百度实时语音识别 Web API

功能简介：

• 基于百度AI开放平台实时语音识别WebSocket API，将语音实时转换成文字。
• 支持中文普通话（带标点）、英文、粤语、四川话、东北话等。
• 采用WebSocket连接，边上传音频边获取识别结果，实现流式实时转写。
• 开通即享每年10小时免费额度，超出后可购买预付费包或按量后付费（3元/小时）。
• 本项目基于 @muguilin/xf-voice-dictation 改造，将讯飞API替换为百度API。

实例效果：

申请百度API凭证：

1. 打开 百度AI开放平台 - 实时语音识别
2. 点击右上角"控制台"登录（需百度账号并实名认证）
3. 在控制台创建应用，选择"语音技术"服务，勾选"实时语音识别"
4. 创建后获取 APPID 和 API Key

注意：js/config.js 包含真实 API 凭证，已加入 .gitignore。请勿将此文件提交到公开仓库。部署时确保配置文件权限安全。

使用方法：

# 1. 复制配置文件模板
cp js/config.example.js js/config.js

# 2. 编辑 config.js，填入你的百度 API 凭证
# APPID: 百度控制台获取的 AppID
# APIKey: 百度控制台获取的 API Key

// js/config.js
window.BdConfig = {
    APPID: '你的APPID',   // 数字，如 12345678
    APIKey: '你的APIKey'  // 字符串
};

<!-- 浏览器中直接引入 -->
<script src="./js/config.js"></script>
<script src="./js/bd-voice-dictation.js"></script>

<script>
// config.js 中定义的 window.BdConfig 会被自动读取
const bdVoice = new BdVoiceDictation({
    APPID: window.BdConfig.APPID,
    APIKey: window.BdConfig.APIKey,
    ...
});

// 开始录音识别
bdVoice.start();

// 停止录音识别
bdVoice.stop();

// 获取当前识别结果
const result = bdVoice.getResult();

// 完全重置（释放所有资源）
bdVoice.destroy();
</script>

API 说明：

凭证通过 js/config.js 文件管理（不纳入版本控制），部署前将 config.example.js 复制为 config.js 并填入实际值。

const bdVoice = new BdVoiceDictation({
    APPID: 'your_app_id',   // 必填
    APIKey: 'your_api_key', // 必填

    // WebSocket请求地址（非必传，默认：wss://vop.baidu.com/realtime_asr）
    url: '',

    // 识别模型（非必传，默认15372）
    dev_pid: 15372,

    // 自动关闭时间（毫秒），默认3000
    autoCloseTime: 3000,

    // 是否启用自动关闭
    autoClose: true,

    // 调试模式
    debug: false,

    // 音频发送间隔（毫秒），默认160
    interval: 160,

    // 每次发送的字节数，默认5120
    frameSize: 5120,

    onWillStatusChange: (oldStatus, newStatus) => {},
    onTextChange: (text) => {},
    onError: (error) => {}
});

识别模型（dev_pid）说明：

dev_pid	语言	标点	说明
1537	中文普通话	弱标点（逗号、句号）	手机近场输入
15372	中文普通话	加强标点	推荐使用
15376	中文多方言	弱标点	支持粤语、四川话、东北话
1737	英语	无标点	手机近场输入
17372	英语	加强标点	推荐使用

使用中文多方言模型（pid:15376）时，需同时设置user参数（任意值），可在setParams中传给内部。

计费说明：

• 开通即享每年10小时免费时长
• 超出后可按预付费包（1000小时/1800元）或后付费（3元/小时）计费
• 详情见：https://ai.baidu.com/tech/speech/realtime_asr

常见问题：

Q: 和讯飞版的区别是什么？

A: 百度版无需HMAC-SHA256签名和CryptoJS依赖，认证更简单；音频以二进制帧发送而非base64 JSON；建议160ms/帧。

Q: 只能在 HTTPS 环境下使用吗？

A: 浏览器要求在 localhost、127.0.0.1 或 HTTPS 环境下才能获取麦克风权限。

Q: 支持哪些浏览器？

A: 支持 Chrome、Edge、Firefox、Safari 等现代浏览器。

Q: 状态流转顺序是怎样的？

A: null → init → ing → end