【AIGC】使用Python实现科大讯飞语音服务ASR转录功能:完整指南

【AIGC】使用Python实现科大讯飞语音服务ASR转录功能:完整指南

在这篇博客中,我们将详细解析如何使用讯飞ASR(自动语音识别)API进行音频转写,包括上传音频、查询转写结果及解析返回数据。本文将涵盖API的参数说明,并提供完整的Python代码,确保代码能够顺利执行。

讯飞ASR API提供了一整套音频转写的解决方案,主要流程如下:

  1. 生成签名 – 认证请求的合法性。
  2. 上传音频 – 通过URL方式或本地文件上传音频。
  3. 查询结果 – 轮询转写结果,等待识别完成。
  4. 解析结果 – 处理返回的JSON数据,提取文本和说话人信息。

3.1 认证参数

参数名 说明 appId 讯飞开发者平台分配的应用ID secret_key 用于生成签名的密钥 ts 时间戳,单位为秒 科大讯飞 星火 教程

signa 认证签名,由appId、ts和secret_key计算得出

3.2 上传参数

参数名 说明 fileName 音频文件名称 fileSize 文件大小(若使用URL方式可随意填写) duration 音频时长(单位秒,可随机填写) language 语言(cn代表中文) audioMode 上传模式(urlLink 代表通过URL上传) audioUrl 音频文件的URL(需要URL编码)

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

3.3 查询结果参数

参数名 说明 orderId 订单ID,用于查询转写结果 resultType 返回结果类型(transfer 表示最终转写文本)

成功


失败


3.4 orderResult 字段

参数名 类型 说明 lattice List 做顺滑功能的识别结果 lattice2 List 未做顺滑功能的识别结果,当开启顺滑和后语规整后 orderResult 才返回 lattice2 字段(需要开通权限) label Object 转写结果标签信息,用于补充转写结果相关信息,标记转写结果角色和声道的对应关系

3.5 Lattice 字段

参数名 类型 说明 json_1best String 单个 VAD 的结果的 JSON 内容

3.6 json_1best 字段

参数名 类型 说明 st Object 单个句子的结果对象

3.7 st 字段

参数名 类型 说明 bg String 单个句子的开始时间,单位毫秒 ed String 单个句子的结束时间,单位毫秒 rl String 分离的角色编号,取值正整数,需开启角色分离的功能才返回对应的分离角色编号 rt List 输出词语识别结果集合

4.1 生成签名

在这里插入图片描述


4.2 上传音频文件

1、文件上传
#概述
首先调用文件上传接口,上传待转写音频文件的基本信息(文件名、大小等)和相关的可配置参数。
调用成功,返回订单ID(,用于查询结果或者联调排查问题时使用),是后续接口的必传参数。
#请求示例


#URL


#请求头


#signa生成


4.3 获取转写结果

status == 4


查询结构返回数据


4.4 解析转写结果


5.1 成功返回示例


5.4 异步回调

1. 转写结束异步回调状态

当订单转写流程结束时会回调用户(如果录音文件转写接口 传了),会把订单号和订单状态返回,具体的格式和参数说明如下: 回调地址示例:


在这里插入图片描述

注意 QPS 和 API 限流


可进行队列延迟重试处理

讯飞ASR文档

本文详细讲解了讯飞ASR API的使用流程,包括如何生成签名、上传音频、查询结果并解析返回数据。希望这篇文章对你有所帮助!如果对你有帮助,帮忙给个一键三连,求求了,各位吴彦祖,刘亦菲们

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请联系我们举报,一经查实,本站将立刻删除。

发布者:Ai探索者,转载请注明出处:https://javaforall.net/280937.html原文链接:https://javaforall.net

(0)
上一篇 2026年3月14日 下午2:33
下一篇 2026年3月14日 下午2:33


相关推荐

关注全栈程序员社区公众号