接口说明

功能介绍

对长时间的语音数据流进行识别，适用于会议演讲、视频直播等长时间不间断识别的场景。

• 支持音频编码格式：pcm(无压缩的pcm文件或wav文件)，16bit采样位数的单声道(mono)；
• 支持音频采样率：8000Hz、16000Hz；
• 支持对返回结果进行设置：是否返回中间识别结果，是否在后处理中添加标点，是否将中文数字转为阿拉伯数字输出。
• 支持多种语言的识别，可在控制台编辑项目进行 模型选择

服务地址

交互流程

说明：所有服务端的响应都会在返回信息的header包含task_id参数，用于表示本次识别任务的ID，请记录下这个值，如果发生错误，请将task_id和错误信息提交到工单。

0. 鉴权

客户端在与服务端建立WebSocket链接的时候，需要使用Token进行鉴权。Token获取请阅读获取 Token 一节。

1. start and confirm

客户端发起请求，服务端确认请求有效。其中在请求消息中需要进行参数设置，各参数由SDK中SpeechTranscriber对象的相关set方法设置，各参数含义如下：

2. send and recognize

循环发送语音数据，持续接收识别结果：

• SentenceBegin事件表示服务端检测到了一句话的开始。实时语音识别服务的智能断句功能会判断出一句话的开始与结束，如：

{
    "header": {
        "namespace": "SpeechTranscriber",
        "name": "SentenceBegin",
        "status": 20000000,
        "message_id": "a426f3d4618447519c9d85d1a0d15bf6",
        "task_id": "5ec521b5aa104e3abccf3d3618222547",
        "status_text": "Gateway:SUCCESS:Success."
    },
    "payload": {
        "index": 1,
        "time": 0
    }
}

header对象参数说明：

payload对象参数说明：

• TranscriptionResultChanged事件表示识别结果发生了变化。仅当enable_intermediate_result=true时会返回此消息，且多次返回，即一句话的中间识别结果，如：

{
    "header": {
        "namespace": "SpeechTranscriber",
        "name": "TranscriptionResultChanged",
        "status": 20000000,
        "message_id": "dc21193fada84380a3b6137875ab9178",
        "task_id": "5ec521b5aa104e3abccf3d3618222547",
        "status_text": "Gateway:SUCCESS:Success."
    },
    "payload": {
        "index": 1,
        "time": 1835,
        "result": "北京的天",
        "confidence": 1.0,
        "words": [{
            "text": "北京",
            "startTime": 630,
            "endTime": 930
        }, {
            "text": "的",
            "startTime": 930,
            "endTime": 1110
        }, {
            "text": "天",
            "startTime": 1110,
            "endTime": 1140
        }]
    }
}

header对象参数同上述表格说明，name为TranscriptionResultChanged表示句子的中间识别结果。payload对象参数说明：

• SentenceEnd事件表示服务端检测到了一句话的结束，并附带返回该句话的识别结果，如：

{
    "header": {
        "namespace": "SpeechTranscriber",
        "name": "SentenceEnd",
        "status": 20000000,
        "message_id": "c3a9ae4b231649d5ae05d4af36fd1c8a",
        "task_id": "5ec521b5aa104e3abccf3d3618222547",
        "status_text": "Gateway:SUCCESS:Success."
    },
    "payload": {
        "index": 1,
        "time": 1820,
        "begin_time": 0,
        "result": "北京的天气。",
        "confidence": 1.0,
        "words": [{
            "text": "北京",
            "startTime": 630,
            "endTime": 930
        }, {
            "text": "的",
            "startTime": 930,
            "endTime": 1110
        }, {
            "text": "天气",
            "startTime": 1110,
            "endTime": 1380
        }]
    }
}

header对象参数同上述表格说明，name为SentenceEnd表示识别到句子的结束。payload对象参数说明：

Word对象：

3. stop and complete

通知服务端语音数据发送完成，服务端识别结束后通知客户端识别完毕

服务状态码

在服务的每一次响应中，都包含status字段，即服务状态码，状态码各种取值含义如下：

通用错误：

网关错误：

Meta错误：

实时语音识别：