：STT標準介面

互動流程圖

實現流程

您需要實現一個公網可訪問並且支援WebSocket傳輸協議的語音轉文字（STT）模型服務，並且按照我們定義的輸入輸出規範，即可將您的自研的STT模型添加到工作流程中。

1. 首先您需要在編排管理主控台中的STT 語音轉文位元組點中，配置以下參數：

   

   名稱	類型	必填	描述	樣本值
   目標模型WebSocket地址	String	是	自研模型介面地址	wss://example.com/asr/ws
   ApiKey	String	是	API鑒權資訊	AUJH-pf**************HBLKrI
   自訂參數	String	否	自訂參數列表	key_a=value_a

2. 配置完成後，阿里雲將會按照以下規則與您的服務完成建鏈：

   假設您的wss地址為wss://example.com/asr/ws，我們會以wss://example.com/asr/ws?{請求參數}發送請求，請求參數如下：

   參數名	參數類型	是否必選	說明
   session_id	string	是	本次語音辨識連結標識。
   token	string	是	將session_id經過一定運算後得到的簽名字串，詳細內容，請參見Token計算方式。
   language	string	否	語種類型，預設中英文。

   請求樣本如下：

   未配置自訂參數

   wss://example.com/asr/ws?session_id=992204bfdca241e78dca2872625cf99f&token=muebPMT%2BnLe*********UJY4%3D&language=cn

   配置自訂參數

   如果您在控制台上設定了自訂參數：key_a=value_a 和 key_b=value_b，則最終的URL為：

   wss://example.com/asr/ws?session_id=992204bfdca241e78dca2872625cf99f&token=muebPMT%2BnLeTr**********4%3D&language=cn&key_a=value_a&key_b=value_b

   您也可以在調用啟動執行個體的介面時，設定自訂參數，這將覆蓋您在工作流程中的配置。您需要在啟動執行個體的AIAgentConfig.AsrConfig.CustomParams來指定STT節點自訂參數，這些參數會放在URL參數中。

   {
       "AsrConfig": {
           "CustomParams": "key1=value1&key2=value2&key3=value3"     
       }
   }

3. 建鏈完成後，阿里雲將音頻PCM資料按以下規格傳入您的模型：

   支援格式	資料格式	聲道數	採樣率	介面協議
   PCM	S16LE	單聲道	16K	wss

4. 在您的自研模型完成語音辨識後，您需要將資料按照以下規格轉為JSON文本的形式返回阿里雲：

   參數名	參數類型	是否必選	說明
   session_id	String	是	本次asr連結標識，與建鏈請求保持一致.
   name	String	是	訊息名稱： start：websocket建鏈成功後的通知訊息 result：語音辨識結果訊息 error：伺服器異常的通知訊息
   code	Int	是	返回碼： 0: 成功 其他：失敗
   message	String	是	返回資訊，失敗時在此欄位描述失敗原因
   result_type	Int	否	當name為result時必選，您需要傳入該值： 0: 臨時結果 1: 最終結果
   payload	Object	否	name為result時必選，payload中的欄位都需要填寫為實際值。
   result	String	是	當前識別到的所有結果。
   begin_time	Int	是	識別結果的語音起始時刻，相對於建鏈後收到首個音頻包時刻的位移量，單位ms。
   end_time	Int	是	識別結果的語音結束時刻，相對於建鏈後收到首個音頻包時刻的位移量，單位ms。

5. 結束傳輸，發送表示結束的binary message。

   ws.send(bytes("{\"stop_session\": true}", encoding='utf-8'))

程式碼範例

import hashlib
import hmac
import base64
from urllib.parse import quote

def calc_token():
    api_key = '12345678'
    session_id = '992204bfdca241e78dca2872625cf99f'
    sessionId = session_id.encode('utf-8')
    md5 = hashlib.md5()
    md5.update(sessionId)
    baseString = md5.hexdigest()
    baseString = bytes(baseString, encoding='utf-8')
    # step 1: 對session_id進行MD5，參考結果 f481faf07ec18481bc275a3ef3d61ea0
    apiKey = api_key.encode('utf-8')
    token = hmac.new(apiKey, baseString, hashlib.sha1).digest()
    # step 2: 用api_key對MD5後的session_id進行HmacSHA1加密，參考結果 b'\x9a\xe7\x9b<\xc4\xfe\x9c\xb7\x93\xae\xbaY\xc3\x91|!\x8b\x14%\x8e'
    token = base64.b64encode(token)
    # step 3: 加密後的資料base64編碼，參考結果 muebPMT+nLeTrrpZw5F8IYsUJY4=
    token = str(token, 'utf-8') 
    token = quote(token)
    # step 4: 進行url編碼，參考結果 muebPMT%2BnLeTrrpZw5F8IYsUJY4%3D
    return token