。
• segment-recording-prefix：分段录音路径，若为空则不开启分段录音，默认值为空。
• disable-engine-data：是否在asr识别结果内添加engine_data param，默认为false。
• speech-noise-threshold： 噪音参数阈值，默认为0，取值范围：[-1,1]。
• hotword-list：临时热词表，默认不携带。详情参考实时语音识别接口中的hotword_list。
• hotword-id：热词表 id，默认不携带。详情参考实时语音识别接口中的hotword_id。
• customization-id：自学习模型 id，默认不携带。详情参考实时语音识别接口中的customization_id。
• convert-num-mode：是否进行阿拉伯数字智能转换，0：不转换，直接输出中文数字，1：根据场景智能转换为阿拉伯数字，3: 打开数学相关数字转换。默认值为1。
• filter-dirty：是否过滤脏词，0：不过滤脏词；1：过滤脏词；2：将脏词替换为*，默认为0。
• filter-modal：是否过滤语气词，0：不过滤语气词；1：部分过滤；2：严格过滤，默认为0。
• filter-punc：是否过滤句末的句号，0：不过滤句末的句号；1：过滤句末的句号，默认为0。

例子：

play_and_detect_speech /root/10s.wav detect:tencent {start-input-timers=true,no-input-timeout=5000,speech-timeout=5000,asr-result-fire-session-event=true}default

这里的 start-input-timers、no-input-timeout、speech-timeout会覆盖配置文件中的参数，而asr-result-fire-session-event为临时参数所特有的。

所有支持的临时参数如下：

• param-done：重启WebSocket连接。
• no-input-timeout：无输入（未检测到通话）超时时间，单位毫秒。默认值5000。
• speech-timeout：语音超时时间，单位毫秒。默认值为5000，最小值为2000。
• start-input-timers：开启收集语音计时，默认false。
• confidence-threshold：静音阈值，默认值400。
• silence-ms：静音检测时间，单位毫秒。默认值500，最小值20。
• vad-mode：vad模式，详见VAD。
• add-punc：是否添加标点符号，默认值为false。
• auto-resume：语音识别完成后是否重置asr，默认值为false。
• asr-result-fire-switch-event：语音识别完成后是否发送DETECTED_SPEECH事件，默认值为false。
• asr-result-fire-session-event：是否将识别结果放入session event queue内，默认值为false。
• channel-uuid：通话uuid。
• app-uuid：执行本次asr命令时的标识uuid，最终会放入DETECTED_SPEECH事件内，作为回调辨别依据。
• segment-recording-prefix：分段录音路径，若为空则不开启分段录音，默认值为空。
• disable-engine-data：是否在asr识别结果内添加engine_data param，默认为false。
• speech-noise-threshold： 噪音参数阈值，默认为0，取值范围：[-1,1]。
• model-type：语言引擎模型类型，详情参考实时语音识别接口中的engine_model_type。
• need-vad：是否开启腾讯asr vad功能，默认值为1，即开启vad功能。
• filter-empty-result：是否回调识别空结果，0：回调空结果，1：不回调空结果，默认值为0。
• filter-dirty：是否过滤脏词，0：不过滤脏词；1：过滤脏词；2：将脏词替换为*，默认为0。
• filter-modal：是否过滤语气词，0：不过滤语气词；1：部分过滤；2：严格过滤，默认为0。
• filter-punc：是否过滤句末的句号，0：不过滤句末的句号；1：过滤句末的句号，默认为0。
• hotword-list：临时热词表，默认不携带。详情参考实时语音识别接口中的hotword_list。
• customization-id：自学习模型 id，默认不携带。详情参考实时语音识别接口中的customization_id。
• convert-num-mode：是否进行阿拉伯数字智能转换，0：不转换，直接输出中文数字，1：根据场景智能转换为阿拉伯数字，3: 打开数学相关数字转换。默认值为1。

以一个系统路由为例，先执行 app answer,然后调用 play_and_detect_speech 执行 asr 引擎。

answer
play_and_detect_speech /root/10s.wav detect:tencent {start-input-timers=true,no-input-timeout=5000,speech-timeout=5000,asr-result-fire-switch-event=true}default

上述命令中的/root/10s.wav为容器内已存在的音频文件，请根据实际情况更改。

若您使用XCC进行语音合成，请参考XCC DETECT，同时将示例中的asr_engine更换为tencent。

mod_tencent 中包含 TTS 服务，提供 TTS 引擎 tencent，即腾讯的语音合成，腾讯对接文档参考语音合成

腾讯 tts 参数分为配置文件参数与临时参数。配置文件参数可在界面或xml文件内进行修改，重载模块生效。临时参数一般跟随命令出现，该参数只会在当前这句话中生效。临时参数与配置文件参数部分参数存在重叠，当两者同名参数同时出现时，临时参数优先级高于配置文件参数。

	<tts>
		<settings>
			<param name="tts-url" value="https://aai.ap-chengdu.tencentcloudapi.com"/>
			<param name="app-id" value="a"/>
			<param name="secret-id" value="i"/>
			<param name="secret-key" value="s"/>
			<param name="model-type" value="1"/>
			<param name="volume" value="1"/>
			<param name="speed" value="1"/>
			<param name="voice-type" value="0"/>
			<param name="primary-language" value="1"/>
			<param name="Region" value="ap-chengdu"/>
			<param name="curl-timeout" value="2"/>
			<param name="curl-connect-timeout" value="2"/>
			<param name="tts-file-ext" value="wav"/>
		</settings>
	</tts>

• tts-url：腾讯TTS接口地址。
• app-id：- app-id: 腾讯项目ID，获取方式参见API 密钥管理页面。
• secret-id: 秘钥ID，详情参见API 密钥管理页面。
• secret-key: 秘钥，详情参见API 密钥管理页面。
• model-type：模型类型，详情参考语音合成接口中的ModelType。
• volume：音量，默认值为1。
• speed：语速，默认值为1。
• voice-type：音色 ID，默认值为0，详情参考语音合成接口中的VoiceType。
• primary-language：主语言类型，1：中文，2：英文，3：日文，默认值为1。
• region：地域ID，详见地域列表。
• curl-timeout：HTTPS请求超时时间，单位秒，默认值为2。
• curl-connect-timeout：HTTPS连接超时时间，单位秒，默认值为2。
• tts-file-ext：tts缓存文件后缀格式，默认值为wav。

mod_tencent暂不支持临时参数。

以一个系统路由为例，先执行 app answer,然后调用 speak 执行 tts 引擎。

注意，mod_tencent的音色由配置文件内的voice-type决定

answer 
speak tencent|default|这是一个测试字符串。

若您使用XCC进行TTS放音，请参考XCC TTS，同时将示例中的tts_engine更换为tencent。