MRCP
MRCP：媒体资源控制协议，是一种计算机网络应用层通讯协议，用于语音服务器向客户端提供各种语音服务（如：语音识别，语音合成，录音服务等）。
MRCP请求方式：类似于HTTP，MRCP使用请求-响应模式，响应可以是简单的确认请求，或者回复关于处理的信息。例如语音识别：MRCP客户端向服务端请求发送一些音频数据，服务端可以响应识别结果。
MRCP并未定义音频数据的传输，数据传输必须依赖其他的协议，比如RTP、FTP来进行。因此MRCP传输可以是流式或者非流式传输。
一句话识别
一句话识别：实时短语音识别，可用于语音输入法、智能客服等领域。可支持流式 和 非流式返回方式。
流式：用户一边说话，一边返回识别结果
非流式：用户整句话说完后返回识别结果
讯飞的语音识别
讯飞的语音识别的场景一般分为2种，如下：
- 听写：一分钟以内，短语音转文字，实时返回结果，对效率要求高。如：语音对话，语音输入法
- 转写：五小时以内，长语音转文字，可以非实时，对效率要求不高，准确率要求比听写高。如：客服对话录音转文字
支持格式：
- 听写：采样率为8kHz或16kHz，位长16bit，单声道的wav、pcm
- 转写：单声道、多声道的wav、flac、opus、m4a、mp3
针对上述两种场景，背后的识别引擎的处理算法也有差异，具体分为两种引起：
- 听写：流式引擎——websocket接口，实时解码，来一部分解码一部分，一边接收一边响应
- 转写：非流式引擎——HTTP接口，接收到整个音频再进行解码，最后再响应
AI平台现有的语音识别方式
AI平台语音识别引擎现采用讯飞的“转写”非流式引擎，但是在调用引擎之前，先把语音文件进行切割处理，分成多个小文件，再将一个个的小文件通过引擎识别，最后将识别结果合并起来，使得看上去类似于流式引擎。
