實時語音識別 API 簡介

概念解釋

實時語音識別：可實現對連續音頻流的實時識別，轉換成文本信息并返對應文字流。

說明

Hi，您好，歡迎使用有道智云實時語音識別API接口服務。

如果您想快速體驗服務，建議您前往 語音識別體驗中心 或者在體驗中心右下側找到小程序二維碼，掃描進行體驗。

本文檔主要針對需要集成API的技術開發工程師，詳細描述實時語音識別能力相關的技術內容。

如果您有與我們商務合作的需求，可以通過以下方式聯系我們：

商務郵箱： AIcloud_Business@corp.youdao.com

如果您對文檔內容有任何疑問，可以通過以下幾種方式聯系我們：

客服QQ：1906538062

智云語音技術交流QQ群：861723255

聯系郵箱： zhiyun@corp.youdao.com

溫馨提示：

• 本文檔主要針對開發人員，接入測試前需要在后臺創建API應用，獲取應用ID和應用密鑰；如果您還沒有，請按照 新手指南 獲取。
• 平臺向每個賬戶贈送50元的體驗金，供用戶集成前測試所用，具體資費規則詳見 實時語音識別服務報價 。

接口說明

接口地址：

wss://openapi.youdao.com/stream_asropenapi?{請求參數}

語音支持：

格式支持：wav（不壓縮、pcm編碼）

采樣率：推薦16k。

編碼：16bit位深的單聲道

注： 發送時，第一幀需要為WAV HEADER 信息。

接口調用參數

服務接口的調用分為認證、實時通信兩階段。

1. 認證階段

請求參數格式： key1=value1&key2=value2&key3=value3&key4=value4

參數說明：

簽名sign生成方法如下： signType=v4； sign=sha256(應用ID+salt+curtime+應用密鑰)。

服務端通過 text message 返回 json字符串的認證結果，參數示例：

成功：

{
	"result": [],
	"action": "started",
	"errorCode": "0"
}

失敗：

{
	"result": "[]",
	"action": "error",
	"errorCode": "202"
}

參數說明：

2 實時通信階段

認證成功之后，進入實時通信階段，此階段客戶端發送音頻流和結束標識，并接收轉寫結果或錯誤。

2.1 發送音頻流

此階段客戶端通過 binary message 發送音頻流，內容為音頻的二進制數據，此過程的發送頻率將影響文字結果展示的實時性。

建議以 200ms 間隔發送音頻數據，若間隔超時 15s 以上，服務端將停止識別。

2.2 發送結束標識

客戶端完成所有音頻數據的發送后，需發送一個特殊的 binary message 到服務端作為音頻流發送結束的標識，內容為：

{"end": "true"}

注：該標識大小寫敏感。

2.3 接收轉寫結果

交互過程中，服務端不斷通過 text message 返回實時識別結果到客戶端，響應結果是以json形式輸出（為text message）。 識別結果示例：

{
	"result": [{
		"st": [{
			"bg": 30,
			"ed": 480,
			"ws": [{
				"w": "Have",
				"wb": 30,
				"we": 240
			}, {
				"w": "a",
				"wb": 240,
				"we": 270
			}, {
				"w": "good",
				"wb": 270,
				"we": 480
			}, {
				"w": "day.",
				"wb": 480,
				"we": 480
			}]
		}],
		"seg_id": 0
	}],
	"errorCode": "0",
	"action": "recognition"
}

識別結果 result 參數說明：

支持語言

注意：s-開頭的語種為更高質量的模型。

服務配置

注意：如需上調調用量請聯系技術人員咨詢。

錯誤代碼列表

版本記錄

常見語言Demo

Java 示例

實時語音識別 java demo

Python 示例

實時語音識別 python3 demo

C# 示例

實時語音識別 c# demo

Php 示例

實時語音識別 php demo

go 示例

實時語音識別 go demo