实时语音识别 API 简介

概念解释

实时语音识别：可实现对连续音频流的实时识别，转换成文本信息并返对应文字流。

说明

Hi，您好，欢迎使用有道智云实时语音识别API接口服务。

如果您想快速体验服务，建议您前往 语音识别体验中心 或者在体验中心右下侧找到小程序二维码，扫描进行体验。

本文档主要针对需要集成API的技术开发工程师，详细描述实时语音识别能力相关的技术内容。

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

智云语音技术交流QQ群：861723255

联系邮箱： zhiyun@corp.youdao.com

温馨提示：

• 本文档主要针对开发人员，接入测试前需要在后台创建API应用，获取应用ID和应用密钥；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，具体资费规则详见 实时语音识别服务报价 。

接口说明

接口地址：

wss://openapi.youdao.com/stream_asropenapi?{请求参数}

语音支持：

格式支持：wav（不压缩、pcm编码）

采样率：推荐16k。

编码：16bit位深的单声道

注： 发送时，第一帧需要为WAV HEADER 信息。

接口调用参数

服务接口的调用分为认证、实时通信两阶段。

1. 认证阶段

请求参数格式： key1=value1&key2=value2&key3=value3&key4=value4

参数说明：

签名sign生成方法如下： signType=v4； sign=sha256(应用ID+salt+curtime+应用密钥)。

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": "[]",
	"action": "error",
	"errorCode": "202"
}

参数说明：

2 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，并接收转写结果或错误。

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。

建议以 200ms 间隔发送音频数据，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。

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）。 识别结果示例：

{
	"result": [{
		"st": [{
			"bg": 30,
			"ed": 480,
			"ws": [{
				"w": "Have",
				"wb": 30,
				"we": 240
			}, {
				"w": "a",
				"wb": 240,
				"we": 270
			}, {
				"w": "good",
				"wb": 270,
				"we": 480
			}, {
				"w": "day.",
				"wb": 480,
				"we": 480
			}]
		}],
		"seg_id": 0
	}],
	"errorCode": "0",
	"action": "recognition"
}

识别结果 result 参数说明：

支持语言

注意：s-开头的语种为更高质量的模型。

服务配置

注意：如需上调调用量请联系技术人员咨询。

错误代码列表

版本记录

常见语言Demo

Java 示例

实时语音识别 java demo

Python 示例

实时语音识别 python3 demo

C# 示例

实时语音识别 c# demo

Php 示例

实时语音识别 php demo

go 示例

实时语音识别 go demo