1{
2    "type": "START",
3    "data": {
4        # 下面是固定参数
5        "model": "qianfan-asr-v1", # 识别模型
6        "format": "pcm",
7        "sample": 16000
8    }
9}

1{
2    "type":"FINISH"
3}

1{
2    "type":"CANCEL"
3}

1{
2    "err_no":0,
3    "err_msg":"OK",
4    "type": "MID_TEXT",
5    "result": "北京天气怎",
6    "log_id": 45677785,
7    "sn": "399427ce-e999-11e9-94c8-fa163e4e6064_ws_2"
8}

1{
2    "type":"FIN_TEXT",
3    "result":"北京天气怎么样",
4    "start_time":53220,
5    "end_time":73340,
6    "err_no":0,
7    "err_msg":"OK",
8    "log_id":45677785,
9    "sn":"399427ce-e999-11e9-94c8-fa163e4e6064_ws_2"
10}

1{
2    "err_msg": "asr authentication failed",
3    "err_no": -3004,
4    "log_id": 106549729,
5    "result": "",
6    "sn": "0d25b5e1-ffa6-11e9-8968-f496349f3917",
7    "type": "FIN_TEXT"
8}

1 # s1 e1 指第一句话的开始和结束时间start_time，end_time
2[静音][s1:e1][静音][s2:e2]....[静音][s10:e10][静音]
3建议一句话不要超过30s，否则识别准确性会有影响或会被强制切割

1# -*- coding: utf-8 -*-
2"""
3百度实时语音识别（Realtime ASR）WebSocket Demo
4
5调用流程：
6    1. 建立连接           ws_app.run_forever()
7    2. 连接成功回调        on_open()
8       2.1 发送开始帧      send_start()   —— 告知音频格式、采样率、模型
9       2.2 循环发送音频    分片读取 PCM 并按实时节奏发送
10       2.3 接收识别结果    on_message()   —— 服务端返回中间/最终结果
11       2.4 发送结束帧      send_finish()  —— 通知服务端音频发送完毕
12    3. 连接关闭回调        on_close()
13    库层面报错回调          on_error()     —— 如连接超时、网络中断
14
15小提示：
16    运行前加环境变量可让日志实时刷新，方便定位问题：
17        PYTHONUNBUFFERED=1 python ws_demo.py
18"""
19import argparse
20import json
21import time
22import uuid
23import logging
24import threading
25
26import websocket
27
28# ============================ 可配置参数 ============================
29# 音频参数：必须与实际 PCM 文件保持一致，否则识别结果会异常
30SAMPLE_RATE = 16000        # 采样率(Hz)：8k 电话音质 / 16k 近场音质
31CHUNK_MS = 160            # 每帧音频时长(ms)：模拟实时流的发送粒度
32MODEL = "qianfan-asr-v1"           # 模型 ID（语言/场景），按业务需求选择
33
34# 待识别的音频文件：16bit 单声道 PCM，采样率需等于 SAMPLE_RATE
35AUDIO_FILE = "xi.pcm"
36
37# 百度公有云 ASR 接入地址（仅保留线上域名，走 wss 加密连接）
38ADDR = "aip.baidubce.com"
39PATH = "/ws/2.0/speech/publiccloudspeech/v1/asr"
40
41# ===== 鉴权方式（二选一，也可用命令行 --auth 指定）=====
42# 方式一：access_token（URL 参数，默认）
43ACCESS_TOKEN = "your_access_token"
44# 方式二：API_KEY 放请求 header（需配合 URL 上的 client_id=<API_KEY>）
45API_KEY = "your_api_key"                            # 控制台获取的 API Key
46API_KEY_HEADER = "Authorization"  # API Key 所在 header 名称，按服务端要求调整
47AUTH_MODE = "apikey"                     # 默认 token；可改 "apikey"，或用命令行 --auth 指定
48# ===================================================================
49
50
51def send_start(ws):
52    """发送开始参数帧：声明音频格式、采样率与模型，服务端据此初始化识别会话。"""
53    req = {
54        "type": "START",
55        "data": {
56            "model": MODEL,
57            "format": "pcm",
58            "sample": SAMPLE_RATE,
59        },
60    }
61    body = json.dumps(req)
62    ws.send(body, websocket.ABNF.OPCODE_TEXT)
63    print("send START frame:", body)
64
65
66def send_finish(ws):
67    """发送结束帧：告知服务端音频已发送完毕，等待返回最终结果后关闭连接。"""
68    req = {"type": "FINISH"}
69    body = json.dumps(req)
70    ws.send(body, websocket.ABNF.OPCODE_TEXT)
71    print("send FINISH frame:", body)
72
73
74def on_open(ws):
75    """连接建立成功后触发：另起线程发送音频，避免阻塞库的收包循环。"""
76
77    def run():
78        print("Start sending audio frames...")
79        send_start(ws)
80
81        # 每帧字节数 = 采样率 * 2字节(16bit) * 帧时长(秒)
82        chunk_bytes = int(SAMPLE_RATE * 2 * CHUNK_MS / 1000)
83        try:
84            with open(AUDIO_FILE, "rb") as f:
85                while True:
86                    audio_data = f.read(chunk_bytes)
87                    if not audio_data:      # 读到文件末尾，音频发送完毕
88                        break
89                    ws.send(audio_data, opcode=websocket.ABNF.OPCODE_BINARY)
90                    # 按帧时长 sleep，模拟麦克风实时采集的节奏
91                    time.sleep(CHUNK_MS / 1000)
92        except Exception as e:
93            logging.error(f"读取/发送音频出错: {e}")
94
95        send_finish(ws)
96
97    threading.Thread(target=run, daemon=True).start()
98
99
100def on_message(ws, message):
101    """接收服务端返回的识别结果（JSON 文本帧），业务侧自行解析所需字段。"""
102    if isinstance(message, str):
103        msg = json.loads(message)
104        print("Received JSON:", msg, time.time())
105
106
107def on_error(ws, error):
108    """库层面报错回调：如连接超时、网络中断等。"""
109    print("error:", error)
110
111
112def on_close(ws, close_status_code, close_msg):
113    """连接关闭回调：close_status_code 为 WebSocket 关闭码，正常关闭为 1000。"""
114    print(f"Websocket closed, status_code: {close_status_code}, server message: {close_msg}")
115
116
117if __name__ == "__main__":
118    parser = argparse.ArgumentParser(description="百度实时语音识别 WebSocket Demo")
119    parser.add_argument(
120        "--auth", "-a", choices=["token", "apikey"], default=AUTH_MODE,
121        help="鉴权方式: token(access_token, 默认) 或 apikey(API Key 放 header)",
122    )
123    parser.add_argument("--audio", default=AUDIO_FILE, help="音频文件路径(16k PCM)")
124    args = parser.parse_args()
125
126    auth_mode = args.auth
127    AUDIO_FILE = args.audio
128    if auth_mode == "apikey" and not API_KEY:
129        print("[WARN] 使用 apikey 鉴权但脚本顶部 API_KEY 为空，服务端会返回鉴权失败")
130
131    # sn：本次会话的唯一标识，服务端日志可按 sn 定位对应会话
132    sn = uuid.uuid4()
133    if auth_mode == "apikey":
134        # API Key 方式：URL 带 client_id=<API_KEY>，API Key 放 header
135        uri = f"wss://{ADDR}{PATH}?sn={sn}"
136        headers = [f"{API_KEY_HEADER}: {API_KEY}"]
137    else:
138        # access_token 方式：token 放 URL 参数
139        uri = f"wss://{ADDR}{PATH}?sn={sn}&access_token={ACCESS_TOKEN}"
140        headers = []
141    print("uri is " + uri)
142    print(f"鉴权方式: {auth_mode}" + (f", header: {headers}" if headers else ""))
143
144    ws_app = websocket.WebSocketApp(
145        uri,
146        header=headers,
147        on_open=on_open,        # 连接建立后的回调
148        on_message=on_message,  # 接收消息的回调
149        on_error=on_error,      # 库遇见错误的回调
150        on_close=on_close,      # 关闭后的回调
151    )
152    try:
153        # ping_timeout：心跳超时(秒)，超时未收到 pong 则判定连接异常
154        ws_app.run_forever(ping_timeout=6)
155    except websocket._exceptions.WebSocketTimeoutException:
156        print("Connection timeout!")

1{
2    "err_msg": "asr authentication failed",
3    "err_no": -3004,
4    "log_id": 106549729,
5    "result": "",
6    "sn": "0d25b5e1-ffa6-11e9-8968-f496349f3917",
7    "type": "FIN_TEXT"
8}