请求说明
参数说明
- 格式支持：pcm（不压缩）、wav（不压缩，pcm编码）、amr（压缩格式）、m4a（AAC编码）；固定16k 采样率；
- 系统支持语言种类 普通话
识别语言及模型选择
短语音识别极速版dev_pid 参数列表
| dev_pid | 语言 | 模型 | 是否有标点 | 备注 |
|---|---|---|---|---|
| 80001 | 普通话(纯中文识别) | 语音近场识别模型极速版 | 有标点 | 支持自定义词库 |
在线调试
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。
请求说明
语音数据上传 POST 方式有 2 种：
- JSON 格式 POST 上传本地音频文件。
- RAW 格式 POST 上传本地音频文件。
JSON 方式
- 音频文件，读取二进制内容后，进行 base64 编码后放在 speech 参数内。
- 音频文件的原始大小, 即二进制内容的字节数，填写 “len” 字段
由于使用 json 格式， header 为：
Content-Type:application/json注意 由于 base64 编码后，数据会增大 1/3。
RAW方式
- 音频文件，读取二进制内容后，直接放在 body 中。
- Content-Length 的值即为音频文件的大小。（一般代码会自动生成）。
由于使用 raw 方式， 采样率和文件格式需要填写在 Content-Type 中
Content-Type: audio/pcm;rate=16000JSON方式上传音频
语音数据和其他参数通过标准 JSON 格式串行化 POST 上传， JSON 里包括的参数：
| 字段名 | 类型 | 可需 | 描述 |
|---|---|---|---|
| format | string | 必填 | 语音文件的格式，pcm/wav/amr/m4a。不区分大小写。推荐pcm文件 |
| rate | int | 必填 | 采样率，16000，固定值 |
| channel | int | 必填 | 声道数，仅支持单声道，请填写固定值 1 |
| cuid | string | 必填 | 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。 |
| token | string | 必填 | 开放平台获取到的开发者[access_token]获取 Access Token "access_token") |
| dev_pid | int | 必填 | 80001（极速版输入法模型） |
| lm_id | int | 选填 | 自训练平台模型id |
| lan | string | 选填，废弃参数 | 历史兼容参数，已不再使用 |
| speech | string | 必填 | 本地语音文件的的二进制语音数据 ，需要进行base64 编码。与len参数连一起使用。 |
| len | int | 必填 | 本地语音文件的的字节数，单位字节 |
上传示例(speech, len 参数)
即：JSON格式POST上传本地文件
固定头部header
Content-Type:application/json请求示例
4K大小的pcm文件（普通话录音）请求：
POST https://vop.baidu.com/pro_apispeech 参数填写为 文件内容base64后的结果：
{
"format":"pcm",
"rate":16000,
"dev_pid":80001,
"channel":1,
"token":xxx,
"cuid":"baidu_workshop",
"len":4096,
"speech":"xxx", // xxx为 base64（FILE_CONTENT）
}返回示例
{"corpus_no":"6433214037620997779","err_msg":"success.","err_no":0,"result":["北京科技馆，"],"sn":"371191073711497849365"}注意事项
len 字段表示原始语音大小字节数，不是 base64 编码之后的长度。
RAW 方式上传
即 raw格式POST上传本地文件 语音数据直接放在 HTTP BODY 中，控制参数以及相关统计信息通过 header和url里参数传递。
Header 参数说明
| 字段名 | 数据类型 | 可需 | 描述 |
|---|---|---|---|
| format | string（格式见下面示例） | 必填 | 语音格式，，pcm、wav、amr、m4a。不区分大小写，推荐使用pcm文件 |
| rate | int（格式见下面示例） | 必填 | 采样率 16000， 固定值 |
语音数据的采样率和压缩格式在 HTTP-HEADER 里的Content-Type 表明，例：
Content-Type: audio/pcm;rate=16000url参数说明
| 字段名 | 可需 | 描述 |
|---|---|---|
| cuid | 必填 | 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。 |
| token | 必填 | 开放平台获取到的开发者[access_token]获取 Access Token "access_token") |
| dev_pid | 必填 | 80001 |
| lan | 选填，废弃参数 | 历史兼容参数，请使用dev_pid。如果dev_pid填写，该参数会被覆盖。语种选择,输入法模型，默认中文（zh）。 中文=zh、粤语=ct、英文=en，不区分大小写。 |
URL 示例：
POST https://vop.baidu.com/pro_api?dev_pid=80001&cuid=******&token=1.a6b7dbd428f731035f771b8d********.86400.1292922000-2346678-124328
// 或者使用自训练平台
POST http://vop.baidu.com/pro_api?dev_pid=80001&lm_id=1234&cuid=******&token=1.a6b7dbd428f731035f771b8d********.86400.1292922000-2346678-124328 语音自训练平台
语音自训练平台，可使用业务场景文本语料，自助训练语言模型，提升业务领域识别准确率。
语音自训练平台，支持上传自定义的词汇固定搭配、长段句篇来进行结果优化。可以更加直观地查看训练效果，并支持迭代训练。模型上线后需要在请求中，增加对应自定义模型 id（lm_id）字段。
具体功能及使用说明请参考文档 自训练平台手册
自定义词库
自定义词库功能，可对部分专有业务名词进行识别优化。自定义词库在您网页申请的应用内设置（具体位置参见下图）。
自定义词库适合短句，保证词库中一模一样的短句可以被识别出，词库中的分词优先级较高。 自定义词库仅对普通话 dev_pid = 1537 生效，并且原始音频的采用率为 16K 或 8k。最好在 1万 行以内。