## 引擎類型 MSC SDK 有幾種引擎類型（ENGINE_TYPE），此文章中我們主要關注并介紹以下兩種： * 在線引擎（TYPE_CLOUD），又稱為云端模式，需要使用網絡，速度稍慢，并產生一定流量，但有更好的識別和合成的效果，如更高的識別匹配度，更多的發音人等。 * 離線引擎（TYPE_LOCAL），又稱為本地模式，不需要使用網絡，且識別和合成的速度更快，但同時要求購買并使用對應的離線資源（下載對應離線功能的SDK包）。 需要說明的是，在線引擎下，結果返回速度基本決定于用戶網絡的帶寬限制。如在合成或識別下，默認的音頻格式為 16000 HZ 采樣，16 bit 精度，單聲道， raw pcm，Little-endian；在未壓縮的情況下，為 16000 * 16 = 256000 bit/s（比特每秒）。此時，如果要聽寫上傳，或下載合成到的音頻，時長為 t 秒，用戶網絡帶寬為 x mpbs（兆比特每秒），則需要時長為 256000 * t / ( x*(2^10)*(2^10) )，假設 t 為 10，x 為 1，則10秒的音頻，在1M的帶寬下的傳輸時間約為 2.44s。 特別是在識別時，主要網絡數據交互在音頻的上傳過程，此時網絡上行帶寬決定了音頻上傳的快慢，影響語音云服務器收到音頻的快慢，繼而決定了結果返回的快慢。 針對網絡帶寬的影響結果問題，MSC SDK 在識別音頻上傳和合成音頻下載時，都做了相應的優化： * 會話模式( ssm )，默認開啟。只要 SDK 獲取到一部份音頻數據，就會開始上傳到語音云服務器，而不是等到整段識別音頻數據都獲取到再上傳。在實時的錄制音頻并進行識別時，此優化效果尤其明顯：音頻的錄制需要時間，而 SDK 會利用這些時間，每錄制到一小段音頻，就開始上傳到語音云服務器，且在有部份小分句（如有停頓的地方）的結果時，就會把結果返回給客戶端。待音頻錄制完時，音頻也已即將完成上傳，此時，結果返回就更快，幾乎能達到說完即得到結果的情況。更特別的，VAD（關于VAD的更多說明，參考《MSC Reference Manual.html》）生效的情況下，在應用層還未告知 SDK 已完成音頻錄制時，結果可能已返回。 * 音頻壓縮（aue），并默認開啟。發送端對上下行的音頻進行壓縮（在客戶端由 MSC SDK 自動壓縮），壓縮比約為 10:1，并在接收端解壓還原（在客戶端由 MSC SDK 自動解壓），大大減少帶寬占用，并減少網絡交互的時間占用。