tencent cloud

PrevNext

文档反馈

请输入关键字

Recent Pages

文档
数据万象
    文档
    Download PDF

    提交语音识别任务

    最后更新时间：2024-01-20 16:35:12
    下载PDF

      功能描述

      提交一个语音识别任务。
      说明：
      关于语音识别的限制说明，请参见 规则与限制 文档。
      

      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>input/test.mp3</Object>
              <Url></Url>
          </Input>
          <Operation>
              <SpeechRecognition>
                  <EngineModelType>16k_zh_video</EngineModelType>
                  <ChannelNum>1</ChannelNum>
                  <FilterDirty>1</ChannelNum>
                  <FilterModal>1</ChannelNum>
              </SpeechRecognition>
              <Output>
                  <Region>ap-chongqing</Region>
                  <Bucket>test-123456789</Bucket>
                  <Object>output/asr.txt</Object>
              </Output>
              <UserData>This is my data.</UserData>
              <JobLevel>0</JobLevel>
          </Operation>
          <QueueId>pcd463e1467964d39ad2d3f66aacd8199</QueueId>
          <CallBack>http://callback.demo.com</CallBack>
          <CallBackFormat>JSON<CallBackFormat>
      </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：SpeechRecognition
      String
      是
      Input
      Request
      待操作的对象信息
      Container
      是
      Operation
      Request
      操作规则
      Container
      是
      QueueId
      Request
      任务所在的队列 ID
      String
      是
      CallBackFormat
      Request
      任务回调格式，JSON 或 XML，默认 XML，优先级高于队列的回调格式
      String
      否
      CallBackType
      Request
      任务回调类型，Url 或 TDMQ，默认 Url，优先级高于队列的回调类型
      String
      否
      CallBack
      Request
      任务回调地址，优先级高于队列的回调地址。设置为 No 时，表示队列的回调地址不产生回调
      String
      否
      CallBackMqConfig
      Request
      任务回调 TDMQ 配置，当 CallBackType 为 TDMQ 时必填。详情见 CallBackMqConfig
      Container
      否
      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
      媒体文件名
      String
      否
      Url
      Request.Input
      支持公网下载的 URL，与 Object 必须有其中一个，且当两者都传入时，优先使用 Object
      String
      否
      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
      指定 语音识别 参数
      Container
      是
      Output
      Request.Operation
      结果输出地址
      Container
      是
      UserData
      Request.Operation
      透传用户信息, 可打印的 ASCII 码, 长度不超过1024
      String
      否
      JobLevel
      Request.Operation
      任务优先级，级别限制：0 、1 、2 。级别越大任务优先级越高，默认为0
      String
      否
      
      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.Speech Recognition
      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.Speech Recognition
      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.Speech Recognition
      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.Speech Recognition
      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.Speech Recognition
      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.Speech Recognition
      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>Success</Code>
              <CreationTime>2021-08-05T15:43:50+0800</CreationTime>
              <EndTime>-</EndTime>
              <Input>
                  <BucketId>test-1234567890</BucketId>
                  <Object>input/test.mp3</Object>
                  <Region>ap-chongqing</Region>
              </Input>
              <JobId>s58ccb634149211ed84ce2b1cd7fbb14a</JobId>
              <Message/>
              <Operation>
                  <JobLevel>0</JobLevel>
                  <Output>
                      <Bucket>test-1234567890</Bucket>
                      <Object>output/asr.txt</Object>
                      <Region>ap-chongqing</Region>
                  </Output>
                  <SpeechRecognition>
                      <ChannelNum>1</ChannelNum>
                      <ConvertNumMode>0</ConvertNumMode>
                      <EngineModelType>16k_zh_video</EngineModelType>
                      <FilterDirty>0</FilterDirty>
                      <FilterModal>0</FilterModal>
                      <FilterPunc>0</FilterPunc>
                      <OutputFileType>txt</OutputFileType>
                      <ResTextFormat>0</ResTextFormat>
                      <SpeakerDiarization>0</SpeakerDiarization>
                      <SpeakerNumber>0</SpeakerNumber>
                  </SpeechRecognition>
                  <UserData>This is my data.</UserData>
                  <JobLevel>0</JobLevel>
              </Operation>
              <QueueId>pcd463e1467964d39ad2d3f66aacd8199</QueueId>
              <StartTime>-</StartTime>
              <State>Submitted</State>
              <Tag>SpeechRecognition</Tag>
          </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
      StartTime
      Response.JobsDetail
      任务的开始时间
      String
      EndTime
      Response.JobsDetail
      任务的结束时间
      String
      QueueId
      Response.JobsDetail
      任务所属的队列 ID
      String
      Input
      Response.JobsDetail
      同请求中的 Request.Input 节点
      Container
      Operation
      Response.JobsDetail
      该任务的规则
      Container
      Container 节点 Operation 的内容：
      节点名称（关键字）
      父节点
      描述
      类型
      SpeechRecognition
      Response.JobsDetail.Operation
      同请求中的 Request.Operation.SpeechRecognition
      Container
      Output
      Response.JobsDetail.Operation
      同请求中的 Request.Operation.Output
      Container
      UserData
      Response.JobsDetail.Operation
      透传用户信息
      String
      JobLevel
      Response.JobsDetail.Operation
      任务优先级
      String
      SpeechRecognitionResult
      Response.JobsDetail.Operation
      语音识别任务结果，没有时不返回
      Container
      Container 节点 SpeechRecognitionResult 的内容：
      节点名称（关键字）
      父节点
      描述
      类型
      AudioTime
      Response.JobsDetail.Operation.SpeechRecognitionResult
      音频时长(秒)
      String
      Result
      Response.JobsDetail.Operation.SpeechRecognitionResult
      语音识别结果
      String
      FlashResult
      Response.JobsDetail.Operation.SpeechRecognitionResult
      极速语音识别结果
      Container 数组
      ResultDetail
      Response.JobsDetail.Operation.SpeechRecognitionResult
      识别结果详情，包含每个句子中的词时间偏移，一般用于生成字幕的场景。(语音识别请求中 ResTextFormat=1 时该字段不为空)
      注意：此字段可能为空，表示取不到有效值。
      Container 数组
      Container 节点 FlashResult 的内容：
      节点名称（关键字）
      父节点
      描述
      类型
      channel_id
      Response.JobsDetail.Operation.SpeechRecognitionResult.FlashResult
      声道标识，从0开始，对应音频声道数
      Integer
      text
      Response.JobsDetail.Operation.SpeechRecognitionResult.FlashResult
      声道音频完整识别结果
      String
      sentence_list
      Response.JobsDetail.Operation.SpeechRecognitionResult.FlashResult
      句子/段落级别的识别结果列表
      Container 数组
      Container 节点 sentence_list 的内容：
      节点名称（关键字）
      父节点
      描述
      类型
      text
      Response.JobsDetail.Operation.SpeechRecognitionResult.FlashResult.sentence_list
      句子/段落级别文本
      String
      start_time
      Response.JobsDetail.Operation.SpeechRecognitionResult.FlashResult.sentence_list
      开始时间
      Integer
      end_time
      Response.JobsDetail.Operation.SpeechRecognitionResult.FlashResult.sentence_list
      结束时间
      Integer
      speaker_id
      Response.JobsDetail.Operation.SpeechRecognitionResult.FlashResult.sentence_list
      说话人 ID（请求中如果设置了 speaker_diarization，可以按照 speaker_id 来区分说话人）
      Integer
      word_list
      Response.JobsDetail.Operation.SpeechRecognitionResult.FlashResult.sentence_list
      词级别的识别结果列表
      Container 数组
      Container 节点 word_list 的内容：
      节点名称（关键字）
      父节点
      描述
      类型
      word
      Response.JobsDetail.Operation.SpeechRecognitionResult.FlashResult.sentence_list.word_list
      词级别文本
      String
      start_time
      Response.JobsDetail.Operation.SpeechRecognitionResult.FlashResult.sentence_list.word_list
      开始时间
      Integer
      end_time
      Response.JobsDetail.Operation.SpeechRecognitionResult.FlashResult.sentence_list.word_list
      结束时间
      Integer
      Container 节点 ResultDetail 的内容：
      节点名称（关键字）
      父节点
      描述
      类型
      FinalSentence
      Response.JobsDetail.Operation.SpeechRecognitionResult.ResultDetail
      单句最终识别结果
      String
      SliceSentence
      Response.JobsDetail.Operation.SpeechRecognitionResult.ResultDetail
      单句中间识别结果，使用空格拆分为多个词
      String
      StartMs
      Response.JobsDetail.Operation.SpeechRecognitionResult.ResultDetail
      单句开始时间（毫秒）
      String
      EndMs
      Response.JobsDetail.Operation.SpeechRecognitionResult.ResultDetail
      单句结束时间（毫秒）
      String
      WordsNum
      Response.JobsDetail.Operation.SpeechRecognitionResult.ResultDetail
      单句中词个数
      String
      SpeechSpeed
      Response.JobsDetail.Operation.SpeechRecognitionResult.ResultDetail
      单句语速，单位：字数/秒
      String
      SpeakerId
      Response.JobsDetail.Operation.SpeechRecognitionResult.ResultDetail
      声道或说话人 ID（请求中如果设置了 speaker_diarization或者ChannelNum为双声道，可区分说话人或声道）
      String
      Words
      Response.JobsDetail.Operation.SpeechRecognitionResult.ResultDetail
      单句中词详情
      Container 数组
      Container 节点 Words 的内容：
      节点名称（关键字）
      父节点
      描述
      类型
      Word
      Response.JobsDetail.Operation.SpeechRecognitionResult.ResultDetail.Words
      词文本
      String
      OffsetStartMs
      Response.JobsDetail.Operation.SpeechRecognitionResult.ResultDetail.Words
      在句子中的开始时间偏移量
      String
      OffsetEndMs
      Response.JobsDetail.Operation.SpeechRecognitionResult.ResultDetail.Words
      在句子中的结束时间偏移量
      String

      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。

      实际案例

      请求

      POST /asr_jobs HTTP/1.1
      Authorization: q-sign-algorithm=sha1&q-ak=AKIDZfbOAo7cllgPvF9cXFrJD0a1ICvR****&q-sign-time=1497530202;1497610202&q-key-time=1497530202;1497610202&q-header-list=&q-url-param-list=&q-signature=28e9a4986df11bed0255e97ff90500557e0ea057
      Host: test-1234567890.ci.ap-beijing.myqcloud.com
      Content-Length: 166
      Content-Type: application/xml
      
      <Request>
          <Tag>SpeechRecognition</Tag>
          <Input>
              <Object>input/test.mp3</Object>
          </Input>
          <Operation>
              <SpeechRecognition>
                  <EngineModelType>16k_zh_video</EngineModelType>
                  <ChannelNum>1</ChannelNum>
                  <FilterDirty>1</ChannelNum>
                  <FilterModal>1</ChannelNum>
              </SpeechRecognition>
              <Output>
                  <Region>ap-chongqing</Region>
                  <Bucket>test-123456789</Bucket>
                  <Object>output/asr.txt</Object>
              </Output>
              <UserData>This is my data.</UserData>
              <JobLevel>0</JobLevel>
          </Operation>
          <QueueId>pcd463e1467964d39ad2d3f66aacd8199</QueueId>
          <CallBack>http://callback.demo.com</CallBack>
          <CallBackFormat>JSON<CallBackFormat>
      </Request>

      响应

      HTTP/1.1 200 OK
      Content-Type: application/xml
      Content-Length: 230
      Connection: keep-alive
      Date: Mon, 28 Jun 2022 15:23:12 GMT
      Server: tencent-ci
      x-ci-request-id: NTk0MjdmODlfMjQ4OGY3XzYzYzhf****
      
      <Response>
          <JobsDetail>
              <Code>Success</Code>
              <CreationTime>2021-08-05T15:43:50+0800</CreationTime>
              <EndTime>-</EndTime>
              <Input>
                  <BucketId>test-1234567890</BucketId>
                  <Object>input/test.mp3</Object>
                  <Region>ap-chongqing</Region>
              </Input>
              <JobId>s58ccb634149211ed84ce2b1cd7fbb14a</JobId>
              <Message/>
              <Operation>
                  <JobLevel>0</JobLevel>
                  <Output>
                      <Bucket>test-1234567890</Bucket>
                      <Object>output/asr.txt</Object>
                      <Region>ap-chongqing</Region>
                  </Output>
                  <SpeechRecognition>
                      <ChannelNum>1</ChannelNum>
                      <ConvertNumMode>0</ConvertNumMode>
                      <EngineModelType>16k_zh_video</EngineModelType>
                      <FilterDirty>0</FilterDirty>
                      <FilterModal>0</FilterModal>
                      <FilterPunc>0</FilterPunc>
                      <OutputFileType>txt</OutputFileType>
                      <ResTextFormat>0</ResTextFormat>
                      <SpeakerDiarization>0</SpeakerDiarization>
                      <SpeakerNumber>0</SpeakerNumber>
                  </SpeechRecognition>
                  <UserData>This is my data.</UserData>
                  <JobLevel>0</JobLevel>
              </Operation>
              <QueueId>pcd463e1467964d39ad2d3f66aacd8199</QueueId>
              <StartTime>-</StartTime>
              <State>Submitted</State>
              <Tag>SpeechRecognition</Tag>
          </JobsDetail>
      </Response>
      
      联系我们

      联系我们，为您的业务提供专属服务。

      联系我们
      技术支持

      如果你想寻求进一步的帮助，通过工单与我们进行联络。我们提供7x24的工单服务。

      提交工单
      7x24 电话支持
      Copyright © 2013-2024 Tencent Cloud. All Rights Reserved.
      隐私条款服务条款缓存条款