一句话识别大模型
更新时间:2026-11-17
一句话识别大模型支持将短语音内容快速、准确地转换为文字,通过 HTTP 接口同步返回识别结果。依托新一代语音识别大模型,提升多语种、方言、不同口音及复杂噪声环境下的识别准确率,兼顾识别精度与响应速度,适用于语音输入、语音搜索、语音指令、智能硬件交互等短语音应用场景。
POST
https://aip.baidubce.com/rest/2.0/speech/publiccloudspeech/v1/voice/server_api
- 音频格式支持:pcm(不压缩)、wav(不压缩,pcm编码)、amr(压缩格式)、m4a(压缩格式)。推荐pcm 采样率 :16000、8000(仅支持普通话模型) 固定值。 编码:16bit 位深的单声道。
- 百度服务端会将非pcm格式,转为pcm格式,因此使用wav、amr、m4a会有额外的转换耗时。
- 对于m4a格式的文件(主要对象是微信小程序的录音):
- 仅支持单声道
- 采样率支持 16000、8000(仅支持普通话模型)
- CBR bitrates 24000-96000,推荐 48000
- 仅支持 AAC-LC, 不支持 例如 HE-AAC ,LD,ELD 等
- brand 仅支持 mp42:0, mini Version 0, 不支持 M4A
权限说明
调用本能力需要使用API Key进行鉴权认证。获取及使用API Key的流程请参考:APIKey鉴权说明文档
请求参数
Headers 参数
除公共头域外,还包含以下特殊头域
Content-Type
string
application/json
可选
Authorization
string
使用API Key鉴权方式时,将API Key或短期API Key放在此处。注意需要在API Key信息前加上Bearer 。示例: Bearer bce-v3/ALTAK-DaIdq27UJ9Y2UEDIWx1EF/1c511d0576aee39sd59fd73983749109qq8ciq37
可选
Body 参数
format
string
语音文件的格式,pcm/wav/amr/m4a。不区分大小写。推荐pcm文件
必选
rate
integer
采样率,16000、8000,固定值
必选
channel
integer
声道数,仅支持单声道,请填写固定值 1
必选
cuid
string
用户唯一标识,用来区分用户,计算UV值。建议填写能区分用户的机器 MAC 地址或 IMEI 码,长度为60字符以内
必选
model
string
识别模型名称,当前支持 qianfan-asr-v1
必选
speech
string
Base64 编码后的音频数据。需与 format、rate、len 参数保持一致
必选
len
integer
本地语音文件的的字节数,单位字节
必选
请求结构
POST https://aip.baidubce.com/rest/2.0/speech/publiccloudspeech/v1/voice/server_api
Authorization: API Key String
Content-Type:application/json
{
"format":"pcm",
"rate":16000,
"model":"qianfan-asr-v1",
"channel":1,
"cuid":"baidu_workshop",
"len":4096,
"speech":"xxx", // xxx为音频文件base64后的结果(FILE_CONTENT)
}
示例代码
请求示例
curl --location 'https://aip.baidubce.com/rest/2.0/speech/publiccloudspeech/v1/voice/server_api' \
--header 'Authorization: Bearer <API_KEY>' \
--header 'Content-Type: application/json' \
--header 'Cookie: BAIDUID=726BF740FDF4F1D22A58206F4A0CBFB3:FG=1' \
--data '{
"format": "pcm",
"rate": 16000,
"channel": 1,
"cuid": "baidu_workshop",
"token": "YOUR_ACCESS_TOKEN",
"model": "qianfan-asr-v1",
"speech": "BASE64_ENCODED_AUDIO",
"len": 4096
}'
返回响应
Headers 参数
除公共头域外,无其它特殊头域
返回参数
err_no
integer
业务错误码,0 表示识别成功
必选
err_msg
string
错误码描述,如调用成功则会返回success
必选
sn
integer
语音数据唯一标识,系统内部产生。如果反馈及 debug 请提供 sn
必选
result
array
识别结果数组,返回1个最优候选结果。utf-8 编码
可选
显示子属性
隐藏子属性
items
string
具体的识别结果
```
{
"err_no": 0,
"err_msg": "success.",
"corpus_no": "15984125203285346378",
"sn": "481D633F-73BA-726F-49EF-8659ACCC2F3D",
"result": ["北京天气"]
}
```
```
{
"err_no": 2000,
"err_msg": "data empty.",
"sn": "481D633F-73BA-726F-49EF-8659ACCC2F3D"
}
```
评价此篇文章
