语音转文字|语音识别人工智能-云知声语音识别文档中心

一、接口说明
二、接口Demo
三、接口要求
四、IP白名单
五、热词
六、接口调用流程
七、错误码

# 一、接口说明

实时语音转写服务(ASR， real-time)通过 WebSocket 协议，建立客户端与服务的长连接，开发者将连续的音频流内容发送给服务，服务返回对应的文字流内容。
支持的音频格式：采样率为16K或者8k，采样深度为16bits，pcm，单通道音频

# 二、接口Demo

Java示例demo (opens new window)
python3示例demo (opens new window)
js示例demo (opens new window)

# 三、接口要求

集成实时语音转写流式API时，需按照以下要求：

内容	说明
请求协议	ws[s]（为提高安全性，强烈推荐wss）
请求地址	ws[s]: //ws-rtasr.hivoice.cn/v1/ws 注：服务器IP不固定，为保证您的接口稳定，请勿通过指定IP的方式调用接口，使用域名方式调用
接口鉴权	签名机制，详情请参照下方接口鉴权
字符编码	UTF-8
响应格式	统一采用JSON格式
开发语言	任意，只要可以向服务发起Websocket请求的均可
操作系统	任意
音频属性	采样率16k或8k，采样深度16bit、单声道
音频格式	pcm
音频长度	最长2小时
语言种类	中文普通话、英语

# 四、IP白名单

默认关闭IP白名单，即该服务不限制调用IP。在调用该业务接口时

若关闭IP白名单，接口认为IP不限，不会校验IP。
若打开IP白名单，则服务端会检查调用方IP是否在开放平台配置的IP白名单中，对于没有配置到白名单中的IP发来的请求，服务端会拒绝服务。
若打开IP白名单，同时没有设置任何IP，接口会认为此时没有设置白名单，所以打开IP白名单时，请务必设置IP，否则无法生效。

IP白名单规则

登录云知声AI开放平台控制台 (opens new window)
选择应用的查看详情
IP白名单处编辑，保存后五分钟左右生效。
不同appkey的不同服务都需要分别设置IP白名单。
IP白名单需设置为外网IP，请勿设置局域网IP。

# 五、热词

实时语音转写支持应用级个性化热词和用户级别个性话热词，具体设置方法参考设置热词

# 六、接口调用流程

通过接口密钥基于SHA256计算签名，向服务器端发送Websocket协议握手请求。详见接口鉴权。
握手成功后，客户端发送开始转写标记和识别参数，详见开始转写
客户端通过Websocket连接同时发送语音和接收转写识别结果。详见发送语音数据、接收转写结果
数据上传完毕，客户端需要发送结束标记，详见结束转写。
服务端返回全部结果后会主动断开Websocket连接

注： Websocket使用注意事项如下

服务端支持的Websocket-version 为13，请确保客户端使用的框架支持该版本。
服务端返回的所有的帧类型均为TextMessage，对应于原生Websocket的协议帧中opcode=1，请确保客户端解析到的帧类型一定为该类型，如果不是，请尝试升级客户端框架版本，或者更换技术框架。
如果出现分帧问题，即一个json数据包分多帧返回给了客户端，导致客户端解析json失败。出现这种问题大部分情况是客户端的框架对Websocket协议解析存在问题，如果出现请先尝试升级框架版本，或者更换技术框架。
客户端会话结束后如果需要关闭连接，尽量保证传给服务端的错误码为Websocket错误码1000（如果客户端框架没有提供关闭时传错误码的接口。则无需关注本条）。

# 1、接口鉴权

在握手阶段，请求方需要对请求进行签名，服务端通过签名来校验请求的合法性。
请求示例

ws[s]://ws-rtasr.hivoice.cn/v1/ws?time=1585047674022&appkey=xxxxxxxxxxx&sign=xxxxxxxxxx

# 1.1、鉴权方法

参数	描述	示例	备注
appkey	用户的appkey	***	必需
time	访问时间戳,Unix时间戳（毫秒数）	1585047674022	必需
sign	签名	***	必需

A）将上述参数按照appkey、time、secret secret查询 (opens new window) 顺序拼接字符串；
B）将A形成字符串获取SHA256摘要，形成一个64位的十六进制（字母大写）字符串，即为本次请求sign（签名）的值

# 1.2、鉴权代码示例

/**
* 热词签名获取方法
* @param appkey
* @param timestamp
* @param secret
* @return
*/
public String getSign(String appkey, String timestamp, String secret) {
    String originalStr = appkey + timestamp + secret;
    StringBuilder sign = new StringBuilder();
    try {
        MessageDigest md = MessageDigest.getInstance("SHA-256");
        byte[] bytes = md.digest(originalStr.getBytes(StandardCharsets.UTF_8));
        for (int i = 0; i < bytes.length; i++) {
            String hex = Integer.toHexString(bytes[i] & 0xFF);
            if (hex.length() == 1) {
                sign.append("0");
            }
            sign.append(hex.toUpperCase());
        }
    } catch (Exception unused) {
    }
    return sign.toString();
}

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24

# 1.3、鉴权结果

如果握手成功，会返回HTTP 101状态码，表示协议升级成功；如果握手失败，则根据不同错误类型返回不同HTTP Code状态码，同时携带错误描述信息，详细错误说明如下：

HTTP Code	说明	解决方法
401	签名校验失败	签名验证失败，可能原因有多种。 1. 检查appkey,signature 是否正确 2.检查计算签名的参数appkey，timestamp，secret是否按照协议要求拼接。
403	时钟偏移校验失败	检查服务器时间是否标准，相差5分钟以上会报此错误

# 2、开始转写

通过Websocket文本传输，json格式数据

# 2.1、参数说明

参数名	类型	必传	描述	可选值	默认值
type	string	是	请求的阶段	start
data.domain	string	否	领域	general(通用) law(司法) technology(科技) medical(医疗)	general
data.sample	string	否	采样率	16k,8k	16k
data.lang	string	否	语言	cn(中文) en(英文) cantonese(粤语) sichuanese(四川话)	cn
data.punctuation	string	否	是否开启标点符号添加	true,false	true
data.post_proc	string	否	是否开启数字格式转为阿拉伯数字格式	true,false	true
data.user_id	string	否	用户标识
data.vocab_id	string	否	热词模型id，获取方法参考设置vocab热词
data.speaker_seperate	string	否	是否开启说话人分离	true,false	false

# 2.2、请求参数示例

{
	"type": "start",
	"data": {
		"domain":"general",
		"sample": "16k",
		"lang": "cn",
		"punctuation": "true",
		"post_proc": "true",
		"user_id": "userid"
	}
}

1
2
3
4
5
6
7
8
9
10
11

# 3、发送语音数据

通过Websocket发送二进制语音数据，建议每次发送音频间隔120ms

说明

整个会话时长最多持续2小时，或者超过10s未发送数据，服务端会主动断开连接

# 4、接收转写结果

接收转写的结果是通过Websocket的onMessage(String)方法

# 4.1、识别结果说明

参数	类型	描述	是否为空
code	int	错误码	NO
msg	string	结果说明	NO
sid	string	服务端生成的session id。申请服务端排查问题时需要提供此id	NO
type	string	结果类型:"variable"：可变结果,"fixed"：固定结果	NO
text	string	识别结果	NO
start_time	string	句子开始时间，单位ms（可变结果不返回此字段）	YES
end_time	string	句子结束时间，单位ms（可变结果不返回此字段）	YES
end	boolean	是否为最后一次识别结果，当发送完type=end消息时，返回end=true,否则end=false	YES
speaker	String	说话人id，从1开始，步长为1累加。	NO

注： end标识说明

当结束一次识别时，需要客户端主动发送结束转写消息，即{"type":"end"}消息。服务端处理完所有数据后会返回end=true的消息
当客户端收到end=true消息时，客户端可主动断开websocket连接，服务端不会主动断开连接，10秒未发送数据超时除外
当服务端返回错误码时，也会返回end=true消息

# 4.2、返回结果示例

{
	"code": 0,
	"msg": "success",
	"sid": "requestid",
	"type": "fixed",
	"text": "不断提升自己，在学习的过程中，让他明白生命的本质是过活简单平凡而有意义的日子。另一个分享者是一名27岁的it男，2015年到朋友圈晒的都是打王者的战绩，而2018年却什么也没有发。",
	"start_time": 58860,
	"end_time": 70500,
	"end":false
}

1
2
3
4
5
6
7
8
9
10

# 5、结束转写

# 5.1、参数说明

参数名	类型	必传	描述	可选值	默认值
type	string	是	请求的阶段	end

# 5.2、请求参数示例

{
	"type": "end"
}

1
2
3

# 七、错误码

错误码	说明	解决方法
0	正确
20101	Websocket连接空闲时间超过10s	检查客户端代码
20102	参数错误	客户端检查参数是否正确
20103	内部错误	建议重试，或者提工单，工单详情请提供sid
20104	资源不足	建议重试，或者提工单，工单详情请提供sid
20105	音频长度超过120分钟	检查音频时长是否过长，减小音频长度
20106	非法的appkey	检查appkey是否合法
20107	套餐时长使用完	购买时长套餐
20108	并发超限制	减小并发或者购买并发套餐
20109	客户端ip不在白名单内	检查是否开启白名单，同时检查客户端出口ip是否在ip白名单中

← Android SDK文档 WebAPI文档 →