语音识别 - 智能开放搜索 OpenSearch

AI搜索开放平台支持通过API的方式调用语音识别服务，可将视频或音频中的语音内容快速转化为结构化文本，可用于会议记录、视频检索、在线客服等场景。

服务列表

服务名称	服务ID（service_id）	服务描述	API调用QPS限制（含主账号与RAM子账号）
语音识别服务	ops-audio-asr-001	提取音频信息生成字幕文件。	5 说明如需扩充QPS，请通过工单联系技术支持协助。

获取身份鉴权信息
通过API调用AI搜索开放平台服务时，需要对调用者身份进行鉴权，如何获取鉴权信息请参见获取API-KEY。
获取服务调用地址
支持通过公网和VPC两种方式调用服务，详情请参见获取服务接入地址。

创建语音识别异步任务

请求方式：POST

URL

POST {host}/v3/openapi/workspaces/{workspace_name}/audio-asr/{service_id}/async

host：调用服务的地址，支持通过公网和VPC两种方式调用API服务，可参见获取服务接入地址。

登录AI搜索开放平台控制台，在左上角选择目标工作空间（如default(默认空间)），在左侧导航栏单击API Keys，在访问域名区域可分别查看公网API域名和私网API域名。

workspace_name：工作空间名称，例如default。
service_id：系统内置服务ID，例如ops-audio-asr-001。

请求参数

Header参数

API-KEY认证

参数	类型	必填	描述	示例值
Content-Type	String	是	请求类型：application/json	application/json
Authorization	String	是	API-Key	Bearer OS-d1**2a

Body参数

参数	类型	必填	描述
input	Object(input)	是	指定待处理的多媒体文件。
parameters	Object	否	指定服务的参数。
output	Object(output)	是	控制输出。

input

参数	类型	必填	描述
content	String	否	视频/音频内容的base64编码数据。音频格式支持mp3、wav、aac、flac、ogg、m4a、alac、wma。视频格式数据支持mp4、avi、mkv、mov、flv、webm。说明 input.content 和 input.oss 参数互斥，只能二选一。使用BASE64数据：将编码后的BASE64数据传递给`content` 参数，格式为`data:<TYPE>/<FORMAT>;base64,<BASE64_DATA>` ，其中： `<TYPE>/<FORMAT>` 若为音频（如MP3），则填写audio/mp3。若为视频（如MOV），则填写video/mov。 `<BASE64_DATA>` ：音频或视频的BASE64编码数据。示例：音频：data:audio/mp3;base64,AAAAIGZ0eXBtcDQyAAABAGlzbWZj... 视频：data:video/mov;base64,AAAAIGZ0eXBtcDQyAAABAGlzbWZj...
oss	String	否	输入文件的OSS路径，例如 oss://<BUCKET_NAME>/xxx/xxx.mp3。
file_name	String	否	视频/音频文件的名称，如果没有设置，则从内容的文件名中解析。

output

参数

类型

必填

描述

type

String

否

text：将语音识别结果以文本形式返回，仅同步任务调用下支持。

oss: 音频文件放在OSS中（默认）。

oss

String

否

输出文件的OSS路径，在type为oss的情况下必须填写。

示例：oss://<BUCKET_NAME>/result

返回参数

参数	类型	描述	示例值
result.task_id	String	语音识别任务的唯一标识ID。	asr-xxxx-abc-123

Curl请求示例

curl -X POST \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer <您的API-KEY>" \
  "http://***-hangzhou.opensearch.aliyuncs.com/v3/openapi/workspaces/default/audio-asr/ops-audio-asr-001/async"
  --data '{
  "input":{
      "oss":"oss://<BUCKET_NAME>/xxx/xxx.mp3",
      "file_name":"xxx"
    },
    "output" :{
      "type":"oss",
      "oss":"oss://<BUCKET_NAME>/result"
    }
  }' \

响应示例

{
  "request_id":"3eb8de02091b59431601f3bff******",
   "latency":37,
   "usage":{},
   "result":{
         "task_id":"asr-20250610164552-1108418170738252-******",
         "status":"PENDING"
             }
}

获取异步语音识别任务状态

请求方式：GET

URL

{host}/v3/openapi/workspaces/{workspace_name}/audio-asr/{service_id}/async/task-status?task_id={task_id}

host：调用服务的地址，支持通过公网和VPC两种方式调用API服务，可参见获取服务接入地址。
workspace_name：工作空间名称，例如default。
service_id：系统内置服务ID，例如ops-audio-asr-001。
task_id：创建异步语音识别任务返回参数中的任务标识。

请求参数

参数	类型	必填	描述	示例
Content-Type	String	是	请求类型：application/json	application/json
Authorization	String	是	API-Key	Bearer OS-d1**2a

返回参数

参数	类型	描述	示例
request_id	String	系统对一次API调用赋予的唯一标识。	3C09570D-12DB-46B4-BF0F-A100D79B****
latency	Float/Int	请求耗时，单位ms。	3.0
result.task_id	String	异步任务ID。	a7e4c0f6-874c-47e3-b05b-02278a96e****
result.status	String	任务状态： PENDING：待处理。 SUCCESS：任务成功完成。 FAIL：任务失败终止。	PENDING
result.error	String	status=FAIL时的错误信息内容，正常情况为空。
result.data	List(AsrResult)	语音识别的结果。当异步任务状态未成功完成（SUCCESS）时，该字段为空。
usage.duration	Float.duration	语音文件的时长。

AsrResult

参数	类型	描述
text	String	语音识别得到的文本数据。
start	Float	当前文本在视频中起始时间戳，单位s。
end	Float	当前文本在视频中结束时间戳，单位s。

Curl请求示例

curl -X GET \
-H"Content-Type: application/json" \
-H "Authorization: Bearer <您的API-KEY>" \
"http://***-hangzhou.opensearch.aliyuncs.com/v3/openapi/workspaces/default/audio-asr/ops-audio-asr-001/async/task-status?task_id=asr-20250618112151-1108418170738252-******"

响应示例

{
  "request_id": "1a1a4ca4b7a91dd630a40c54af******",
  "latency": 9,
  "usage": {
    "duration": 9
  },
  "result": {
    "task_id": "asr-20250618112151-1108418170738252-******",
    "status": "SUCCESS",
    "data": [
      {
        "text": "容杰律斗以和煦如春阳的头声娓娓道来,",
        "start": 0.0,
        "end": 3.9
      },
      {
        "text": "透出了欣欣向荣的生命力,温暖每一个倾听的耳朵。",
        "start": 4.24,
        "end": 9.06
      }
    ]
  }
}

创建语音识别同步任务

请求方式：POST

URL

{host}/v3/openapi/workspaces/{workspace_name}/audio-asr/{service_id}/sync

host：调用服务的地址，支持通过公网和VPC两种方式调用API服务，可参见获取服务接入地址。
workspace_name：工作空间名称，例如default。
service_id：系统内置服务ID，例如ops-audio-asr-001。

请求参数

Header参数

API-KEY认证

参数	类型	必填	描述	示例值
Content-Type	String	是	请求类型：application/json	application/json
Authorization	String	是	API-Key	Bearer OS-d1**2a

Body参数

参数	类型	必填	描述
input	Object(input)	是	指定待处理的多媒体文件。
parameters	Object	否	指定服务的参数。
output	Object(output)	是	控制输出。

input

参数	类型	必填	描述
content	String	否	视频/音频内容的base64编码数据。音频格式支持mp3、wav、aac、flac、ogg、m4a、alac、wma。视频格式数据支持mp4、avi、mkv、mov、flv、webm。说明 input.content 和 input.oss 参数互斥，只能二选一。使用BASE64数据：将编码后的BASE64数据传递给`content` 参数，格式为`data:<TYPE>/<FORMAT>;base64,<BASE64_DATA>` ，其中： `<TYPE>/<FORMAT>` 若为音频（如MP3），则填写audio/mp3。若为视频（如MOV），则填写video/mov。 `<BASE64_DATA>` ：音频或视频的BASE64编码数据。示例：音频：data:audio/mp3;base64,AAAAIGZ0eXBtcDQyAAABAGlzbWZj... 视频：data:video/mov;base64,AAAAIGZ0eXBtcDQyAAABAGlzbWZj...
oss	String	否	输入文件的OSS路径，例如 oss://<BUCKET_NAME>/xxx/xxx.mp3。
file_name	String	否	视频/音频文件的名称，如果没有设置，则从内容的文件名中解析。

Output

参数

类型

必填

描述

type

String

否

text：将语音识别结果以文本形式返回，仅同步调用下支持。

oss：视频/音频文件放在OSS中（默认）。

oss

String

否

输出文件的OSS路径，在type为oss的情况下必须填写。

示例：oss://<BUCKET_NAME>/result

返回参数

参数	类型	描述	示例值
result.task_id	String	语音识别任务的唯一标识ID。	asr-xxxx-abc-123

Curl请求示例

curl -X POST \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer <您的API-KEY>" \
  "http://***-hangzhou.opensearch.aliyuncs.com/v3/openapi/workspaces/default/audio-asr/ops-audio-asr-001/sync"
  --data '{
  "input":{
      "oss":"oss://<BUCKET_NAME>/xxx/xxx.mp3",
      "file_name":"xxx"
    },
    "output" :{
      "type":"oss",
      "oss":"oss://<BUCKET_NAME>/result"
    }
  }' \

响应示例

{
  "request_id": "df96b5c444281e0e79561fe9f8******",
  "latency": 570,
  "usage": {
    "duration": 9
  },
  "result": {
    "task_id": "asr-20250618132401-1108418170738252-******",
    "status": "SUCCESS",
    "data": [
      {
        "text": "容杰律斗以和煦如春阳的头声娓娓道来,",
        "start": 0.0,
        "end": 3.9
      },
      {
        "text": "透出了欣欣向荣的生命力,温暖每一个倾听的耳朵。",
        "start": 4.24,
        "end": 9.06
      }
    ]
  }
}

状态码说明

在访问请求出错的情况下，输出的结果中会通过code和message指明出错原因。

{
    "request_id": "6F33AFB6-A35C-4DA7-AFD2-9EA16CCF****",
    "latency": 2.0,
    "code": "InvalidParameter",
    "http_code": 400,
    "message": "JSON parse error: Cannot deserialize value of type `ImageStorage` from String \\"xxx\\"
}

HTTP 状态码	错误码	描述
200	-	请求成功，包括任务失败场景，实际任务状态需从result.status中判断。
404	BadRequest.TaskNotExist	任务不存在。
400	InvalidParameter	不合法请求。
500	InternalServerError	内部错误。

更多状态码说明，请参见状态码说明。