智能多媒体服务 > API 文档 > Open API >阿里音频转文字服务

阿里音频转文字服务

最近更新时间: 2021-11-12 10:29:51

录音文件识别（ali_audio_trans）能够针对已经录制完成的录音文件，进行识别的服务。录音文件识别是非实时的，识别的文件需要提交基于HTTP可访问的URL地址，不支持提交本地文件。

本服务由阿里云计算有限公司（以下简称阿里云）提供。启用服务后，您存储在七牛云空间的文件将在您主动请求的情况下被提供给阿里云以供其计算使用。服务价格请您参考具体的服务价格，您使用本服务产生的费用由七牛代收。启用服务则表示您知晓并同意以上内容。

注意

服务地域：华东、华北、华南。
支持单轨/双轨WAV格式、MP3格式的录音文件识别。
支持调用方式：轮询方式/回调方式。
支持语言模型定制和热词。
支持汉语普通话、方言、欧美英语等多种模型识别。

如何开启

如果您的文件存储在七牛云，则需先开启本服务。点此进入七牛开发者平台，点击右上角开始使用按钮。
如果您的文件存储在其他地方，则直接调用本接口。

使用方式

使用方式分成三步：

发送异步请求
查询异步请求状态
查询结果

一.发送异步请求

请求语法和请求头部信息

请求参数

请求参数以表单形式组织，作为请求内容提交，格式如下：

bucket=<urlEncodedBucket>&key=<urlEncodedKey>&fops=<urlEncodedFops>&notifyURL=<urlEncodedPersistentNotifyUrl>&force=<Force>&pipeline=<Pipeline Name>

参数名称	必填	需要URL编码:	说明
bucket	是	是	资源空间
key	是	是	源资源名
fops	是	是	fops名称：‘ali_audio_trans’。
notifyURL		是	处理结果通知接收 URL，七牛将会向你设置的 URL 发起 `Content-Type: application/json` 的 POST 请求。请参考持久化处理结果通知。
force			强制执行数据处理。当服务端发现 fops 指定的数据处理结果已经存在，那就认为已经处理成功，避免重复处理浪费资源。加上本字段并设为 1，则可强制执行数据处理并覆盖原结果。
pipeline			为空则表示使用默认队列。建议指定队列，转码时与其他队列分别使用独立的计算资源。

响应

响应语法相关参考：持久化处理

二.查询异步请求状态

请求参数相关参考：查询状态

响应

请求状态的响应内容，如果请求成功，返回类似如下结果：

{
    "code": 0,
    "desc": "The fop was completed successfully",
    "id": "z2.0A2C241C106D99415A5E05B7427CD33C",
    "inputBucket": "xxx",
    "inputKey": "audio.aux",
    "items": [
        {
            "cmd": "ali_audio_trans",
            "code": 0,
            "desc": "The fop was completed successfully",
            "hash": "FqJnzvHbjY2ciWKBg5fYOzZuoX6x",
            "key": "VFa6GGuRzbsSO7XgV_IxGmPolJo=/llI_rprtiP9N8VPR-RVNcaKXZr2N",
            "returnOld": 0
        }
    ],
    "pipeline": "1322233.pipeline",
    "reqid": "PzkAAHVVquDiKuQV"
}

三.查询结果

根据二中成功返回的结果中key字段查询结果，查询结果参数格式如下：http://inputBucket的域名/key

查询结果如下：

{"TaskId":"0f3630daecca11ea872855028089e582","RequestId":"863B3762-F5C6-4D27-B92F-EBCE30E223B0","StatusText":"SUCCESS","BizDuration":3101,"SolveTime":1599016318136,"StatusCode":21050000,"Result":{"Sentences":[{"EndTime":2580,"SilenceDuration":0,"BeginTime":960,"Text":"北京的天气。","ChannelId":0,"SpeechRate":185,"EmotionValue":6.7}]}}

结果参数说明

公共头响应头参数说明

字段	类型	是否必选	说明
TaskId	整型	Y	识别任务ID
StatusCode	字符串	Y	状态码
StatuxText	字符串	Y	状态说明
RequestId	JSON对象	Y	请求id，用于调试
Result	Reslt	Y	识别结果对象。

Result

字段	类型	是否必选	说明
Sentences	[]SentenceResult	Y	识别的结果数据。当StatuxText为SUCCEED时存在。

SentenceResult

字段	类型	是否必选	说明
ChannelId	Int	Y	该句所属音轨ID
BeginTime	Int	Y	该句的起始时间偏移，单位为毫秒
EndTime	Int	Y	该句的结束时间偏移，单位为毫秒
Text	String	N	该句的识别文本结果
EmotionValue	Int	N	情绪能量值，取值为音量分贝值/10。取值范围：[1,10]。值越高情绪越强烈
SilenceDuration	Int	N	本句与上一句之间的静音时长，单位为秒
SpeechRate	Int	N	本句的平均语速，单位：字数/分钟

状态码

正常状态码

状态码	状态描述	状态含义	解决方案
21050000	SUCCESS	成功	POST方式的识别请求接口调用成功，或者GET方式的识别结果查询接口调用成功。
21050001	RUNNING	录音文件识别任务运行中	请稍后再发送GET方式的识别结果查询请求。
21050002	QUEUEING	录音文件识别任务排队中	请稍后再发送GET方式的识别结果查询请求。
21050003	SUCCESS_WITH_NO_VALID_FRAGMENT	识别结果查询接口调用成功，但是没有识别到语音	检查录音文件是否有语音，或者语音时长太短。

错误状态码

状态码	状态描述	状态含义	解决方案
41050001	USER_BIZDURATION_QUOTA_EXCEED	单日时间超限	如业务量较大，请请提交工单
41050002	FILE_DOWNLOAD_FAILED	文件下载失败	检查录音文件路径是否正确，是否可以外网访问和下载。
41050003	FILE_CHECK_FAILED	文件格式错误	检查录音文件是否是单轨/双轨的WAV格式、MP3格式。
41050004	FILE_TOO_LARGE	文件过大	检查录音文件大小是否超过512 MB。
41050005	FILE_NORMALIZE_FAILED	文件归一化失败	检查录音文件是否有损坏，是否可以正常播放。
41050006	FILE_PARSE_FAILED	文件解析失败	检查录音文件是否有损坏，是否可以正常播放。
41050007	MKV_PARSE_FAILED	MKV解析失败	检查录音文件是否有损坏，是否可以正常播放。
41050008	UNSUPPORTED_SAMPLE_RATE	采样率不匹配	检查调用时设置的采样率和管控台上appkey绑定的ASR模型采样率是否一致。
41050009	UNSUPPORTED_ASR_GROUP	ASR分组不支持	确认ak和appkey是否一致。
41050010	FILE_TRANS_TASK_EXPIRED	录音文件识别任务过期	TaskId不存在，或者已过期。
41050011	REQUEST_INVALID_FILE_URL_VALUE	请求file_link参数非法	确认file_link参数格式是否正确。
41050012	REQUEST_INVALID_CALLBACK_VALUE	请求callback_url参数非法	确认callback_url参数格式是否正确，是否为空。
41050013	REQUEST_PARAMETER_INVALID	请求参数无效	确认请求task值为有效JSON格式字符串。
41050021	RAM_CHECK_FAILED	RAM检查失败	检查您的RAM用户是否已经授权调用语音服务的API，请参见RAM用户鉴权配置。
41050023	CONTENT_LENGTH_CHECK_FAILED	content-length 检查失败	检查下载文件时，HTTP response中的content-length与文件实际大小是否一致。
41050024	FILE_404_NOT_FOUND	需要下载的文件不存在	检查需要下载的文件是否存在。
41050025	FILE_403_FORBIDDEN	没有权限下载需要的文件	检查是否有权限下载录音文件。
41050026	FILE_SERVER_ERROR	请求的文件所在的服务不可用	检查请求的文件所在的服务是否可用。
51050000	INTERNAL_ERROR	内部通用错误	如果偶现可以忽略，重复出现请提交工单。
51050001	VAD_FAILED	VAD失败	如果偶现可以忽略，重复出现请提交工单。
51050002	RECOGNIZE_FAILED	内部alisr识别失败	如果偶现可以忽略，重复出现请提交工单。
51050003	RECOGNIZE_INTERRUPT	内部alisr识别中断	如果偶现可以忽略，重复出现请提交工单。
51050004	OFFER_INTERRUPT	内部写入队列中断	如果偶现可以忽略，重复出现请提交工单。
51050005	FILE_TRANS_TIMEOUT	内部整体超时失败	如果偶现可以忽略，重复出现请提交工单。
51050006	FRAGMENT_FAILED	内部分断失败	如果偶现可以忽略，重复出现请提交工单。

计费说明

按量计费（后付费）

标准价	每月用量	梯度折扣价
2.5元/小时	0~9000小时（含）	2.5元/小时
2.5元/小时	9000~30000小时（含)	2.2元/小时
2.5元/小时	30000~90000小时（含)	1.8元/小时
2.5元/小时	90000~150000小时（含）	1.5元/小时
2.5元/小时	150000小时以上	1.0元/小时

以上内容是否对您有帮助？