音频文件转写极速版API-邀测
更新时间：2024-06-03
接口描述
支持提取视频、音频文件中的语音内容，极速返回识别结果及时间戳，适用于对实时性有一要求的内容分析、字幕生产、录音转写场景。(本接口处于邀测阶段，请提交合作咨询申请测试）
请求说明
请求接口：https://aip.baidubce.com/rest/2.0/speech/publiccloudspeech/v1/asr/topspeed
HTTP 方法：POST
Headers参数：
| 参数 | 参数值 | 是否必须 |
|---|---|---|
| Content-Type | application/json | 是 |
Body参数如下：
| 参数名称 | 类型 | 是否必须 | 对外状态 | 备注 |
|---|---|---|---|---|
| access_token | str | 必须 | 通过 API Key 和 Secret Key 获取的 access_token，参考Access Token获取 | |
| rate | int | 必须 | 音频对应的采样率，目前只支持传16000 | |
| cuid | str | 必须 | 用户的唯一标识，调用时自己保证唯一即可 | |
| dev_pid | int | 必须 | 调用的转写模型，不同模型有不同的转写效果，目前只支持传80006 | |
| speech | str | 与speech_url二选一 | 对视频或音频文件进行base64编码后的结果，音频文件最多支持一小时的时长，整体文件不能超过500M。支持pcm、wav、mp3、m4a、mp4、mov等常见音视频文件格式 | |
| speech_url | str | 与speech二选一 | 可使用百度云对象存储进行音频存储，生成云端可外网访问的url链接。音频文件最多支持一小时的时长，整体文件不能超过500M。支持pcm、wav、mp3、m4a、mp4、mov等常见音视频文件格式 | |
| enable_subtitle | int | 非必须 | 根据常见字幕规则返回识别结果及对应时间戳 | 取值范围：[0,1,2] 0：关闭字幕功能（默认） 1：开启字幕功能 2：开启字幕模式，返回字粒度时间戳 其他取值：报错 |
| subtitle_punc | int | 非必须 | 字幕结果中是否有标点 | 取值范围：[0,1] 0：过滤字幕中的标点（默认） 1：不过滤字幕中的标点 其他取值：报错 仅当字幕模式开启时生效 |
| smooth_text | int | 非必须 | 文本顺滑（标点优化、数字格式优化、口语过滤） | 取值范围：[0（不开启文本顺滑，默认）, 1（开启文本顺滑）] |
| smooth_text_param | list | 非必须 | 具体开启的文本顺滑功能，仅当smooth_text=1时生效 | 取值范围：[1（标点），2（数字），3（口语）] 列表中参数必须为int类型，自定义所需功能，例如： 传入[1, 2, 3]，开启标点+数字+口语功能 传入[1, 2]，开启标点+数字 传入[3]，开启口语 |
| filter_sensitive | int | 非必须 | 敏感词过滤 | 取值范围：[0（不开启敏感词过滤，默认）, 1（开启敏感词过滤）] |
Body请求示例：
{
"access_token":"24.578xxxxxxxxxxxxxxxxx",
"rate": 16000,
"cuid": "baidu_asr",
"dev_pid": 80006,
"speech": "UklGRqAfQgBXQVZFZm10IBAAAAABAAEAgD4AAAB9AAACABAATEl…"
"enable_subtitle":1,
"smooth_text": 1,
}返回说明
返回参数：
| 参数名称 | 类型 | 是否必须 | 备注 | 其他信息 |
|---|---|---|---|---|
| result | str [] | 非必须 | 完整的转写结果，取元素0即是对应的文字 | item 类型: string |
| error_code | int | 非必须 | 错误码 | |
| error_message | str | 非必须 | 错误信息 | |
| audio_duration | int | 非必须 | 音频整体时长，单位：毫秒 | |
| detailed_result | object [] | 非必须 | 每一句转写详情，含时间戳等信息 | item 类型: object |
| + res | str [] | 非必须 | 每句转写的文字结果，取元素0即是对应的文字 | item 类型: string |
| + end_time | int | 非必须 | 文字结束时间，单位：毫秒 | |
| + begin_time | int | 非必须 | 文字开始时间，单位：毫秒 | |
| + sn | str | 非必须 | 分句转写的id，反馈问题时使用 | |
| + corpus_no | str | 非必须 | 整段转写的id，反馈问题时使用 |
返回示例：
{
"error_code":0,
"error_message":"请求成功",
"audio_duration":1300,
"result":["欢迎使用百度语音,"],
"detailed_result":[
{
"begin_time":0,
"corpus_no":"632690ff-40e8-4e59-9964-a381e4c64818_ws",
"end_time":1300,
"res":["欢迎使用百度语音,"],
"sn":"632690ff-40e8-4e59-9964-a381e4c64818_ws_ws_0","words_info":[]
},
……]
}