實時語音識別:可實現(xiàn)對連續(xù)音頻流的實時識別,轉(zhuǎn)換成文本信息并返對應(yīng)文字流。
Hi,您好,歡迎使用有道智云實時語音識別API接口服務(wù)。
如果您想快速體驗服務(wù),建議您前往 語音識別體驗中心 或者在體驗中心右下側(cè)找到小程序二維碼,掃描進行體驗。
本文檔主要針對需要集成API的技術(shù)開發(fā)工程師,詳細描述實時語音識別能力相關(guān)的技術(shù)內(nèi)容。
如果您有與我們商務(wù)合作的需求,可以通過以下方式聯(lián)系我們:
商務(wù)郵箱: AIcloud_Business@corp.youdao.com
如果您對文檔內(nèi)容有任何疑問,可以通過以下幾種方式聯(lián)系我們:
客服QQ:1906538062
智云語音技術(shù)交流QQ群:861723255
聯(lián)系郵箱: zhiyun@corp.youdao.com
溫馨提示:
應(yīng)用ID
和應(yīng)用密鑰
;如果您還沒有,請按照 新手指南 獲取。接口地址:
wss://openapi.youdao.com/stream_asropenapi?{請求參數(shù)}
語音支持:
格式支持:wav(不壓縮、pcm編碼)
采樣率:推薦16k。
編碼:16bit位深的單聲道
格式 | 代碼 |
---|---|
wav | wav |
注:
發(fā)送時,第一幀需要為WAV HEADER 信息。
服務(wù)接口的調(diào)用分為認證、實時通信兩階段。
1. 認證階段
請求參數(shù)格式:
key1=value1&key2=value2&key3=value3&key4=value4
參數(shù)說明:
參數(shù) | 類型 | 必填 | 說明 | 示例 |
---|---|---|---|---|
appKey | String | 是 | 已申請的應(yīng)用ID | ID |
salt | String | 是 | UUID | uuid,唯一通用識別碼 |
curtime | String | 是 | 時間戳(秒) | TimeStamp |
sign | String | 是 | 加密數(shù)字簽名。 | sha256 |
signType | String | 是 | 數(shù)字簽名類型 | v4 |
langType | String | 是 | 語言選擇,參考支持語言列表 | zh-CHS |
format | String | 是 | 音頻格式,支持wav | wav |
channel | String | 是 | 聲道,支持1(單聲道) | 1 |
version | String | 是 | api版本 | v1 |
rate | String | 是 | 采樣率 | 16000 |
簽名
sign
生成方法如下:
signType=v4;
sign=sha256(應(yīng)用ID
+salt
+curtime
+應(yīng)用密鑰
)。
服務(wù)端通過 text message 返回 json字符串的認證結(jié)果,參數(shù)示例:
成功:
{
"result": [],
"action": "started",
"errorCode": "0"
}
失敗:
{
"result": "[]",
"action": "error",
"errorCode": "202"
}
參數(shù)說明:
參數(shù) | 類型 | 說明 |
---|---|---|
errorCode | String | 狀態(tài)碼,詳見 錯誤代碼列表 |
action | String | 狀態(tài)標識。started:握手;recognition:識別;error:錯誤,若輸出為sensitive:包含不合時宜詞匯,請根據(jù)實際返回結(jié)果按需處理 |
result | String | 識別結(jié)果數(shù)據(jù) |
2 實時通信階段
認證成功之后,進入實時通信階段,此階段客戶端發(fā)送音頻流和結(jié)束標識,并接收轉(zhuǎn)寫結(jié)果或錯誤。
2.1 發(fā)送音頻流
此階段客戶端通過 binary message 發(fā)送音頻流,內(nèi)容為音頻的二進制數(shù)據(jù),此過程的發(fā)送頻率將影響文字結(jié)果展示的實時性。
建議以 200ms 間隔發(fā)送音頻數(shù)據(jù),若間隔超時 15s 以上,服務(wù)端將停止識別。
2.2 發(fā)送結(jié)束標識
客戶端完成所有音頻數(shù)據(jù)的發(fā)送后,需發(fā)送一個特殊的 binary message 到服務(wù)端作為音頻流發(fā)送結(jié)束的標識,內(nèi)容為:
{"end": "true"}
注:該標識大小寫敏感。
2.3 接收轉(zhuǎn)寫結(jié)果
交互過程中,服務(wù)端不斷通過 text message 返回實時識別結(jié)果到客戶端,響應(yīng)結(jié)果是以json形式輸出(為text message)。
識別結(jié)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"
}
識別結(jié)果 result 參數(shù)說明:
參數(shù) | 含義 | 說明 |
---|---|---|
bg | 分句開始時間 | 單位毫秒/ms |
ed | 分句結(jié)束時間 | 單位毫秒/ms |
w | 詞(字)識別結(jié)果 | |
wb | 詞(字)開始時間 | 單位毫秒/ms |
we | 詞(字)結(jié)束時間 | 單位毫秒/ms |
type | 識別結(jié)果類型 | 0:最終結(jié)果,1:中間結(jié)果 |
seg_id | 分句 id | 從 0 開始遞增 |
language | 語種(中文) | 語言代碼 |
---|---|---|
Arabic (United Arab Emirates) | 阿拉伯語(阿拉伯聯(lián)合酋長國) | ar-AE |
Arabic (Bahrain) | 阿拉伯語(巴林) | ar-BH |
Arabic (Algeria) | 阿拉伯語(阿爾及利亞) | ar-DZ |
Arabic (Egypt) | 阿拉伯語(埃及) | ar-EG |
Arabic (Israel) | 阿拉伯語(以色列) | ar-IL |
Arabic (Iraq) | 阿拉伯語(伊拉克) | ar-IQ |
Arabic (Jordan) | 阿拉伯語(約旦) | ar-JO |
Arabic (Kuwait) | 阿拉伯語(科威特) | ar-KW |
Arabic (Lebanon) | 阿拉伯語(黎巴嫩) | ar-LB |
Arabic (Morocco) | 阿拉伯語(摩洛哥) | ar-MA |
Arabic (Oman) | 阿拉伯語(阿曼) | ar-OM |
Arabic (State of Palestine) | 阿拉伯語(巴勒斯坦國) | ar-PS |
Arabic (Qatar) | 阿拉伯語(卡塔爾) | ar-QA |
Arabic (Saudi Arabia) | 阿拉伯語(沙特阿拉伯) | ar |
Arabic (Tunisia) | 阿拉伯語(突尼斯) | ar-TN |
German (Germany) | 德國(德國) | de |
English (Australia) | 英語(澳大利亞) | en-AUS |
English (Canada) | 英語(加拿大) | en-CA |
English (United Kingdom) | 英語(英國) | en-GBR |
English (Ghana) | 英語(加納) | en-GH |
English (Ireland) | 英語(愛爾蘭) | en-IE |
English (India) | 英語(印度) | en-IND |
English (Kenya) | 英語(肯尼亞) | en-KE |
English (Nigeria) | 英語(尼日利亞) | en-NG |
English (New Zealand) | 英語(新西蘭) | en-NZ |
English (Philippines) | 英語(菲律賓) | en-PH |
English (Singapore) | 英語(新加坡) | en-SG |
English (Tanzania) | 英語(坦桑尼亞) | en-TZ |
English (United States) | 英語(美國) | en |
English (South Africa) | 英語(南非) | en-ZAF |
Spanish (Argentina) | 西班牙語(阿根廷) | es-AR |
Spanish (Bolivia) | 西班牙語(玻利維亞) | es-BO |
Spanish (Chile) | 西班牙語(智利) | es-CL |
Spanish (Colombia) | 西班牙語(哥倫比亞) | es-COL |
Spanish (Costa Rica) | 西班牙語(哥斯達黎加) | es-CR |
Spanish (Dominican Republic) | 西班牙語(多米尼加共和國) | es-DO |
Spanish (Ecuador) | 西班牙語(厄瓜多爾) | es-EC |
Spanish (Spain) | 西班牙語(西班牙) | es |
Spanish (Guatemala) | 西班牙語(危地馬拉) | es-GT |
Spanish (Honduras) | 西班牙語(洪都拉斯) | es-HN |
Spanish (Mexico) | 西班牙語(墨西哥) | es-MEX |
Spanish (Nicaragua) | 西班牙語(尼加拉瓜) | es-NI |
Spanish (Panama) | 西班牙語(巴拿馬) | es-PA |
Spanish (Peru) | 西班牙語(秘魯) | es-PE |
Spanish (Puerto Rico) | 西班牙語(波多黎各) | es-PR |
Spanish (Paraguay) | 西班牙語(巴拉圭) | es-PY |
Spanish (El Salvador) | 西班牙語(薩爾瓦多) | es-SV |
Spanish (United States) | 西班牙語(美國) | es-US |
Spanish (Uruguay) | 西班牙語(烏拉圭) | es-UY |
Spanish (Venezuela) | 西班牙語(委內(nèi)瑞拉) | es-VE |
French (Canada) | 法語(加拿大) | fr-CA |
French (Canada) | 法語(加拿大) | fr-CAN |
French (France) | 法國(法國) | fr |
Italian (Italy) | 意大利(意大利) | it |
Japanese (Japan) | 日本(日本) | ja |
Korean (South Korea) | 朝鮮(韓國) | ko |
Dutch (Netherlands) | 荷蘭(荷蘭) | nl |
Polish (Poland) | 波蘭(波蘭) | pl |
Portuguese (Brazil) | 葡萄牙語(巴西) | pt-BRA |
Russian (Russia) | 俄羅斯(俄羅斯) | ru |
Thai (Thailand) | 泰國(泰國) | th |
Turkish (Turkey) | 土耳其(土耳其) | tr |
Chinese, Mandarin (Simplified, China) | 中文、普通話(簡體、中國) | zh-CHS |
Chinese, Mandarin (Simplified, Hong Kong) | 中文、普通話(簡體,香港) | zh-HK |
Chinese, Mandarin (Simplified, Taiwan) | 中文、普通話(簡體、臺灣) | zh-TWN |
Bulgarian (Bulgaria) | 保加利亞(保加利亞) | bg |
Catalan (Spain) | 加泰羅尼亞語(西班牙) | ca |
Czech (Czech Republic) | 捷克(捷克) | cs |
Danish (Denmark) | 丹麥(丹麥) | da |
Greek (Greece) | 希臘(希臘) | el |
Finnish (Finland) | 芬蘭(芬蘭) | fi |
Hebrew (Israel) | 希伯來語(以色列) | he |
Hindi (India) | 印地語(印度) | hi |
Croatian (Croatia) | 克羅地亞(克羅地亞) | hr |
Hungarian (Hungary) | 匈牙利(匈牙利) | hu |
Indonesian (Indonesia) | 印尼(印度尼西亞) | id |
Lithuanian (Lithuania) | 立陶宛(立陶宛) | lt-LT |
Latvian (Latvia) | 拉脫維亞(拉脫維亞) | lv-LV |
Norwegian Bokm?l (Norway) | 挪威書面挪威語(挪威) | no |
Portuguese (Portugal) | 葡萄牙語(葡萄牙) | pt |
Romanian (Romania) | 羅馬尼亞(羅馬尼亞) | ro |
Slovak (Slovakia) | 斯洛伐克(斯洛伐克) | sk |
Slovenian (Slovenia) | 斯洛文尼亞(斯洛文尼亞) | sl |
Serbian (Serbia) | 塞爾維亞(塞爾維亞) | sr-RS |
Swedish (Sweden) | 瑞典(瑞典) | sv |
Ukrainian (Ukraine) | 烏克蘭(烏克蘭) | uk |
Vietnamese (Vietnam) | 越南(越南) | vi |
Afrikaans (South Africa) | 布爾語(南非) | af-ZA |
Amharic (Ethiopia) | 阿姆哈拉語(埃塞俄比亞) | am-ET |
Azerbaijani (Azerbaijan) | 阿塞拜疆(阿塞拜疆) | az-AZ |
Bengali (Bangladesh) | 孟加拉(孟加拉) | bn-BD |
Bengali (India) | 孟加拉語(印度) | bn-IN |
Estonian (Estonia) | 愛沙尼亞(愛沙尼亞) | et-EE |
Basque (Spain) | 巴斯克(西班牙) | eu-ES |
Persian (Iran) | 波斯(伊朗) | fa-IR |
Filipino (Philippines) | 菲律賓(菲律賓) | tl |
Galician (Spain) | 加利西亞(西班牙) | gl-ES |
Gujarati (India) | 古吉拉特語(印度) | gu-IN |
Armenian (Armenia) | 亞美尼亞(亞美尼亞) | hy-AM |
Icelandic (Iceland) | 冰島(冰島) | is-IS |
Javanese (Indonesia) | 爪哇(印度尼西亞) | jv-ID |
Georgian (Georgia) | 格魯吉亞(Georgia) | ka-GE |
Khmer (Cambodia) | 紅色(高棉語) | km-KH |
Kannada (India) | 埃納德語(印度) | kn-IN |
Lao (Laos) | 老撾(老撾) | lo |
Macedonian (North Macedonia) | 馬其頓(北馬其頓) | mk-MK |
Malayalam (India) | 馬拉雅拉姆語(印度) | ml-IN |
Mongolian (Mongolia) | 蒙古(蒙古) | mn-MN |
Marathi (India) | 馬拉地語(印度) | mr-IN |
Malay (Malaysia) | 馬來語(馬來西亞) | ms |
Burmese (Myanmar) | 緬甸(緬甸) | my-MM |
Nepali (Nepal) | 尼泊爾(尼泊爾) | ne-NP |
Punjabi (Gurmukhi, India) | 旁遮普(果魯穆奇語、印度) | pa-guru-IN |
Sinhala (Sri Lanka) | 僧伽羅語(斯里蘭卡) | si-LK |
Albanian (Albania) | 阿爾巴尼亞(阿爾巴尼亞) | sq-AL |
Sundanese (Indonesia) | 巽他語(印度尼西亞) | su-ID |
Swahili (Kenya) | 斯瓦希里語(肯尼亞) | sw-KE |
Swahili (Tanzania) | 斯瓦希里語(坦桑尼亞) | sw-TZ |
Tamil (India) | 泰米爾語(印度) | ta |
Tamil (Sri Lanka) | 泰米爾語(斯里蘭卡) | ta-LK |
Tamil (Malaysia) | 泰米爾語(馬來西亞) | ta-MY |
Tamil (Singapore) | 泰米爾語(新加坡) | ta-SG |
Telugu (India) | 泰盧固語(印度) | te |
Urdu (India) | 烏爾都語(印度) | ur-IN |
Urdu (Pakistan) | 烏爾都語(巴基斯坦) | ur-PK |
Uzbek (Uzbekistan) | 烏茲別克斯坦(烏茲別克斯坦) | uz-UZ |
Chinese, Cantonese (Traditional, Hong Kong) | 中文、粵語(繁體、香港) | yue |
Zulu (South Africa) | 祖魯語(南非) | zu-ZA |
支持格式 | 免費用戶最大支持并發(fā) | 單次最大請求時長(s) | 每小時最大音頻時長(s) | 每小時最大連接次數(shù) | 支持語言 |
---|---|---|---|---|---|
wav | 10 | 3600 | 60000 | 3000 | 中/英等,參考詳細語言列表 |
注意:如需上調(diào)調(diào)用量請聯(lián)系技術(shù)人員咨詢。
錯誤碼 | 含義 |
---|---|
101 | 缺少必填的參數(shù),首先確保必填參數(shù)齊全,然后,確認參數(shù)書寫是否正確 |
102 | 不支持的語言類型 |
103 | 翻譯文本過長 |
104 | 不支持的API類型 |
105 | 不支持的簽名類型 |
106 | 不支持的響應(yīng)類型 |
107 | 不支持的傳輸加密類型 |
108 | 應(yīng)用ID無效,注冊賬號,登錄后臺創(chuàng)建應(yīng)用和實例并完成綁定,可獲得應(yīng)用ID和應(yīng)用密鑰等信息 |
109 | batchLog格式不正確 |
110 | 無相關(guān)服務(wù)的有效實例,應(yīng)用沒有綁定服務(wù)實例,可以新建服務(wù)實例,綁定服務(wù)實例。注:某些服務(wù)的結(jié)果發(fā)音需要tts實例,需要在控制臺創(chuàng)建語音合成實例綁定應(yīng)用后方能使用。 |
111 | 開發(fā)者賬號無效 |
112 | 請求服務(wù)無效 |
113 | q不能為空 |
114 | 不支持的圖片傳輸方式 |
201 | 解密失敗,可能為DES,BASE64,URLDecode的錯誤 |
202 | 簽名檢驗失敗,請確認應(yīng)用ID和應(yīng)用密鑰的正確性。 |
203 | 訪問IP地址不在可訪問IP列表 |
205 | 請求的接口與應(yīng)用的平臺類型不一致,確保接入方式(Android SDK、IOS SDK、API)與創(chuàng)建的應(yīng)用平臺類型一致。如有疑問請參考入門指南 |
206 | 因為時間戳無效導致簽名校驗失敗 |
207 | 重放請求 |
301 | 辭典查詢失敗 |
302 | 翻譯查詢失敗 |
303 | 服務(wù)端的其它異常 |
304 | 會話閑置太久超時 |
401 | 賬戶已經(jīng)欠費停 |
402 | offlinesdk不可用 |
411 | 訪問頻率受限,請稍后訪問 |
412 | 長請求過于頻繁,請稍后訪問 |
1001 | 無效的OCR類型 |
1002 | 不支持的OCR image類型 |
1003 | 不支持的OCR Language類型 |
1004 | 識別圖片過大 |
1201 | 圖片base64解密失敗 |
1301 | OCR段落識別失敗 |
1411 | 訪問頻率受限 |
1412 | 超過最大識別字節(jié)數(shù) |
2003 | 不支持的語言識別Language類型 |
2004 | 合成字符過長 |
2005 | 不支持的音頻文件類型 |
2006 | 不支持的發(fā)音類型 |
2201 | 解密失敗 |
2301 | 服務(wù)的異常 |
2411 | 訪問頻率受限,請稍后訪問 |
2412 | 超過最大請求字符數(shù) |
3001 | 不支持的語音格式 |
3002 | 不支持的語音采樣率 |
3003 | 不支持的語音聲道 |
3004 | 不支持的語音上傳類型 |
3005 | 不支持的語言類型 |
3006 | 不支持的識別類型 |
3007 | 識別音頻文件過大 |
3008 | 識別音頻時長過長 |
3009 | 不支持的音頻文件類型 |
3010 | 不支持的發(fā)音類型 |
3201 | 解密失敗 |
3301 | 語音識別失敗 |
3302 | 語音翻譯失敗 |
3303 | 服務(wù)的異常 |
3411 | 訪問頻率受限,請稍后訪問 |
3412 | 超過最大請求字符數(shù) |
4001 | 不支持的語音識別格式 |
4002 | 不支持的語音識別采樣率 |
4003 | 不支持的語音識別聲道 |
4004 | 不支持的語音上傳類型 |
4005 | 不支持的語言類型 |
4006 | 識別音頻文件過大 |
4007 | 識別音頻時長過長 |
4201 | 解密失敗 |
4301 | 語音識別失敗 |
4303 | 服務(wù)的異常 |
4411 | 訪問頻率受限,請稍后訪問 |
4412 | 超過最大請求時長 |
5001 | 無效的OCR類型 |
5002 | 不支持的OCR image類型 |
5003 | 不支持的語言類型 |
5004 | 識別圖片過大 |
5005 | 不支持的圖片類型 |
5006 | 文件為空 |
5201 | 解密錯誤,圖片base64解密失敗 |
5301 | OCR段落識別失敗 |
5411 | 訪問頻率受限 |
5412 | 超過最大識別流量 |
9001 | 不支持的語音格式 |
9002 | 不支持的語音采樣率 |
9003 | 不支持的語音聲道 |
9004 | 不支持的語音上傳類型 |
9005 | 不支持的語音識別 Language類型 |
9301 | ASR識別失敗 |
9303 | 服務(wù)器內(nèi)部錯誤 |
9411 | 訪問頻率受限(超過最大調(diào)用次數(shù)) |
9412 | 超過最大處理語音長度 |
10001 | 無效的OCR類型 |
10002 | 不支持的OCR image類型 |
10004 | 識別圖片過大 |
10201 | 圖片base64解密失敗 |
10301 | OCR段落識別失敗 |
10411 | 訪問頻率受限 |
10412 | 超過最大識別流量 |
11001 | 不支持的語音識別格式 |
11002 | 不支持的語音識別采樣率 |
11003 | 不支持的語音識別聲道 |
11004 | 不支持的語音上傳類型 |
11005 | 不支持的語言類型 |
11006 | 識別音頻文件過大 |
11007 | 識別音頻時長過長, |
11201 | 解密失敗 |
11301 | 語音識別失敗 |
11303 | 服務(wù)的異常 |
11411 | 訪問頻率受限,請稍后訪問 |
11412 | 超過最大請求時長 |
12001 | 圖片尺寸過大 |
12002 | 圖片base64解密失敗 |
12003 | 引擎服務(wù)器返回錯誤 |
12004 | 圖片為空 |
12005 | 不支持的識別圖片類型 |
12006 | 圖片無匹配結(jié)果 |
13001 | 不支持的角度類型 |
13002 | 不支持的文件類型 |
13003 | 表格識別圖片過大 |
13004 | 文件為空 |
13301 | 表格識別失敗 |
15001 | 需要圖片 |
15002 | 圖片過大(1M) |
15003 | 服務(wù)調(diào)用失敗 |
17001 | 需要圖片 |
17002 | 圖片過大(1M) |
17003 | 識別類型未找到 |
17004 | 不支持的識別類型 |
17005 | 服務(wù)調(diào)用失敗 |
上線日期 | 版本號 | 更新內(nèi)容 |
---|---|---|
2018.11.07 | v1.0.0 | 有道智云實時語音識別API上線 |
2023.06.13 | v2.0.0 | 更新多語言示例 demo及下載鏈接 |