资讯 文档
技术能力
语音技术
文字识别
人脸与人体
图像技术
语言与知识
视频技术

音频文件转写大模型

接口描述

音频文件转写大模型支持将长音频及大批量音频文件异步转写为文字,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,适用于音视频字幕生产、批量录音质检、会议记录、录音内容分析等场景。

接口采用异步任务处理方式,用户提交音频文件 URL 创建转写任务后,可通过任务 ID 查询识别状态及转写结果,满足大规模音频文件处理需求。

调用流程

  1. 前置准备: 注册百度智能云账号,完成实名认证,并获取接口鉴权凭证。
  2. 创建转写任务: 根据音频文件 URL、音频格式、模型名称及采样率等参数,调用创建任务接口,获取 task_id。
  3. 查询转写结果: 通过 task_ids 数组提交一个或多个任务 ID,批量查询任务状态及识别结果。
  4. 获取转写文本: 当任务状态为 Success 时,通过 task_result.result 获取识别文本;若任务失败,可根据返回的错误码及错误信息进行排查。

创建音频转写任务-请求说明

请求地址:https://aip.baidubce.com/rpc/2.0/aasr/v1/llm/voice/create

HTTP 方法: POST

鉴权说明

当前接口支持 API Key 和 Access Token 两种鉴权方式,任选其一即可,无需同时填写。

请求头说明

  • Content-Type: application/json
  • Authorization: Bearer <API_KEY>(使用 API Key 鉴权时填写)

使用 Access Token 鉴权时,通过请求体中的 token 字段传入鉴权信息。Access Token 可通过 API Key 和 Secret Key 获取,详见 Access Token 获取。

注意: 两种鉴权方式任选其一,无需同时填写。

请求参数

通过 HTTP POST 方式提交 JSON 格式请求,请求体包含以下参数:

参数名 类型 是否必需 描述 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 音频文件格式,支持 mp3、wav、pcm、m4a、amr。
model str 是 模型名称 识别模型名称,当前支持 qianfan-asr-v1。
rate int 是 采样率 音频采样率,目前仅支持 16000 Hz。
smooth_text int 否 文本顺滑 是否开启文本顺滑功能。0:关闭;1:开启。
filter_sensitive int 否 敏感词过滤 是否开启敏感词过滤。0:关闭;1:开启。

在线调试&示例代码

Body请求示例:

{
  "speech_url": "https://platform.bj.bcebos.com/sdk%2Fasr%2Fasr_doc%2Fdoc_download_files%2F16k.pcm",
  "format": "pcm",
  "model": "qianfan-asr-v1",
  "rate": 16000
}

创建音频转写任务-返回说明

创建任务接口采用 JSON 格式返回结果。任务创建成功后返回 task_id,用于后续查询任务状态及识别结果。

返回参数

参数名 类型 是否必需 描述
log_id int 是 请求日志 ID,用于问题排查。
task_id str 否 任务唯一标识,创建成功时返回。
task_status str 否 任务状态,创建成功时返回 Created。
error_code int 否 请求失败时返回的错误码。
error_msg str 否 请求失败时返回的错误信息。

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: 创建成功仅表示转写任务已被接收,并不代表识别完成。请保存返回的 task_id,用于后续查询任务状态与转写结果。

查询音频转写任务-请求说明

请求地址:

https://aip.baidubce.com/rpc/2.0/aasr/v1/llm/voice/query

HTTP 方法: POST

鉴权说明

与创建任务接口保持一致,请在请求 URL 中传入有效的 access_token。

请求参数

参数名 类型 是否必填 描述 取值范围
task_ids array[string] 是 需要查询的任务 ID 数组 单次最多查询 200 个任务

请求示例

{
  "task_ids": [
    "234acb234acb234acb234acb",
    "234acb234acb234acb234acd",
    "234acb234acb234acb234ace"
  ]
}

查询音频转写任务-返回说明

查询接口采用 JSON 格式返回结果,包含任务状态、识别文本及相关错误信息。

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
+++voice_power int 否 音量参数
+++res list 否 分段转写文本
+++speak_speed int 否 语速参数
+++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": [
                    {
                        "voice_power": "55.13867950439453",# 仅使用PID:80006时返回
                        "res": [
                            "观众朋友大家好,欢迎收看本期视频哦。"
                        ],
                        "speak_speed": "5.986260890960693",
                        "end_time": 6700,
                        "begin_time": 4240,
                        "words_info": [],
                        "sn": "257826606251573543780",
                        "corpus_no": "6758319075297447880"
                    }
                    ...
                ],
                "corpus_no": "6758319075297447880" 
            },
            "task_id": "234acb234acb234acb234ace"
        }
    ]
}
上一篇
实时语音识别大模型
下一篇
音频文件转写极速版大模型