Gummy实时语音识别、翻译iOS SDK

调用步骤

1. 初始化 SDK

2. 按业务需求设置参数：通过nui_initialize接口设置连接与控制参数；通过nui_set_param接口设置语音识别效果参数。

3. 调用nui_dialog_start启动识别流程。

4. 在onNuiAudioStateChanged回调中，根据音频状态开启录音设备。

5. 在onNuiNeedAudioData回调中持续提供录音数据。

6. 在onNuiEventCallback回调中监听事件并获取语音识别结果。

7. 调用nui_dialog_cancel停止识别，并通过监听EVENT_TRANSCRIBER_COMPLETE事件确认识别已结束。

8. 当识别功能不再使用时，调用nui_release接口释放 SDK 资源。

连接与控制参数

通过在nui_initialize接口的parameters参数中传入一个JSON字符串来配置。

• 参数示例：以下为 JSON 字符串示例，参数未完整列出。请按实际需求在编码时补充：

  {
      "url": "wss://dashscope.aliyuncs.com/api-ws/v1/inference",
      "apikey": "st-****",
      "device_id": "my_device_id",
      "service_mode": "1"
  }

• 参数说明

  参数	类型	是否必须	说明
  url	String	是	服务地址，固定为 wss://dashscope.aliyuncs.com/api-ws/v1/inference。
  apikey	String	是	API Key。建议使用时效性短、安全性更高的临时API Key，以降低长期有效Key泄露的风险。
  service_mode	String	是	运行模式。实时语音识别固定为 "1"。
  device_id	String	是	用于标识终端用户的唯一字符串，可设为应用内用户ID或客户端生成的设备唯一标识符。此ID主要用于日志追踪和问题排查。
  debug_path	String	否	日志文件的存储路径。 此参数仅在调用nui_initialize接口时将save_log设为YES时生效。此时必须设置日志文件路径，否则将报错。 本地最多保留两个日志文件。
  save_wav	String	否	是否保存调试用的音频文件。音频文件保存于debug_path下。 默认值："false"。 取值范围： "true"：是 "false"：否 此参数仅在调用nui_initialize接口时将save_log设为true时生效。 同时，debug_path也必须被设置。
  max_log_file_size	int	否	设定日志文件的最大字节数。 此参数仅在调用nui_initialize接口时将save_log设为YES时生效。 默认值：104857600（100 * 1024 * 1024 字节, 即 100MiB）。
  log_track_level	int	否	控制通过日志回调（onNuiLogTrackCallback）对外发送的日志内容的过滤级别。 默认值：2。 取值范围： 0：LOG_LEVEL_VERBOSE 1：LOG_LEVEL_DEBUG 2：LOG_LEVEL_INFO 3：LOG_LEVEL_WARNING 4：LOG_LEVEL_ERROR 5：LOG_LEVEL_NONE（表示关闭此功能） 注意：log_track_level与level（通过nui_initialize接口设置）共同决定最终回调的日志。一条日志的级别数值必须同时大于或等于log_track_level和level的值，才会被回调。例如，log_track_level设为2 (INFO)，level设为3 (WARNING)，则只有WARNING及以上级别（数值>=3）的日志才会被回调。

语音识别效果参数

通过在nui_set_param接口的params参数中传入一个JSON字符串来配置。

• 参数示例：以下为 JSON 字符串示例，参数未完整列出。请按实际需求在编码时补充：

  {
      "service_type": 4,
      "nls_config": {
          "model": "gummy-realtime-v1",
          "sr_format": "pcm",
          "sample_rate": "16000"
      }
  }

• 参数说明

  一级参数	类型	是否必须	说明
  service_type	int	是	语音服务类型。实时语音识别固定为 4。
  nls_config	object	是	语音识别核心配置对象，包含模型选择、识别效果控制等关键参数。
  nls_config.model	string	是	语音识别模型。
  nls_config.sr_format	string	是	待识别音频格式。 支持的音频格式：pcm、wav、opus。 重要 opus：必须为PCM编码，SDK内部会将其编码成OPUS格式； wav/pcm：必须为PCM编码。
  nls_config.vocabulary_id	string	否	热词词表ID，用于提升特定词汇的识别准确率。热词的使用方法请参见定制热词。
  nls_config.source_language	string	否	源语言（待识别/翻译语言）代码。如果无法提前确定语种，可不设置，默认为auto。 支持语音识别的语言代码： zh：中文 en：英文 ja：日语 ko：韩语 yue：粤语 de：德语 fr：法语 ru：俄语 es：西班牙语 it：意大利语 pt：葡萄牙语 id：印尼语 ar：阿拉伯语 th：泰语 支持翻译的语言代码： zh：中文 en：英文 ja：日语 ko：韩语 yue：粤语 de：德语 fr：法语 ru：俄语 es：西班牙语 it：意大利语 pt：葡萄牙语 id：印尼语 ar：阿拉伯语 th：泰语 hi：印地语 da：丹麦语 ur：乌尔都语 tr：土耳其语 nl：荷兰语 ms：马来语 vi：越南语
  nls_config.transcription_enabled	boolean	否	是否开启识别功能。 默认值：true。 取值范围： true：开启 false：关闭 重要 模型支持识别与翻译功能单独开启或全部开启，但需要至少开启一个能力。 识别与翻译功能分别计费，费用按各自调用量独立计算。两项服务的单价一致。
  nls_config.translation_enabled	boolean	否	是否开启翻译功能。 默认值：false。 取值范围： true：开启，一定要设置translation_target_languages参数才能正常输出翻译结果 false：关闭
  nls_config.translation_target_languages	array[string]	否（translation_enabled为true时必须）	设置翻译目标语言代码。目标语言的代码与source_language参数一致。 目前支持的翻译包括： 中文（zh） → 英文（en）／日语（ja）／韩语（ko）／法语（fr）／德语（de）／西班牙语（es）／俄语（ru）／意大利语（it） 英文（en） → 中文（zh）／日语（ja）／韩语（ko）／葡萄牙语（pt）／法语（fr）／德语（de）／俄语（ru）／越南语（vi）／西班牙语（es）／荷兰语（nl）／丹麦语（da）／阿拉伯语（ar）／意大利语（it）／印地语（hi）／粤语（yue）／土耳其语（tr）／马来语（ms）／乌尔都语（ur）／印尼语（id） 日语（ja） → 泰语（th）／英文（en）／中文（zh）／越南语（vi）／法语（fr）／意大利语（it）／德语（de）／西班牙语（es） 韩语（ko） → 泰语（th）／英文（en）／中文（zh）／越南语（vi）／法语（fr）／西班牙语（es）／俄语（ru）／德语（de） 法语（fr） → 泰语（th）／英文（en）／日语（ja）／中文（zh）／越南语（vi）／德语（de）／意大利语（it）／西班牙语（es）／俄语（ru）／葡萄牙语（pt） 德语（de） → 泰语（th）／英文（en）／日语（ja）／中文（zh）／法语（fr）／越南语（vi）／俄语（ru）／西班牙语（es）／意大利语（it）／葡萄牙语（pt） 西班牙语（es） → 泰语（th）／英文（en）／日语（ja）／中文（zh）／法语（fr）／越南语（vi）／意大利语（it）／德语（de）／俄语（ru）／葡萄牙语（pt） 俄语（ru） → 泰语（th）／英文（en）／日语（ja）／中文（zh）／法语（fr）／越南语（vi）／德语（de）／西班牙语（es）／意大利语（it）／粤语（yue）／葡萄牙语（pt） 意大利语（it） → 泰语（th）／英文（en）／日语（ja）／中文（zh）／法语（fr）／越南语（vi）／西班牙语（es）／俄语（ru）／德语（de） 葡萄牙语（pt） → 英文（en） 印尼语（id） → 英文（en） 阿拉伯语（ar） → 英文（en） 泰语（th） → 日语（ja）／越南语（vi）／法语（fr） 印地语（hi） → 英文（en） 丹麦语（da） → 英文（en） 乌尔都语（ur） → 英文（en） 土耳其语（tr） → 英文（en） 荷兰语（nl） → 英文（en） 马来语（ms） → 英文（en） 越南语（vi） → 日语（ja）／法语（fr） 粤语（yue） → 中文（zh）／英文（en） 重要 目前暂不支持同时翻译为多种语言，请仅设置一个目标语言以完成翻译。
  nls_config.max_end_silence	int	否	VAD（Voice Activity Detection，语音活动检测）断句的静音时长阈值（单位为ms）。 默认值：800。 取值范围：[200, 6000]。 当一段语音后的静音时长超过该阈值时，系统会判定该句子已结束。

NeoNui

NeoNuiSdkDelegate：监听回调

-(void) onNuiLogTrackCallback:(NuiSdkLogLevel)level
                   logMessage:(const char *)log;

NuiCallbackEvent：事件类型