智能多媒体服务 > API 文档 > 智能语音 >长语音识别

长语音识别

最近更新时间: 2023-08-14 10:11:30

长语音识别

长语音识别别可对用户指定的语音文件进行识别，针对请求的语音返回文本，可用于会议语音资料转写、客服语音质检等各类场景。

使用方式

使用方式分成2步:

提交长语音转写任务
接收回调结果

一. 提交长语音转写任务

请求URL: https://yitu-audio.qiniuapi.com/v4/lasr

请求方式: POST

请求 Header:

字段	取值
Content-Type	application/json
Authorization	Qiniu <AccessKey>:<Sign> 注意: 用户请根据 AccessKey 和 SuccessKey 生成鉴权，以便进行身份验证。<Sign> 的取值请参考七牛鉴权

请求 Body:

字段	类型	是否必选	说明
audioUrl	string	Y	音频文件的url
callback	string	N	支持http/https, 填写后可通过回调获取结果
filedata	json object	N	设置关于文件的编码和码率等
speechConfig	json object	N	转写的相关配置
wordsReplaceConfig	json array	N	指定词和替换规则的配置

其中filedata结构体为

字段	类型	是否必选	说明
aue	string	N	音频编码。参考文档首页的格式。
lang	string	N	文件的语言，默认为MANDARIN，中文普通话。
sampleRateHertz	int	N	采样频率。
audioName	string	N	用来标识文件的文件名

其中speechConfig结构体为

字段	类型	是否必选	说明
scene	string	N	场景。默认为GERNERL
byWords	bool	N	逐字输出开关。默认false，逐句输出。 true，开启后带有逐字模式。
customWords	string array	N	独立热词。（支持100个）支持中文2-4个字符，中英混合4-8个字节
addPunctuation	bool	N	标点开关。默认true，表示开启加标点，输出带标点
wordsReplace	bool	N	指定词替换功能。默认false，表示关闭。开启后wordsReplaceConfig中的设置生效。
convertNumber	bool	N	数字符号统一。默认为true，开启数字为统一为阿拉伯数字。 false 为汉字一二三四五六七八九十。
numOfSpeakers	int	N	说话人分离功能默认为1，一位说话人，不返回speakerIds. 0 表示盲分。 2-4时，表示指定了说话人的数量，返回speakerIds.
disfluency	bool	N	顺滑标识开关。默认false，关闭顺滑标识。

其中wordsReplaceConfig结构体为

字段	类型	是否必选	说明
keywords	string	N	敏感词。支持中文和英文字符。
replace	string	N	替换敏感词的字符。

请求示例

v4/lasr/start 
{
    "audioUrl":"https://cdnfile.mp3",
    "callback":"https://callbackurl.com",
    "filedata":{
        "aue":"wav",
        "lang":"MANDARIN",
        "sampleRateHertz":"16000",
        "audioName":"这是一个示例文件.amr"
    },
    "speechConfig":{
        "scene":"GERNERL",
        "byWords":true,
        "customWords":[
            "七牛",
            "信息技术有限公司"
        ],
        "addPunctuation":true,
        "wordsReplaceConfig":true,
        "numOfSpeakers":1,
        "convertNumber":true
    },
    "wordsReplaceConfig":[
        {
            "keywords":"他妈的",
            "replace":"*"
        },
        {
            "keywords":"破坏",
            "replace":"xx"
        }
    ]
}

返回参数

字段	类型	是否必选	说明
rtn	int	Y	请求处理结果的状态码，0表示成功，否则表示异常。
message	string	Y	请求处理结果的debug提示信息
taskId	string	Y	任务ID,可用来查询和停止任务。
requestId	string	Y	请求的唯一标示符

返回示例

{
    "rtn": 0, 
    "message": "ok", 
    "taskId": "4a3d3643-1712-4441-a5ae-7a5b26e3afc7", 
    "audio": "8754c3a3-de2c-4c6b-a313-34c548681904"
}

二. 接收回调结果

回调参数以json形式组织，作为请求内容提交

请求方式: POST

请求 Header:

字段	取值
Content-Type	application/json

请求 Body:

字段	类型	是否必选	说明
rtn	int	Y	请求处理结果的状态码，0表示成功，否则表示异常。
message	string	Y	请求处理结果的debug提示信息
taskId	string	Y	任务ID,可用来查询和停止任务。
requestId	string	Y	请求的唯一标示符
data	json object	N	识别结果。当rtn=0时，此结构存在。

其中data结构体为

字段	类型	是否必选	说明
statusCode	int	N	转写任务状态 0-LOADING - 文件加载中。 1-QUEUEING - 排队中。 2-PROGRESSING - 正在转写。 3-TASK_SUCC - 转写完成。回调时仅可见转写完成。
statusText	string	N	对应任务状态的文本信息。
speechResult	json object	N	转写识别结果。 status为转写完成时，此结构存在

其中speechResult结构体为

字段	类型	是否必选	说明
resultText	string	N	转写的结果文本全部输出。
duration	int	N	音频文件的时长。单位 ms
detail	object array	N	转写输出的句或者字的详细数据信息。

其中detail结构体为

字段	类型	是否必选	说明
sentences	string	N	每句的转写结果
startTime	string	N	每句的开始时间。音频起始点为0。单位ms 如果关闭时间戳定位功能，不返回
endTime	string	N	每字或每句结束时间。如果关闭时间戳定位功能，不返回
speakerId	string	Y	每句的说话人Id。
wordsPiece	object array	Y	句中所对应的每字信息。开启byWords时，返回wordsPiece部分。

其中wordsPiece结构体为

字段	类型	是否必选	说明
words	string	N	每字的文本信息
startTime	string	N	每字的开始时间。单位ms
endTime	string	N	每字的结束时间。单位ms
transcribeType	string	N	每个字符的属性。 1 识别字符 2 标点（开启标点能力） 4 数字 8 已规则替换的词（开启敏感词） 16 顺滑词（开启顺滑标志） 32 影响语义的空格 64 热词命中例子 type = 2 标点 type = 5，1+4 识别字符+数字 type =17，1+16 识别字符+数字

回调示例

{
    "rtn":0,
    "message":"SASS_SUCC",
    "requestId":"a123bcef",
    "taskId":"a123bcefa123bcef",
    "data":{
        "statusCode":3,
        "statusText":"TASK_SUCC",
        "speechResult":{
            "resultText":"今天天气真的很不错。说的对！今天天气真的是棒呆了。",
            "duration":34567892,
            "detail":[
                {
                    "sentences":"今天天气真的很不错。",
                    "startTime":"0",
                    "endTime":"1600",
                    "speakerId":"1",
                    "wordsPiece":[
                        {
                            "words":"今",
                            "startTime":"0",
                            "endTime":"200",
                            "transcribedType":"1"
                        },
                        {
                            "words":"天",
                            "startTime":"200",
                            "endTime":"400",
                            "transcribedType":"1"
                        },
                        {
                            "words":"天",
                            "startTime":"400",
                            "endTime":"600",
                            "transcribedType":"1"
                        },
                        {
                            "words":"。",
                            "startTime":"200",
                            "endTime":"400",
                            "transcribedType":"2"
                        }
                    ]
                },
                {
                    "sentences":"棒呆了。",
                    "startTime":"0",
                    "endTime":"1600",
                    "speakerId":"2",
                    "wordsPiece":[
                        {
                            "words":"棒",
                            "startTime":"0",
                            "endTime":"200",
                            "transcribedType":"1"
                        },
                        {
                            "words":"呆",
                            "startTime":"200",
                            "endTime":"400",
                            "transcribedType":"1"
                        },
                        {
                            "words":"了",
                            "startTime":"400",
                            "endTime":"600",
                            "transcribedType":"17"
                        },
                        {
                            "words":"。",
                            "startTime":"200",
                            "endTime":"400",
                            "transcribedType":"2"
                        }
                    ]
                }
            ]
        }
    }
}

三. 查询转写任务

请求URL: https://yitu-audio.qiniuapi.com/v4/lasr/<taskId>

请求方式: GET

请求 Header:

字段	取值
Authorization	Qiniu <AccessKey>:<Sign> 注意: 用户请根据 AccessKey 和 SuccessKey 生成鉴权，以便进行身份验证。<Sign> 的取值请参考七牛鉴权

HTTP PATH 参数

字段	类型	是否必选	说明
taskId	string	Y	转写任务的 id

返回参数:

字段	类型	是否必选	说明
rtn	int	Y	请求处理结果的状态码，0表示成功，否则表示异常。
message	string	Y	请求处理结果的debug提示信息
taskId	string	Y	任务ID,可用来查询和停止任务。
requestId	string	Y	请求的唯一标示符
data	json object	N	识别结果。当rtn=0时，此结构存在。

其中data结构体为

字段	类型	是否必选	说明
statusCode	int	N	转写任务状态 0-LOADING - 文件加载中。 1-QUEUEING - 排队中。 2-PROGRESSING - 正在转写。 3-TASK_SUCC - 转写完成。回调时仅可见转写完成。
statusText	string	N	对应任务状态的文本信息。
speechResult	json object	N	转写识别结果。 status为转写完成时，此结构存在

其中speechResult结构体为

字段	类型	是否必选	说明
resultText	string	N	转写的结果文本全部输出。
duration	int	N	音频文件的时长。单位 ms
detail	object array	N	转写输出的句或者字的详细数据信息。

其中detail结构体为

字段	类型	是否必选	说明
sentences	string	N	每句的转写结果
startTime	string	N	每句的开始时间。音频起始点为0。单位ms 如果关闭时间戳定位功能，不返回
endTime	string	N	每字或每句结束时间。如果关闭时间戳定位功能，不返回
speakerId	string	Y	每句的说话人Id。
wordsPiece	object array	Y	句中所对应的每字信息。开启byWords时，返回wordsPiece部分。

其中wordsPiece结构体为

字段	类型	是否必选	说明
words	string	N	每字的文本信息
startTime	string	N	每字的开始时间。单位ms
endTime	string	N	每字的结束时间。单位ms
transcribeType	string	N	每个字符的属性。 1 识别字符 2 标点（开启标点能力） 4 数字 8 已规则替换的词（开启敏感词） 16 顺滑词（开启顺滑标志） 32 影响语义的空格 64 热词命中例子 type = 2 标点 type = 5，1+4 识别字符+数字 type =17，1+16 识别字符+数字

价格

1元/小时

以上内容是否对您有帮助？