實時語音識別 API 簡介

概念解釋

實時語音識別：可實現(xiàn)對連續(xù)音頻流的實時識別，轉(zhuǎn)換成文本信息并返對應(yīng)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(wù)。

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

本文檔主要針對需要集成API的技術(shù)開發(fā)工程師，詳細(xì)描述實時語音識別能力相關(guān)的技術(shù)內(nèi)容。

如果您有與我們商務(wù)合作的需求，可以通過以下方式聯(lián)系我們：

商務(wù)郵箱： AIcloud_Business@corp.youdao.com

如果您對文檔內(nèi)容有任何疑問，可以通過以下幾種方式聯(lián)系我們：

客服QQ：1906538062

智云語音技術(shù)交流QQ群：861723255

聯(lián)系郵箱： zhiyun@corp.youdao.com

溫馨提示：

• 本文檔主要針對開發(fā)人員，接入測試前需要在后臺創(chuàng)建API應(yīng)用，獲取應(yīng)用ID和應(yīng)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(guī)則詳見 實時語音識別服務(wù)報價 。

接口說明

接口地址：

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

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(fā)送時，第一幀需要為WAV HEADER 信息。

接口調(diào)用參數(shù)

服務(wù)接口的調(diào)用分為認(rèn)證、實時通信兩階段。

1. 認(rèn)證階段

請求參數(shù)格式：
key1=value1&key2=value2&key3=value3&key4=value4

參數(shù)說明：

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

服務(wù)端通過 text message 返回 json字符串的認(rèn)證結(jié)果，參數(shù)示例：

成功：

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

失?。?/p>

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

參數(shù)說明：

2 實時通信階段

認(rèn)證成功之后，進(jìn)入實時通信階段，此階段客戶端發(fā)送音頻流和結(jié)束標(biāo)識，并接收轉(zhuǎn)寫結(jié)果或錯誤。

2.1 發(fā)送音頻流

此階段客戶端通過 binary message 發(fā)送音頻流，內(nèi)容為音頻的二進(jìn)制數(shù)據(jù)，此過程的發(fā)送頻率將影響文字結(jié)果展示的實時性。

建議以 200ms 間隔發(fā)送音頻數(shù)據(jù)，若間隔超時 15s 以上，服務(wù)端將停止識別。

2.2 發(fā)送結(jié)束標(biāo)識

客戶端完成所有音頻數(shù)據(jù)的發(fā)送后，需發(fā)送一個特殊的 binary message 到服務(wù)端作為音頻流發(fā)送結(jié)束的標(biāo)識，內(nèi)容為：

{"end": "true"}

注：該標(biāo)識大小寫敏感。
2.3 接收轉(zhuǎn)寫結(jié)果

交互過程中，服務(wù)端不斷通過 text message 返回實時識別結(jié)果到客戶端，響應(yīng)結(jié)果是以json形式輸出（為text message）。
識別結(jié)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(jié)果 result 參數(shù)說明：

支持語言

服務(wù)配置

注意：如需上調(diào)調(diào)用量請聯(lián)系技術(shù)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