Intelligent Speech Interaction:API リファレンス

ファイル要件

WAV、MP3、M4A、WMA、AAC、OGG、AMR、FLAC 形式の録音ファイルがサポートされています。最大ファイルサイズは 512 MB です。WAV および MP3 ファイルは、シングルチャネルおよびデュアルチャネルの音声をサポートします。

音声の言語とサンプルレートは、プロジェクトに設定された ASR モデルと一致する必要があります。モデルの選択とサポートされているモデルについては、「言語とモデル」をご参照ください。

録音ファイルは、サービスがアクセスできるファイルサーバーに保存してください。URL のホストには IP アドレスではなくドメイン名を使用してください。URL にスペースを含めることはできません。URL に中国語の文字を使用することは避けてください。

ファイルの保存には Alibaba Cloud Object Storage Service (OSS) を推奨します。公開読み取りファイルの場合は、アクセス可能なファイル URL を使用してください。非公開ファイルの場合は、サービスがファイルをダウンロードする間有効な署名付き URL を使用してください。手順については、「署名付き URL を使用したファイルのダウンロードまたはプレビュー」をご参照ください。

自己ホスト型のファイルサーバーの場合、HTTP レスポンスヘッダーの Content-Length が実際のレスポンスボディの長さと一致することを確認してください。

リクエストレートとタスク保持

認識結果クエリのユーザーレベルの QPS 制限は 100 です。

レート制限を超えたリクエストは Throttling.User を返します。ポーリング間隔を設定してリクエストレートを制御してください。

無料ユーザーは、1 日あたり最大 2 時間の録画ファイルを認識できます。

送信後、無料ユーザーのタスクは 24 時間以内に完了し、有料ユーザーのタスクは 6 時間以内に完了します。認識結果はサーバーに 72 時間保持されます。

タスクの送信：SubmitTask

以下の JSON オブジェクトを文字列としてシリアライズし、POST リクエストの Task パラメーターとして渡します。この例では、valid_times は認識を指定された間隔に制限します。ファイル全体を認識するには、このフィールドを省略します。

nls-sample-en-16k.wav サンプルをダウンロードし、サービスが HTTP または HTTPS 経由でアクセスできる場所にアップロードしてください。以下の例の file_link をそのファイル URL に置き換えてください。

{
    "appkey": "your-appkey",
    "file_link": "https://your-domain.example/nls-sample-en-16k.wav",
    "auto_split": false,
    "version": "4.0",
    "enable_words": false,
    "enable_sample_rate_adaptive": true,
    "valid_times": [
        {
            "begin_time": 0,
            "end_time": 3049,
            "channel_id": 0
        }
    ]
}

Task フィールド

ValidTime フィールド

valid_times の各要素には、以下のフィールドが含まれます：

結果のクエリ：GetTaskResult

送信時に返されたタスク ID を GET リクエストの TaskId パラメーターとして渡します。リクエストレート制限に従ってクエリ間隔を設定してください。

送信レスポンス

送信が成功すると、次の JSON が返されます：

{
        "TaskId": "4b56f0c4b7e611e88f34c33c2a60****",
        "RequestId": "E4B183CC-6CFE-411E-A547-D877F7BD****",
        "StatusText": "SUCCESS",
        "StatusCode": 21050000
}

クエリレスポンス

{
    "TaskId": "7a200beed1f111f1a112b5efb07c****",
    "RequestId": "01A17CE9-B0EC-3FE4-B2EA-10C59979****",
    "StatusText": "SUCCESS",
    "BizDuration": 3049,
    "SolveTime": 1793097051064,
    "StatusCode": 21050000,
    "Result": {
        "Sentences": [
            {
                "EndTime": 1630,
                "SilenceDuration": 0,
                "BeginTime": 0,
                "Text": "today is monday",
                "ChannelId": 0,
                "SpeechRate": 73,
                "EmotionValue": 6.0
            },
            {
                "EndTime": 3030,
                "SilenceDuration": 0,
                "BeginTime": 1810,
                "Text": "the weather is nice",
                "ChannelId": 0,
                "SpeechRate": 147,
                "EmotionValue": 6.3
            }
        ]
    }
}

{
        "TaskId": "c7274235b7e611e88f34c33c2a60****",
        "RequestId": "981AD922-0655-46B0-8C6A-5C836822****",
        "StatusText": "QUEUEING",
        "StatusCode": 21050002
}

{
        "TaskId": "c7274235b7e611e88f34c33c2a60****",
        "RequestId": "8E908ED2-867F-457E-82BF-4756194A****",
        "StatusText": "RUNNING",
        "BizDuration": 0,
        "StatusCode": 21050001
}

{
        "TaskId": "4cf25b7eb7e711e88f34c33c2a60****",
        "RequestId": "098BF27C-4CBA-45FF-BD11-3F532F26****",
        "StatusText": "FILE_DOWNLOAD_FAILED",
        "BizDuration": 0,
        "SolveTime": 1536906469146,
        "StatusCode": 41050002
}

レスポンスフィールド

Sentences と Words は Result オブジェクトに含まれます。

Sentences フィールド

コールバック結果

enable_callback=true、callback_url、および version="4.0" が設定されている場合、タスクが完了するとサービスはコールバック URL に POST リクエストを送信します。認識結果のフィールドは、ポーリングによって返されるものと同じです：

{
    "Result": {
        "Sentences": [
            {
                "EndTime": 1630,
                "SilenceDuration": 0,
                "BeginTime": 0,
                "Text": "today is monday",
                "ChannelId": 0,
                "SpeechRate": 73,
                "EmotionValue": 6.0
            },
            {
                "EndTime": 3030,
                "SilenceDuration": 0,
                "BeginTime": 1810,
                "Text": "the weather is nice",
                "ChannelId": 0,
                "SpeechRate": 147,
                "EmotionValue": 6.3
            }
        ]
    },
    "TaskId": "36d01b244ad811e9952db7bb7ed2****",
    "StatusCode": 21050000,
    "StatusText": "SUCCESS",
    "RequestTime": 1553062810452,
    "SolveTime": 1553062810831,
    "BizDuration": 3049
}

RequestTime はタスク送信の UNIX タイムスタンプであり、SolveTime は認識が完了したときの UNIX タイムスタンプです。どちらもミリ秒単位です。

単語情報

enable_words=true と version="4.0" が設定されている場合、結果には Words が含まれます。ポーリングとコールバックは同じ単語情報を返します。次の例は、同じ英語の録音の結果を示しています：

{
    "TaskId": "2e6a076bd1f111f1b005ad4b8dcd****",
    "RequestId": "01A17CE7-CD86-32AC-8F5A-AAFD425A****",
    "StatusText": "SUCCESS",
    "BizDuration": 3049,
    "SolveTime": 1793096926573,
    "StatusCode": 21050000,
    "Result": {
        "Words": [
            {
                "Word": "today",
                "EndTime": 600,
                "BeginTime": 270,
                "ChannelId": 0
            },
            {
                "Word": "is",
                "EndTime": 810,
                "BeginTime": 600,
                "ChannelId": 0
            },
            {
                "Word": "monday",
                "EndTime": 1080,
                "BeginTime": 810,
                "ChannelId": 0
            },
            {
                "Word": "the",
                "EndTime": 2020,
                "BeginTime": 1900,
                "ChannelId": 0
            },
            {
                "Word": "weather",
                "EndTime": 2290,
                "BeginTime": 2020,
                "ChannelId": 0
            },
            {
                "Word": "is",
                "EndTime": 2560,
                "BeginTime": 2290,
                "ChannelId": 0
            },
            {
                "Word": "nice",
                "EndTime": 2650,
                "BeginTime": 2560,
                "ChannelId": 0
            }
        ],
        "Sentences": [
            {
                "EndTime": 1630,
                "SilenceDuration": 0,
                "BeginTime": 0,
                "Text": "today is monday",
                "ChannelId": 0,
                "SpeechRate": 73,
                "EmotionValue": 6.0
            },
            {
                "EndTime": 3030,
                "SilenceDuration": 0,
                "BeginTime": 1810,
                "Text": "the weather is nice",
                "ChannelId": 0,
                "SpeechRate": 147,
                "EmotionValue": 6.3
            }
        ]
    }
}

単語フィールド

エラーコード