文档首页/ 语音交互服务 SIS/ API参考/ 一句话识别/ http接口 - RecognizeShortAudio
更新时间：2025-12-04 GMT+08:00
查看PDF
分享

http接口 - RecognizeShortAudio

功能介绍

一句话识别接口，用于短语音的同步识别。一次性上传1min以内音频，能快速返回识别结果。

URI

POST /v1/{project_id}/asr/short-audio

表1 路径参数

参数

是否必选

参数类型

描述

project_id

是

String

项目编号。获取方法，请参见获取项目ID。

请求参数

表2 请求Header参数

参数

是否必选

参数类型

描述

X-Auth-Token

是

String

用户Token。

用于获取操作API的权限。获取方法请参见认证鉴权。响应消息头中X-Subject-Token的值即为Token。
表3 请求Body参数

参数

是否必选

参数类型

描述

config

是

Config object

配置信息。

data

是

String

语音数据，Base64编码，要求Base64编码后大小不超过4M，音频时长不超过1分钟。Base64编码示例如/+MgxAAUeHpMAUkQAANhuRAC...，如果携带data:audio/mp3;base64,类前缀，会产生报错。
表4 Config

参数

是否必选

参数类型

描述

audio_format

是

String

支持语音的格式，请参考表 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，采样率需要与音频采样率保持一致，取值范围请参考表 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”和“no”，默认为“no”。目前仅支持中英语种的标点。

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” 和 “no”，默认为“yes”。目前暂时仅支持中文。

vocabulary_id

否

String

热词表id，不使用则不填写。

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”。

auto_language_detect

否

String

表示是否开启中英阿自动识别，取值为“yes”和“no”，默认为“no”。如果开启此开关，且传入音频时长不低于1.5秒，后端服务会依据用户的输入音频自动选择对应语种的模型（property）进行识别。注意，当用户的语音过于嘈杂时，语种的判定可能会不准确，所以用户如果已经明确所属语种/方言，不建议打开此开关。
表5 audio_format取值范围

audio_format取值

描述

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。

mp3

mp3格式音频。目前仅支持单通道的音频。

aac

aac格式音频。目前仅支持单通道的音频。

wav

带wav封装头的格式，从封装头中自动确定格式，目前仅支持8k/16k采样率、单通道、pcm编码格式。

amr

AMR窄带(8k) 压缩录音数据。目前仅支持单通道的音频。

amrwb

AMR 宽带(16k) 压缩录音数据。目前仅支持单通道的音频。

auto

由引擎自动判断音频数据的格式并解码，支持自动判断amr，flac，m4a，mp3，ogg，webm，wav，aac，ac3，mov，wma、amrwb格式。
表6 property取值范围

property取值

描述

chinese_16k_general

支持采样率为8k/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。

arabic_16k_general

支持采样率为16k的阿拉伯语语音识别，支持标准阿拉伯语，埃及方言，沙特方言。暂不支持add_punc, digit_norm，vocabulary_id参数。

english_16k_common

支持采样率为8k/16k的英文语音识别。暂不支持digit_norm参数。

english_8k_common

支持采样率为8k的英文语音识别，此为旧版模型，后期不再维护，建议使用english_16k_common。

响应参数

状态码： 200

表7 响应Body参数

参数

是否必选

参数类型

描述

trace_id

是

String

服务内部的令牌，可用于在日志中追溯具体流程，调用失败无此字段。

在某些错误情况下可能没有此令牌字符串。

result

是

Result object

调用成功表示识别结果，调用失败时无此字段。
表8 Result

参数

是否必选

参数类型

描述

text

是

String

调用成功表示识别出的内容。

score

是

Float

调用成功表示识别出的置信度，取值范围：0~1。

word_info

否

Array of WordInfo objects

分词信息列表。

分词是指将识别出的文本进一步拆分成单独的词语。
表9 WordInfo

参数

是否必选

参数类型

描述

start_time

否

Integer

起始时间。

end_time

否

Integer

结束时间。

word

否

String

分词。

状态码： 400

表10 响应Body参数

参数

参数类型

描述

error_code

String

调用失败时的错误码。 调用成功时无此字段。

error_msg

String

调用失败时的错误信息。 调用成功时无此字段。

请求示例

“endpoint”即调用API的请求地址，不同服务不同区域的“endpoint”不同，具体请参见终端节点。

  • 上传短音频，快速返回识别结果 
    POST https://{endpoint}/v1/{project_id}/asr/short-audio

Request Header:
Content-Type: application/json
X-Auth-Token: MIINRwYJKoZIhvcNAQcCoIINODCCDTQCAQExDTALBglghkgBZQMEAgEwgguVBgkqhkiG...   

Request body: 
{
  "config":
  {
    "audio_format": "wav",
    "property": "arabic_16k_general",
    "add_punc": "yes",
    "need_word_info": "yes",
    "auto_language_detect": "no"
  },
  "data": "/+MgxAAUeHpMAUkQAANhuRAC..."
}

响应示例

状态码：200

成功响应示例

{
  "trace_id": "567e8537-a89c-13c3-a882-826321939651",
  "result":{
   "text": "Nice to meet you",
    "score": 0.9,
  }
}

状态码：400

失败响应示例

{ 
    "error_code":"SIS.0001", 
    "error_msg":"***" 
}

状态码

状态码请参见状态码。

错误码

错误码请参见错误码。

父主题： 一句话识别