音频文件转写API
更新时间：2024-08-21
接口描述
音频文件转写接口可以将大批量的音频文件异步转写为文字。适合音视频字幕生产、批量录音质检、会议内容总结、录音内容分析等场景，一般12小时内返回识别接口。
步骤：
1、根据音频url、音频格式、语言id以及采样率等参数创建音频转写任务，获取task_id参数。
2、根据task_id的数组批量查询音频转写任务结果。
在线调试&示例代码
您可以在 示例代码中心 中调试该接口，可进行签名验证、查看在线调用的请求内容和返回结果、示例代码的自动生成。
Python Demo 点击下载 （文件为.zip压缩包，若无法打开时，可尝试在文件后上增加".zip“后缀）
创建音频转写任务-请求说明
请求接口：https://aip.baidubce.com/rpc/2.0/aasr/v1/create
HTTP 方法：POST
URL参数：
| 参数 | 取值 |
|---|---|
| access_token | 通过 API Key 和 Secret Key 获取的 access_token，参考Access Token获取 |
JSON方式上传音频
Body中放置请求参数，语音数据和其他参数通过标准 JSON 格式串行化 POST 上传，包括的参数如下：
| 参数名 | 类型 | 是否必需 | 对外状态 | 取值范围 |
|---|---|---|---|---|
| speech_url | str | 是 | 音频url | 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，音频大小不超过500MB，url长度不超过2048字节 |
| format | str | 是 | 音频格式 | ["mp3", "wav", "pcm","m4a","amr"]单声道，编码 16bits 位深 |
| pid | int | 是 | 语言类型 | 80001（中文语音近场识别模型极速版）, 80006（中文音视频字幕模型，1737（英文模型） |
| rate | int | 是 | 采样率 | [16000] 固定值 |
| switch_nlp_smooth | int | 否 | 文本后处理开关 | 0关闭，1为开启 |
| smooth_task_list | int | 否 | 文本后处理分功能选取 | 0为全开，1为标点，2为数字转化阿拉伯，3为语气词删除 |
| switch_nlp_censor | int | 否 | 文本敏感词过滤开关 | 0关闭。1开启。开启后敏感词会变为* |
若音频采样率为8k，请使用呼叫中心音频文件转写
Body请求示例：
{
"speech_url": "https://platform.bj.bcebos.com/sdk%2Fasr%2Fasr_doc%2Fdoc_download_files%2F16k.pcm",
"format": "pcm",
"pid": 80001,
"rate": 16000
}创建音频转写任务-返回说明
返回参数
| 参数名 | 类型 | 是否必需 | 对外状态 |
|---|---|---|---|
| log_id | int | 是 | log id |
| task_id | str | 否 | 任务id |
| task_status | str | 否 | 任务状态 |
| error_code | int | 否 | 错误码 |
| error_msg | str | 否 | 错误信息 |
Body返回示例：
# 创建成功
{
"log_id": 12345678,
"task_status": "Created"，
"task_id": "234acb234acb234acb234acb" #注意保存该id，用于后续请求识别结果
}
# 创建失败，缺少参数
{
"error_code": 336203,
"error_msg": "missing param: speech_url",
"log_id": 5414433131138366128
}注意：查询识别结果时，需要该步骤返回的task_id来进行请求。请注意保存task_id列表。
查询音频转写任务-请求说明
请求接口：https://aip.baidubce.com/rpc/2.0/aasr/v1/query
HTTP 方法：POST
URL参数：
| 参数 | 取值 |
|---|---|
| access_token | 通过API Key和Secret Key获取的access_token，参考Access Token获取 |
Body中放置请求参数，参数如下：
| 参数名 | 类型 | 是否必需 | 描述 | 取值范围 |
|---|---|---|---|---|
| task_ids | list | 是 | 任务id | task_ids为空，返回空任务结果列表；单次查询任务数不超过200个 |
请求示例：
{
"task_ids": ["234acb234acb234acb234acb", "234acb234acb234acb234acd", "234acb234acb234acb234acbe"]
}查询音频转写任务-返回说明
返回参数：
| 参数名 | 类型 | 是否必需 | 描述 |
|---|---|---|---|
| log_id | int | 是 | log id |
| tasks_info | list | 否 | 多个任务的结果 |
| +task_id | str | 是 | 任务id |
| +task_status | str | 是 | 任务状态 |
| +task_result | dict | 否 | 转写结果的json格式 |
| ++corpus_no | str | 否 | 日志，反馈时使用 |
| ++result | str | 否 | 转写结果 |
| ++audio_duration | int | 否 | 音频时长（毫秒） |
| ++detailed_result | list | 否 | 分段转写详细结果 |
| +++res | list | 否 | 分段转写文本 |
| +++begin_time | int | 否 | 分段开始时间 |
| +++end_time | int | 否 | 分段结束时间 |
| +++words_info | list | 否 | 字粒度（预留参数，暂不启用） |
| +++sn | str | 否 | 分段日志，反馈时使用 |
| +++corpus_no | str | 否 | 分段日志，反馈时使用 |
| ++err_no | int | 否 | 转写失败错误码 |
| ++err_msg | str | 否 | 转写失败错误信息 |
| error_code | int | 否 | 请求错误码 |
| error_msg | str | 否 | 请求错误信息 |
| error_info | list | 否 | 错误的或查询不存在的taskid数组 |
返回示例：
{
"log_id": 12345678,
"tasks_info": [
{ # 转写中
"task_status": "Running"
"task_id": "234acb234acb234acb234acb",
},
{ # 转写失败
"task_status": "Failure"
"task_id": "234acb234acb234acb234acd",
"task_result": {
"err_no": 3301
"err_msg": "speech quality error",
"sn": "xxx"
}
},
{ # 转写成功
"task_status": "Success",
"task_result": {
"result": [
"观众朋友大家好，欢迎收看本期视频哦。毕竟..."
],
"audio_duration": 6800,
"detailed_result": [
{
"res": [
"观众朋友大家好，欢迎收看本期视频哦。"
],
"end_time": 6700,
"begin_time": 4240,
"words_info": [],
"sn": "257826606251573543780",
"corpus_no": "6758319075297447880"
}
...
],
"corpus_no": "6758319075297447880"
},
"task_id": "234acb234acb234acb234ace"
}
]
}