实时音视频 录音文件识别（新）

一、接口描述

·音频格式支持：mp3、wav、m4a、wma、aac、ogg、amr、fla。

·视频格式支持：mp4、wmv、m4v、flv、rmvb、dat、mov、mkv、webm。

·请求方法：HTTP POST，Content-Type 为 application/json; charset=utf-8。

·音频提交方式：支持音频 URL、本地音频文件两种请求方式。

·音频限制：音频 URL 时长不能大于12小时，文件大小不超过1GB；本地音频文件不能大于5MB。

·如何获取识别结果：支持回调或轮询的方式获取结果。

·识别结果有效时间：识别结果在服务端保存 24 小时。

注意：说明：

二、前提条件

需要准备两个凭证：SDKAppID 与 SecretKey。

三、接口要求

注意：说明：

注意：如你有接口限频提升需求，请 联系我们。

六、请求格式

客户端发起 HTTP POST 请求，请求 URL 为：https://asr.cloud-rtc.com/v3/create_transcription

请求 body 为对称结构，格式为 json：

{ "auth": {"sdkappid": "1400000001", "usersig": "eJw…", "request_id": "req-uuid"}, "params": {"engine_model_type": "bigmodel", "channel_num": 1, "res_text_format": 1, "source_type": 0, "url": "https://example.com/audio.wav"}}

注意：说明：

注意：v3 不再使用 X-TRTC-SdkAppId / X-TRTC-UserSig 请求 header，也不再在 URL 上携带 AppId / RequestId。鉴权信息全部位于 body 的 auth 块内。

七、请求参数（auth）

签名规则

1. 未调用 credential.SetUserSig() 时，SDK 使用 SDKAppID + SecretKey 本地生成签名，有效期86400秒，且每次请求都重新生成。

2. 调用 credential.SetUserSig(sig) 传入固定签名后，SDK 不再生成也不再刷新。服务端使用当前 identifier（离线为 request_id）验签，因此签名必须用同一个 identifier 签发。

3. 签名与站点绑定。国际站凭证不可用于国内站，反之亦然。

4. SecretKey 不会传输到网络，签名只用于服务端验签。

八、输入参数（params）

SpeakerRoleInfo（json 格式，包含两个参数）：

AudioUrlItem（json 格式，包含三个参数）：

九、响应格式

注意：v3 离线接口鉴权失败返回的是 HTTP 200 + body {"code":4002}，不是 HTTP 4xx。判断请求成败请以 body 的 code 为准。

十、示例

用户通过 source_type=1 请求录音文件识别，请求如下：

请求网址：

https://asr.cloud-rtc.com/v3/create_transcription

请求 body：

{ "auth": { "sdkappid": "1400188366", "usersig": "eJw…", "request_id": "7737a081-1dd4-4b60-a08b-b34ed46243a7" }, "params": { "engine_model_type": "bigmodel", "language": "zh", "res_text_format": 0, "channel_num": 1, "source_type": 1, "data": "xxxxxxxx", "data_len": 8 }}

响应结果：

{ "code": 0, "message": "success", "request_id": "7737a081-1dd4-4b60-a08b-b34ed46243a7", "transcription_id": "tid-24fe80e8-5b0c-4232-866f-4a402ee3127b"}

十一、录音文件回调说明

录音识别请求中，如果用户设置了 callback_url 参数，则通过回调的方式来返回识别结果。用户需要自行搭建可公网访问的 HTTP 或者 HTTPS 服务，并在创建录音识别任务时，将回调 URL 填写到 callback_url 中。回调时，使用 HTTP 的 POST 方法，将所有内容放入 Body 中，Content-Type 为 application/x-www-form-urlencoded，字段名为 snake_case。

十二、回调 Body 说明

回调 Body 示例：

code=0&request_id=7737a081-1dd4-4b60-a08b-b34ed46243a7&transcription_id=tid-DYz1ieNlIyb5nZT%2BR9kQsCAocpoDD6l1qvqam7XBk78PDQ..&appid=12516****&projectid=0&text=%5B0&audio_duration=8.420000&message=&result_detail=

十三、回调参数说明

十四、回调状态码

十六、接口描述

调用录音文件识别请求接口后，有回调和轮询两种方式获取识别结果。采用回调方式时详见「录音文件回调说明」。

当采用轮询方式时，需要主动提交 transcription_id 来轮询识别结果，共有任务成功、等待、执行中和失败四种结果。

请求方法为 HTTP POST，Content-Type 为 application/json; charset=utf-8。

注意：任务有效期为24小时，超过24小时的任务请不要查询，且不要依赖 transcription_id 作为业务唯一 ID，不同日期可能出现重复。用 v1 的 RecTaskId 查询 v3 接口会返回 4002。

十七、请求格式

请求 body 为对称结构：

{ "auth": {"sdkappid": "1400000001", "usersig": "eJw…", "request_id": "req-uuid"}, "params": {"transcription_id": "tid-…"}}

auth 块字段说明同创建任务接口。

十八、输入参数（params）

十九、输出参数

SentenceDetail：单句的详细识别结果，包含单个词的时间偏移。

Word：识别结果中的词文本，以及对应时间偏移。

20、查询示例

请求网址：

https://asr.cloud-rtc.com/v3/describe_transcription

请求 body：

{ "auth": { "sdkappid": "1400188366", "usersig": "eJw…", "request_id": "2f5e8263-a23b-4e65-be22-6b7c19bd4064" }, "params": { "transcription_id": "tid-24fe80e8-5b0c-4232-866f-4a402ee3127b" }}

响应结果：

{ "code": 0, "message": "success", "request_id": "2f5e8263-a23b-4e65-be22-6b7c19bd4064", "transcription_id": "tid-24fe80e8-5b0c-4232-866f-4a402ee3127b", "status": 2, "status_str": "success", "progress": 100, "audio_duration": 2.38, "result": "[0:0.200,0:1.380,1] 你好。\\n", "result_detail": [ { "final_sentence": "你好。", "slice_sentence": "你好", "start_ms": 200, "end_ms": 1380, "speech_speed": 2, "words_num": 1, "words": [] } ], "error_msg": ""}

开启说话人分离时，result 中会带说话人标识：

{ "result": "[0:0.200,0:1.380,spk:1] 你好。\\n"}

22、安装

go get github.com/Tencent-RTC/trtc-asr-sdk-go@latest

要求 Go 1.21 及以上。

23、SDK

24、SDK 调用示例

单击查看 Golang 示例。

25、初始化凭证

import ( v3 "github.com/Tencent-RTC/trtc-asr-sdk-go/asr/v3" "github.com/Tencent-RTC/trtc-asr-sdk-go/common")// 第一个参数是 SDKAppID（如 1400xxxxxx）；v3 不需要腾讯云 AppID。credential := v3.NewCredential(sdkAppID, "your-sdk-secret-key")// credential.SetSite(common.SiteIntl) // 国际站；不调用则走国内站

26、创建任务并轮询结果

recognizer := v3.NewFileRecognizer(credential)taskID, err := recognizer.CreateTask(&v3.CreateTranscriptionRequest{ EngineModelType: "bigmodel", ChannelNum: 1, ResTextFormat: 1, SourceType: v3.SourceTypeURL, URL: "https://example.com/audio.wav", Language: "zh",})if err != nil { log.Fatal(err)}status, err := recognizer.WaitForResult(taskID) // 轮询直至完成，默认 1s 间隔if err != nil { log.Fatal(err)}fmt.Println(status.Result, status.AudioDuration, status.ResultDetail)

27、运行示例

cd examples/v3_file_asr# URL 上传go run main.go bigmodel -u https://example.com/audio.wav# 开启说话人分离go run main.go bigmodel -u https://example.com/audio.wav -diarization 1# 查看所有选项go run main.go -h

28、错误码

HTTP 状态码与 body code 的对应关系：