开始识别

command

是

String

表示客户端发送开始识别请求，参数值需设置为START。

config

是

Object

配置信息。结构信息请参见表 config数据结构。

audio_format

是

String

支持语音的格式，请参见表 audio_format取值范围。

property

是

String

所使用的模型特征串。通常是 “语种_采样率_领域”的形式，例如chinese_8k_common。请参见表 property取值范围。

add_punc

否

String

表示是否在识别结果中添加标点，取值为yes 、 no，默认no。

digit_norm

否

String

表示是否将语音中的数字识别为阿拉伯数字，取值为yes 、 no，默认为yes。

vad_head

否

Integer

一段音频的开头，当它的静音持续时间大于等于此值时，在实时语音识别单句模式下将返回“长时间静音”事件并结束识别，在连续模式下将会断句并继续下一句的识别。

如果设置为0，表示不检测“长时间静音”情况。

取值范围：[0, 60000]的整数，单位为ms，默认为10000ms，即10s。

vad_tail

否

Integer

音频的结尾中的静音时间，正常情况下不应设成很小的值。

如果检测语音结尾的静音时长大于等于此值时，在实时语音识别单句模式下将返回VOICE_END（识别结果非空）或EXCEEDED_SILENCE（识别结果为空）事件并结束识别，在连续模式下将会断句并继续下一句的识别。

取值范围：[0, 3000]的整数，单位为ms，默认为500ms。

注意：vad_tail若设置过小（<200ms），会导致断句过于频繁，影响识别结果。

max_seconds

否

Integer

一句话的最大时长。如果检测到语音持续时间大于等于此值时，在实时语音识别单句模式下将返回VOICE_END（识别结果非空）或EXCEEDED_SILENCE（识别结果为空）事件并结束识别，在连续模式下将会断句并继续下一句的识别。

取值范围：[1, 60]的整数，单位为s，默认为30s。

interim_results

否

String

是否输出中间结果，可以为yes或no。默认为no，表示不输出中间结果。

vocabulary_id

否

String

热词表id，不使用热词则不填写。

创建热词表信息请参考创建热词表。

need_word_info

否

String

表示是否在识别结果中输出分词结果信息，取值为“yes”和“no”，默认为“no”。

chinese_8k_general

支持采样率为8k的中文普通话语音识别，采用新一代端到端识别算法，识别准确率更高。

区域支持cn-east-3和cn-north-4（强烈推荐使用）。不支持max_seconds参数，自动通过静音判断一句话结束与否。

chinese_16k_general

支持采样率为16k的中文普通话语音识别，采用新一代端到端识别算法，识别准确率更高。

区域支持cn-east-3和cn-north-4（强烈推荐使用）。不支持max_seconds参数，自动通过静音判断一句话结束与否。

english_16k_general

支持采样率为16k的英语语音识别，采用新一代端到端识别算法，识别准确率更高。区域仅支持cn-north-4，不支持digit_norm参数、vocabulary_id参数。不支持max_seconds参数，自动通过静音判断一句话结束与否。

sichuan_16k_common

支持采样率为16k的中文普通话与四川话方言语音识别。区域仅支持cn-north-4。不支持digit_norm参数、vocabulary_id参数。max_seconds参数最短时长为10s。

cantonese_16k_common

支持采样率为16k的粤语方言语音识别。区域仅支持cn-north-4。不支持digit_norm参数、vocabulary_id参数。max_seconds参数最短时长为10s。

shanghai_16k_common

支持采样率为16k的上海话方言语音识别。区域仅支持cn-north-4。不支持digit_norm参数、vocabulary_id参数。max_seconds参数最短时长为10s。

chinese_16k_court

支持采样率为16k的庭审会议语音识别。区域仅支持cn-north-4，不支持need_word_info参数。

chinese_16k_it

支持采样率为16k的IT会议语音识别。区域仅支持cn-north-4。

chinese_8k_common

支持采样率为8k的中文普通话语音识别。

chinese_16k_common

支持采样率为16k的中文普通话语音识别。

pcm16k16bit

16k16bit单通道录音数据。

pcm8k16bit

8k16bit单通道录音数据。

ulaw16k8bit

16k8bit ulaw单通道录音数据。

ulaw8k8bit

8k8bit ulaw单通道录音数据。

alaw16k8bit

16k8bit alaw单通道录音数据。

alaw8k8bit

8k8bit alaw单通道录音数据。