智能多媒体 > API 文档 > 智能语音 >实时语音识别

实时语音识别

最近更新时间：2021-10-08 15:44:11

接口简介

实时语音识别接口对音频流进行实时识别，达到“边说边出文本”的效果，可应用于对实时性有要求的场景，如语音机器人、智能会议、智能硬件、直播字幕等。

请求参数

请求URL: wss://ap-open-ws.service-z0.qiniuapp.com/asr?key1=value1&key2=value2

请求方式: WebSocket

请求参数:

OnOpen,params部分

放在 URL Query 中，具体参数如下:

参数名称	类型	是否必选	说明
voice_type	int	Y	数据格式，1->pcm(wav);默认1
voice_encode	int	Y	数据编码格式，1->s16le; 默认1
voice_sample	float	Y	数据采样率;默认16000
needvad	int32	Y	是否需要vad;0->关闭;1->开启; 默认1
need_partial	int32	Y	是否返回partial文本，1->返回，0-> 不返回;默认1
maxsil	int32	Y	最长静音间隔，单位秒，默认10s
need_words	int32	Y	是否返回词语的对齐信息，1->返回， 0->不返回;默认0。以字段words返回，列表格式。
model_type	int32	N	模型id，默认"0"。 0: 普通话; en: 英语; cantonese: 粤语; cn_en_16k: 中英混合
voice_id	string	N	数据流id，不同流不同
force_final	int32	N	是否在text为空的时候返回final信息, 1->强制返回;0->不强制返回。默认情况下，如果text为空，不会返回final信息。
vad_sil_thres	float	N	vad断句的累积时间，大于等于0，如果设置为0，或者没设置，系统默认
e	int32	Y	请求时间戳, 单位秒
token	string	Y	请求签名, 签算方式
hot_words	string	N	提供热词，格式为: hot_words=热词1,因子1;热词2,因子2，每个热词由热词本身和方法因子以英文逗号隔开，不同热词通过;隔开，最多100个热词，每个热词40字节以内。由于潜在的http服务对url大小的限制，以实际支持的热词个数为准

OnMessage

二进制音频流片段，间隔200ms发送发送一个数据块，单通道。

结束session

发送字符串 EOS 到后台，后台收到后将所有文本返回，最后一个json的ended=1表示存储在server的数据发送完毕， client可以安全关闭ws。此后再发送语音数据后台将不做任何处理。

返回参数说明

参数名称	类型	说明
uuid	string	服务端生成的uuid
ended	int32	是否是websocket最后一条数据, 0:非最后一条数据,1: 最后一条数据。在客户端发送"EOS"(即请求关闭websocket) 后服务端响应的标识。
final	int32	分片结束,当前消息的transcript 为该片段最终结果，否则为partial结果
transcript	string	语音的文本, 如果final=0, 则为partinal结果 (后面可能会更改), final=1为该片段最终结果
start_seq	int32	该文本所在的切片的起点(包含), 否则为-1
end_seq	int32	为该文本所在的切片的终点(包含)，否则为-1
start_time	float	该片段的起始时间，毫秒
end_time	float	该片段的终止时间，毫秒
seg_begin	int32	是否分段开始: 1:是; 0:不是。一般分段后返回
partial_transcript	string	partial结果文本, 开启need_partial后返回
spk_begin	int32	是否是vad分段开始说话的开始 1:是分段开始说话; 0:不是。注意，每个分段只提醒一次
seg_index	int32	当前返回是第几个vad分段上，从0开始
long_sil	int32	是否长时间静音，0:否;1:是
words	list	返回词语的对齐信息, 参数need_words=1时返回详细内存见下表。

words字段参数说明

参数名称	类型	说明
word	string	词语本身，包括标点符号
seg_start	float32	该词语相对当前分段的起始时间, 毫秒
seg_end	float32	该词语相对当前分段的终止时间, 毫秒
voice_start	float32	该词语相对整个数据流的起始时间, 毫秒
voice_end	float32	该词语相对整个数据流的终止时间, 毫秒

返回示例

{'uuid': '202001031457190636140338391943568', 'final': 0, 'ended': 0, 'transcript': '',
'start_time': 1, 'end_time': 1.25, 'confidence': 1, 'long_sil': 0}
{'uuid': '202001031457190636140338391943568', 'final': 0, 'ended': 0, 'transcript': '',
'start_time': 1, 'end_time': 1.5, 'confidence': 1, 'long_sil': 0}
{'uuid': '202001031457190636140338391943568', 'final': 0, 'ended': 0, 'transcript': '',
'start_time': 1, 'end_time': 1.75, 'confidence': 1, 'long_sil': 0}
{'uuid': '202001031457190636140338391943568', 'final': 0, 'ended': 0, 'transcript': '',
'start_time': 1, 'end_time': 2, 'confidence': 1, 'long_sil': 0}
{'uuid': '202001031457190636140338391943568', 'final': 0, 'ended': 0, 'transcript': '',
'start_time': 1, 'end_time': 2.25, 'confidence': 1, 'long_sil': 0}
{'uuid': '202001031457190636140338391943568', 'final': 0, 'ended': 0, 'transcript': '',
'start_time': 1, 'end_time': 2.5, 'confidence': 1, 'long_sil': 0}
{'uuid': '202001031457190636140338391943568', 'final': 0, 'ended': 0, 'transcript': '',
'start_time': 1, 'end_time': 2.75, 'confidence': 1, 'long_sil': 0}
{'uuid': '202001031457190636140338391943568', 'final': 0, 'ended': 0, 'transcript': '',
'start_time': 1, 'end_time': 3, 'confidence': 1, 'long_sil': 0}
{'uuid': '202001031457190636140338391943568', 'final': 0, 'ended': 0, 'transcript': '逾期',
'start_time': 1, 'end_time': 3.25, 'confidence': 1, 'long_sil': 0}
{'uuid': '202001031457190636140338391943568', 'final': 0, 'ended': 0, 'transcript': '逾期了',
'start_time': 1, 'end_time': 3.5, 'confidence': 1, 'long_sil': 0}
{'uuid': '202001031457190636140338391943568', 'final': 1, 'ended': 1, 'transcript': '逾期了怎么
办', 'start_time': 1, 'end_time': 3.56938, 'confidence': 0.361428, 'long_sil': 0}

错误码

关闭错误码	说明
1000	正常关闭
4010	参数错误
4011	解码错误
4012	转码错误
4013	鉴权错误
4014	超过单点最大连接数
4015	无法解析解码文本

价格

1.5元/小时

以上内容是否对您有帮助？

智能多媒体服务

实时语音识别

接口简介

请求参数

返回参数说明

返回示例

错误码

价格