同传 PaaS API 简介

概念解释

使用 WebSocket 连接，实时输入音频数据，返回识别结果和翻译结果，同时支持“翻译结果TTS”和“说话人识别”。

说明

Hi，您好，欢迎使用有道智云接口服务。

本文档主要针对需要集成HTTP API的技术开发工程师，详细描述接口计费，入参，返回值等信息。

如果您有与我们商务合作的需求，可以通过以下方式联系我们：

商务邮箱： AIcloud_Business@corp.youdao.com

如果您对文档内容有任何疑问，可以通过以下几种方式联系我们：

客服QQ：1906538062

AIGC产品技术交流群 ：837394306

联系邮箱： zhiyun@corp.youdao.com

温馨提示：

• 本文档主要针对开发人员，接入测试前需要获取应用ID和应用密钥，并创建应用；如果您还没有，请按照 新手指南 获取。
• 平台向每个账户赠送50元的体验金，供用户集成前测试所用。

协议须知

调用方在集成本接口时，请遵循以下规则。

接口定义

同传接口地址：

wss://zhiyun-private-doctrans.youdao.com/stream-audio/stream-si

接口调用流程

服务接口的调用分为认证、实时通信两阶段。

认证阶段

请求参数

参数额外说明

1、 auto为源语种的时候，目标语种须为auto

2、❗❗❗音频格式要求❗❗❗
格式：wav（不压缩、pcm编码）
采样率：16k
位深：16bit
声道：单声道

签名生成方法如下(v4)：

sign=sha256(appKey+salt+curtime+应用密钥)；

认证阶段响应示例：

服务端通过 text message 返回 json 字符串的认证结果，参数示例：

成功：

{
  "result": [],
  "action": "started",
  "errorCode": "0"
}

失败：

{
  "result": [],
  "msg": "signature check failed",
  "errorCode": "202"
}

实时通信阶段

认证成功之后，进入实时通信阶段，此阶段客户端发送音频流和结束标识，并接收结果或错误。

2.1 发送音频流

此阶段客户端通过 binary message 发送音频流，内容为音频的二进制数据，此过程的发送频率将影响文字结果展示的实时性。

强烈建议以 200ms 间隔发送 200ms 音频数据，若间隔超时 15s 以上，服务端将停止识别。

2.2 发送结束标识

客户端完成所有音频数据的发送后，需发送一个特殊的 binary message 到服务端作为音频流发送结束的标识，内容为：

{"end": "true"}

注：该标识大小写敏感，建议直接复制。

2.3 接收转写结果

交互过程中，服务端不断通过 text message 返回实时识别结果到客户端，响应结果是以json形式输出（为text message）。

识别结果参数说明：

响应样例

{
  "errorCode": "0",
  "action": "recognition",
  "result": [
    {
      "st": {
        "sentence": "This is English testing.",
        "bg": 0,
        "ed": 1860,
        "type": 1,
        "partial": true,
        "translation": "这是英语测试。"
        "speaker": "0"
      },
      "segId": 1
    }
  ],
  "isEnd": false
}

支持的语种

• auto支持自动语种识别和翻译

API错误代码列表

常用语言 Demo

Java 示例

暂无

python3 示例

Demo

go 示例

暂无