智能多媒体服务

  • 智能多媒体服务 > API 文档 > 智能语音 >录音文件识别

    录音文件识别

    最近更新时间: 2021-11-29 17:14:55

    对用户上传的录音文件进行识别,录音文件大小不超过100M,可用于会议语音资料转写、客服语音质检等各类场景,使用前需提交工单开通,暂不支持直接开放使用。

    识别请求参数

    请求URL: https://audio-recognition.qiniuapi.com/?cmd=async

    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
    voice_id string Y 语音流id
    format string N 音频文件格式,支持 wav、mp3 等常见格式
    model_type string N 模型id,默认"0"。 0: 普通话; en: 英语; cantonese: 粤语; cn_en_16k: 中英混合
    need_words int32 N 是否需要返回词的时间信息,0:不需要;1:需要。默认0
    need_dia int32 N 是否需要对单通道文件做说话人分离,0:不需要;1:需要。默认0
    need_role int32 N 是否需要角色识别,0:不需要;1:需要。目前识别两个角色,”C”: 客户; “S”:客服
    audio string Y base64encode后的音频数据,最大支持 100MB
    model_type string N 模型id,默认"0"。 0: 普通话; en: 英语; cantonese: 粤语; cn_en_16k: 中英混合
    hot_words list[hot_word] N 用户自定义热词,最多100词,每个热词40字节以内

    hot_word

    字段 类型 是否必选 说明
    hot_word string Y 去除特殊符合的热词
    factor float Y 热词权重;范围[-10,10];正数为增加权重,负数为减少权重;绝对值越大调整越多;推荐1.0

    识别返回结果

    字段 类型 说明
    ret int32 返回标志码,0为正常,否则异常,详见下文
    msg string 错误信息说明
    session_id string uuid

    识别 API 示例

    请求示例

    POST /?cmd=async HTTP/1.1
    Host: audio-recognition.qiniuapi.com
    Content-Type: application/json
    Authorization: Qiniu xxxxxxx
    
    {
        "voice_id":"test_voice",
        "audio": "base64_encode_audio"
    }
    

    返回示例

    HTTP/1.1 200 OK
    Content-Type: application/json
    
    {
        "ret":0,
        "msg":"success",
        "session_id": "xxxxx"
    }
    

    识别结果查询

    查询请求参数

    请求URL: https://audio-recognition.qiniuapi.com/?cmd=pull

    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
    session_id string Y 异步接口返回的session_id

    查询结果返回

    字段 类型 说明
    ret int32 返回标志码,0为正常,否则异常,详见下文
    msg string 错误信息说明
    all_text string 文件所有解码文本
    c_text string 文件解码客户文本
    s_text string 文件解码客服文本
    texts.chan_no int32 文本片段通道编号
    texts.seg_no int32 文本片段编号
    texts.mbtm int32 文本片段起始时间,毫秒
    texts.metm int32 文本片段终止时间,毫秒
    texts.text string 文本
    texts.words jsonArray 词时间信息
    texts.words.word string 词本身
    texts.words.seg_start float32 毫秒,当前词在该分段中的起始位置
    texts.words.seg_end float32 毫秒,当前词在该分段中的结束位置
    texts.words.voice_start float32 毫秒,当前词在该文件中的起始位置
    texts.words.voice_end float32 毫秒,当前词在该文件中的结束位置

    查询 API 示例

    请求示例

    POST /?cmd=sync HTTP/1.1
    Host: audio-recognition.qiniuapi.com
    Content-Type: application/json
    Authorization: Qiniu xxxxxxx
    
    {
        "voice_id":"test_voice",
        "audio": "base64_encode_audio"
    }
    

    返回示例

    HTTP/1.1 200 OK
    Content-Type: application/json
    
    {
        "ret":0,
        "msg":"success",
        "all_text":"测试语音\n",
        "c_text":"",
        "s_text":"",
        "duration":7.275000095367432,
        "texts":[
            {
                "chan_id":0,
                "seg_no":0,
                "mbtm":0,
                "metm":7279,
                "text":"测试语音。",
                "role":"unk"
            }
        ]
    }
    

    错误码

    ret 值 含义
    0 成功
    1011 排队中
    1012 处理中
    1013 已获取
    1014 未知任务
    ret 值 含义
    0 成功
    100 传入参数错误
    101 识别服务异常
    102 获取音频失败
    103 识别错误返回
    105 识别返回空
    106 识别返回超时
    107 文件为空
    114 文本后处理失败
    119 可能传入音频数据有误
    120 音频格式不支持
    1000 错误的请求包
    1001 Speex解码错误
    1003 声纹服务异常
    1004 音频格式转换失败

    价格

    每月用量(小时) 价格(元/小时)
    0~8999 2.2
    9000~29999 2
    30000~89999 1.6
    90000~149999 1.35
    150000以上 0.9
    以上内容是否对您有帮助?
  • Qvm free helper
    Close