tencent cloud

PrevNext

文档反馈

请输入关键字

Recent Pages

文档
文档

提交语音识别任务

最后更新时间：2024-01-20 09:22:44

    功能描述

    CreateSpeechJobs 接口用于提交一个语音识别任务。

    请求

    请求示例

    POST /asr_jobs HTTP/1.1
    Host: <BucketName-APPID>.ci.<Region>.myqcloud.com
    Date: <GMT Date>
    Authorization: <Auth String>
    Content-Length: <length>
    Content-Type: application/xml
    
    <body>
    说明：
    Authorization: Auth String（详情请参见 请求签名 文档）。
    通过子账号使用时，需要授予相关的权限，详情请参见授权粒度详情文档。

    请求头

    此接口仅使用公共请求头部，详情请参见 公共请求头部 文档。

    请求体

    该请求操作的实现需要有如下请求体。
    <Request>
      <Tag>SpeechRecognition</Tag>
      <Input>
        <Object></Object>
      </Input>
      <Operation>
        <SpeechRecognition></SpeechRecognition>
        <Output>
          <Region></Region>
          <Bucket></Bucket>
          <Object></Object>
        </Output>
      </Operation>
      <QueueId></QueueId>
    </Request>
    具体的数据描述如下：
    节点名称（关键字）
    父节点
    描述
    类型
    是否必选
    Request
    无
    保存请求的容器
    Container
    是
    
    Container 类型 Request 的具体数据描述如下：
    节点名称（关键字）
    父节点
    描述
    类型
    是否必选
    Tag
    Request
    创建任务的 Tag，目前仅支持：SpeechRecognition
    String
    是
    Input
    Request
    待操作的语音文件
    Container
    是
    Operation
    Request
    操作规则
    Container
    是
    QueueId
    Request
    任务所在的队列 ID
    String
    是
    
    Container 类型 Input 的具体数据描述如下：
    节点名称（关键字）
    父节点
    描述
    类型
    是否必选
    Object
    Request.Input
    语音文件在 COS 上的 key，Bucket 由 Host 指定
    String
    是
    
    Container 类型 Operation 的具体数据描述如下：
    节点名称（关键字）
    父节点
    描述
    类型
    是否必选
    SpeechRecognition
    Request.Operation
    当 Tag 为 SpeechRecognition 时有效，指定该任务的参数
    Container
    否
    Output
    Request.Operation
    结果输出地址
    Container
    是
    
    Container 类型 SpeechRecognition 的具体数据描述如下：
    节点名称（关键字）
    父节点
    描述
    类型
    是否必选
    EngineModelType
    Request.Operation.SpeechRecognition
    引擎模型类型。 电话场景： • 8k_zh：电话 8k 中文普通话通用（可用于双声道音频）； • 8k_zh_s：电话 8k 中文普通话话者分离（仅适用于单声道音频）； 非电话场景： • 16k_zh：16k 中文普通话通用； • 16k_zh_video：16k 音视频领域； • 16k_en：16k 英语； • 16k_ca：16k 粤语。
    String
    是
    ChannelNum
    Request.Operation.SpeechRecognition
    语音声道数。1：单声道；2：双声道（仅支持 8k_zh 引擎模型）。
    Integer
    是
    ResTextFormat
    Request.Operation.SpeechRecognition
    识别结果返回形式。0： 识别结果文本(含分段时间戳)； 1：仅支持16k中文引擎，含识别结果详情(词时间戳列表，一般用于生成字幕场景)。
    Integer
    是
    FilterDirty
    Request.Operation.SpeechRecognition
    是否过滤脏词（目前支持中文普通话引擎）。0：不过滤脏词；1：过滤脏词；2：将脏词替换为 * 。默认值为0。
    Integer
    否
    FilterModal
    Request.Operation.SpeechRecognition
    是否过语气词（目前支持中文普通话引擎）。0：不过滤语气词；1：部分过滤；2：严格过滤 。默认值为 0。
    Integer
    否
    ConvertNumMode
    Request.Operation.SpeechRecognition
    是否进行阿拉伯数字智能转换（目前支持中文普通话引擎）。0：不转换，直接输出中文数字，1：根据场景智能转换为阿拉伯数字。默认值为1。
    Integer
    否
    Container 类型 Output 的具体数据描述如下：
    
    节点名称（关键字）
    父节点
    描述
    类型
    是否必选
    Region
    Request.Operation.Output
    存储桶的地域
    String
    是
    Bucket
    Request.Operation.Output
    存储结果的存储桶
    String
    是
    Object
    Request.Operation.Output
    结果文件的名称
    String
    是

    响应

    响应头

    此接口仅返回公共响应头部，详情请参见 公共响应头部 文档。

    响应体

    该响应体返回为 application/xml 数据，包含完整节点数据的内容展示如下：
    <Response>
      <JobsDetail>
        <Code></Code>
        <Message></Message>
        <JobId></JobId>
        <State></State>
        <CreationTime></CreationTime>
        <QueueId></QueueId>
        <Tag><Tag>
        <Input>
          <Object></Object>
        </Input>
        <Operation>
          <SpeechRecognition></SpeechRecognition>
          <Output>
            <Region></Region>
            <Bucket></Bucket>
            <Object></Object>
          </Output>
          <MediaInfo>
          </MeidaInfo>
        </Operation>
      </JobsDetail>
    </Response>
    具体的数据内容如下：
    节点名称（关键字）
    父节点
    描述
    类型
    Response
    无
    保存结果的容器
    Container
    Container 节点 Response 的内容：
    节点名称（关键字）
    父节点
    描述
    类型
    JobsDetail
    Response
    任务的详细信息
    Container
    Container 节点 JobsDetail 的内容：
    节点名称（关键字）
    父节点
    描述
    类型
    Code
    Response.JobsDetail
    错误码，只有 State 为 Failed 时有意义
    String
    Message
    Response.JobsDetail
    错误描述，只有 State 为 Failed 时有意义
    String
    JobId
    Response.JobsDetail
    新创建任务的 ID
    String
    Tag
    Response.JobsDetail
    新创建任务的 Tag：SpeechRecognition
    String
    State
    Response.JobsDetail
    任务的状态，为 Submitted、Running、Success、Failed、Pause、Cancel 其中一个
    String
    CreationTime
    Response.JobsDetail
    任务的创建时间
    String
    QueueId
    Response.JobsDetail
    任务所属的队列 ID
    String
    Input
    Response.JobsDetail
    该任务的输入资源地址
    Container
    Operation
    Response.JobsDetail
    该任务的规则
    Container
    Container 节点 Input 的内容： 同上面请求中的 Request.Input 节点。
    Container 节点 Operation 的内容：
    节点名称（关键字）
    父节点
    描述
    类型
    TemplateId
    Response.JobsDetail.Operation
    任务的模板 ID
    String
    Output
    Response.JobsDetail.Operation
    文件的输出地址
    Container
    MediaInfo
    Response.JobsDetail.Operation
    转码输出视频的信息，没有时不返回
    Container
    Container 节点 Output 的内容： 同上面请求中的 Request.Operation.Output 节点。
    Container 节点 SpeechRecognition 的内容： 同上面请求中的 Request.Operation.SpeechRecognition节点。

    错误码

    该请求操作无特殊错误信息，常见的错误信息请参见 错误码 文档。
    Copyright © 2013-2024 Tencent Cloud. All Rights Reserved.
    隐私条款服务条款缓存条款