实时音视频 一句话识别（新）

一、接口描述

本接口用于对60秒之内的短音频文件进行识别。

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：同一 SDKAppID 下，直接接入 ASR、AI 对话、AI 转录/翻译等所有实时语音识别场景共享该并发池，即各类型的并发路数合计不超过账号上限。一句话识别与录音文件识别独立计算，不占用实时识别并发额度。如你有更多并发需求，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/transcribe。

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", "language": "zh", "source_type": 1, "voice_format": "wav", "data": "xxxxxxxx", "data_len": 8}}

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）

每次 HTTP 请求是一个独立事务，request_id 既是单次请求 ID、也是签名 identifier。

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，长跑服务无需自行管理过期。

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。SetSite(common.SiteIntl) 决定 host 与验签集群，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）

一句话识别的请求消息体，格式为 json。

注意：说明：

注意：context 的消费方式与引擎能力相关：大模型类引擎可使用 text / terms / general；传统引擎仅把 terms 降级为热词使用。

九、响应格式

响应消息为 json 格式，扁平结构，所有返回字段位于顶层，不再有 Response 外壳。

Word 定义为 word_list 数组的元素结构，位于 word_list[] 之内：

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，不要只看 HTTP 状态码。SDK 已处理该情况，code != 0 时会返回携带该 code 的 error。

十、示例

用户通过 source_type=1 请求一句话识别，请求如下：

请求网址：

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

请求 body：

{ "auth": { "sdkappid": "1400188366", "usersig": "eJw…", "request_id": "2f5e8263-a23b-4e65-be22-6b7c19bd4064" }, "params": { "engine_model_type": "bigmodel", "language": "zh", "source_type": 1, "voice_format": "wav", "data": "xxxxxxxx", "data_len": 8, "word_info": 1 }}

响应结果：

{ "code": 0, "message": "success", "request_id": "2f5e8263-a23b-4e65-be22-6b7c19bd4064", "result": "我们能接受的范围内。", "audio_duration": 1840, "language": "zh", "word_size": 3, "word_list": [ {"word": "我们", "start_time": 120, "end_time": 480}, {"word": "能接受的", "start_time": 480, "end_time": 1200}, {"word": "范围内", "start_time": 1200, "end_time": 1840} ]}

注意：未传 word_info 时，响应中不返回 word_size 与 word_list。

十二、安装

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

要求 Go 1.21 及以上。

十三、SDK

·Tencent-RTC SDK for Go：Github

·Tencent-RTC SDK for Python：Github

·Tencent-RTC SDK for nodejs：Github

·Tencent-RTC SDK for Java：Github

·Tencent-RTC SDK for Rust：Github

·Tencent-RTC SDK for cpp：Github

十四、SDK 调用示例

单击查看 Golang 示例。

十五、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

十六、发起一句话识别

recognizer := v3.NewSentenceRecognizer(credential)data, _ := os.ReadFile("audio.pcm")resp, err := recognizer.RecognizeDataWithOptions(data, &v3.TranscribeRequest{ EngineModelType: "bigmodel", VoiceFormat: "pcm", Language: "zh",})if err != nil { log.Fatal(err)}fmt.Println(resp.Result, resp.AudioDuration, resp.WordList)

注意：请确保已通过 import 语句导入所需的包，例如 import ("os", "log", "fmt")。

十七、运行示例

cd examples/v3_sentence_asrgo run main.go bigmodel -f ../test.pcm -word-info 1# 查看所有选项go run main.go -h

十九、v3 全部使用数字错误码，返回在 body 的 code 字段中。

20、HTTP 状态码与 code 的对应关系：