智能语音交互：接口说明

使用须知

• 支持的输入格式：PCM编码、16bit采样位数、单声道（mono）。

• 支持的音频采样率：8000Hz/16000Hz。

• 支持设置返回结果：是否返回中间识别结果，在后处理中添加标点，将中文数字转为阿拉伯数字输出。

• 支持设置多语言识别：在控制台编辑项目中进行模型选择，详情请参见管理项目。

  目前支持的语种和方言模型包括：

  • 16K ASR（通用）：中文、英语、粤语、日语、韩语、俄语、印尼语、越南语、马来语、泰语、印地语、阿拉伯语、哈萨克语、德语、西班牙语、法语

  • 8K ASR（电话通道）：中文、英文、粤语、印尼语、菲律宾语

服务地址

交互流程

1. 鉴权

客户端与服务端建立WebSocket连接时，使用Token进行鉴权。关于Token获取请参见通过SDK获取Token。

2. 开始识别

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set方法设置，各参数含义如下：

3. 接收识别结果

客户端循环发送语音数据，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，举例如下：

  {
  	"header": {
  		"namespace": "SpeechTranscriber",
  		"name": "SentenceBegin",
  		"status": 20000000,
  		"message_id": "a426f3d4618447519c9d85d1a0d1****",
  		"task_id": "5ec521b5aa104e3abccf3d361822****",
  		"status_text": "Gateway:SUCCESS:Success."
  	},
  	"payload": {
  		"index": 1,
  		"time": 0
  	}
  }

  header对象参数说明：

  参数	类型	说明
  namespace	String	消息所属的命名空间。
  name	String	消息名称，SentenceBegin表示一个句子的开始。
  status	Integer	状态码，表示请求是否成功，见服务状态码。
  status_text	String	状态消息。
  task_id	String	任务全局唯一ID，请记录该值，便于排查问题。
  message_id	String	本次消息的ID。

  payload对象参数说明：

  参数	类型	说明
  index	Integer	句子编号，从1开始递增。
  time	Integer	当前已处理的音频时长，单位是毫秒。

• TranscriptionResultChanged事件表示识别结果发生了变化。仅当enable_intermediate_result取值为true时会多次返回此消息，即一句话的中间识别结果，举例如下：

  {
  	"header": {
  		"namespace": "SpeechTranscriber",
  		"name": "TranscriptionResultChanged",
  		"status": 20000000,
  		"message_id": "dc21193fada84380a3b6137875ab****",
  		"task_id": "5ec521b5aa104e3abccf3d361822****",
  		"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：

  参数	类型	说明
  index	Integer	句子编号，从1开始递增。
  time	Integer	当前已处理的音频时长，单位是毫秒。
  result	String	当前句子的识别结果。
  words	List< Word >	当前句子的词信息，需要将enable_words设置为true。
  confidence	Double	当前句子识别结果的置信度，取值范围：[0.0,1.0]。值越大表示置信度越高。

• 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，举例如下：

  {
  	"header": {
  		"namespace": "SpeechTranscriber",
  		"name": "SentenceEnd",
  		"status": 20000000,
  		"message_id": "c3a9ae4b231649d5ae05d4af36fd****",
  		"task_id": "5ec521b5aa104e3abccf3d361822****",
  		"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：

  参数	类型	说明
  index	Integer	句子编号，从1开始递增。
  time	Integer	当前已处理的音频时长，单位是毫秒。
  begin_time	Integer	当前句子对应的SentenceBegin事件的时间，单位是毫秒。
  result	String	当前的识别结果。
  words	List< Word >	当前句子的词信息，需要将enable_words设置为true。
  confidence	Double	当前句子识别结果的置信度，取值范围：[0.0,1.0]。值越大表示置信度越高。

  Word对象参数说明：

  参数	类型	说明
  text	String	文本。
  startTime	Integer	词开始时间，单位为毫秒。
  endTime	Integer	词结束时间，单位为毫秒。

4. 结束识别

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，此处列举通用错误码、网关错误码、配置错误码表格，如下表所示。

通用错误码：

网关错误：

配置错误：

实时语音识别：