文章目录
讯飞ASR转写API完整指南
1. 引言
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。
2. 讯飞ASR API介绍
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：
- 生成签名 - 认证请求的合法性。
- 上传音频 - 通过URL方式或本地文件上传音频。
- 查询结果 - 轮询转写结果，等待识别完成。
- 解析结果 - 处理返回的JSON数据，提取文本和说话人信息。
3. API参数说明
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 |
| 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） |
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
{
"code": "000000",
"descInfo": "success",
"content": {
"orderId": "DKHJQ202209021522090215490FAAE7DD0008C",
"taskEstimateTime": 28000
}
}
失败
{
"code": "26600",
"descInfo": "转写业务通用错误"
}
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. Python代码实现
4.1 生成签名
def generate_signa(self):
"""
生成签名
:return: 签名字符串
"""
appid = self.appid
ts = self.ts
base_string = appid + ts
md5 = hashlib.md5()
md5.update(base_string.encode('utf-8'))
base_string_md5 = md5.hexdigest()
key = self.secret_key.encode('utf-8')
message = base_string_md5.encode('utf-8')
hmac_obj = hmac.new(key, message, hashlib.sha1)
signa = base64.b64encode(hmac_obj.digest()).decode('utf-8')
return signa
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（orderId，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
https://raasr.xfyun.cn/v2/api/upload?duration=200&signa=Je5YsBvPcsbB4qy8Qvzd367fiv0%3D&fileName=%E9%98%B3%E5%85%89%E6%80%BB%E5%9C%A8%E9%A3%8E%E9%9B%A8%E5%90%8E.speex-wb&fileSize=11895&sysDicts=uncivilizedLanguage&appId=3e79d91c&ts=1662101767
#URL
POST https: //raasr.xfyun.cn/v2/api/upload
#请求头
Content-Type: application/json; charset=UTF-8,Chunked: false
#signa生成
def upload(self):
"""
上传音频文件
:return: 上传响应结果
"""
try:
file_name = os.path.basename(urllib.parse.unquote(self.audio_url))
param_dict = {
"appId": self.appid,
"signa": self.signa,
"ts": self.ts,
"fileName": file_name,
"fileSize": "10000",
"duration": "200",
"language": "cn",
"audioMode": "urlLink",
"audioUrl": urllib.parse.quote(self.audio_url, safe='')
}
url = lfasr_host + api_upload + "?" + urllib.parse.urlencode(param_dict)
response = requests.post(url, headers={"Content-Type": "application/json; charset=UTF-8"})
result = json.loads(response.text)
if str(result.get('code', '')) != '000000':
return None
return result
except Exception as e:
return None
4.3 获取转写结果
status == 4
def get_result(self):
"""
获取转写结果
:return: 转写结果
"""
uploadresp = self.upload()
if not uploadresp:
return None
try:
orderId = uploadresp['content']['orderId']
param_dict = {
"appId": self.appid,
"signa": self.signa,
"ts": self.ts,
"orderId": orderId,
'roleType':1,
'roleNum':2,
"resultType": "transfer"
}
url = lfasr_host + api_get_result + "?" + urllib.parse.urlencode(param_dict)
status = 3
while status == 3:
response = requests.post(url, headers={"Content-Type": "application/json; charset=UTF-8"})
result = json.loads(response.text)
if str(result.get('code', '')) != '000000':
continue
status = result['content']['orderInfo']['status']
if status == 4:
return result
time.sleep(5)
return None
except Exception as e:
return None
查询结构返回数据
{
"code": "000000",
"descInfo": "success",
"content": {
"orderInfo": {
"orderId": "DKHJQ2022090510220905100562536FEF00062",
"failType": 0,
"status": 4,
"originalDuration": 200,
"realDuration": 1878
},
"orderResult": "{\"lattice\":[{\"json_1best\":\"{\\\"st\\\":{\\\"sc\\\":\\\"0.86\\\",\\\"pa\\\":\\\"0\\\",\\\"rt\\\":[{\\\"ws\\\":[{\\\"cw\\\":[{\\\"w\\\":\\\"这\\\",\\\"wp\\\":\\\"n\\\",\\\"wc\\\":\\\"1.0000\\\"}],\\\"wb\\\":1,\\\"we\\\":16},{\\\"cw\\\":[{\\\"w\\\":\\\"是\\\",\\\"wp\\\":\\\"n\\\",\\\"wc\\\":\\\"1.0000\\\"}],\\\"wb\\\":17,\\\"we\\\":36},{\\\"cw\\\":[{\\\"w\\\":\\\"一\\\",\\\"wp\\\":\\\"n\\\",\\\"wc\\\":\\\"1.0000\\\"}],\\\"wb\\\":37,\\\"we\\\":52},{\\\"cw\\\":[{\\\"w\\\":\\\"条\\\",\\\"wp\\\":\\\"n\\\",\\\"wc\\\":\\\"1.0000\\\"}],\\\"wb\\\":53,\\\"we\\\":80},{\\\"cw\\\":[{\\\"w\\\":\\\"测试\\\",\\\"wp\\\":\\\"n\\\",\\\"wc\\\":\\\"1.0000\\\"}],\\\"wb\\\":81,\\\"we\\\":116},{\\\"cw\\\":[{\\\"w\\\":\\\"音频\\\",\\\"wp\\\":\\\"n\\\",\\\"wc\\\":\\\"1.0000\\\"}],\\\"wb\\\":117,\\\"we\\\":172},{\\\"cw\\\":[{\\\"w\\\":\\\"。\\\",\\\"wp\\\":\\\"p\\\",\\\"wc\\\":\\\"0.0000\\\"}],\\\"wb\\\":172,\\\"we\\\":172},{\\\"cw\\\":[{\\\"w\\\":\\\"\\\",\\\"wp\\\":\\\"g\\\",\\\"wc\\\":\\\"0.0000\\\"}],\\\"wb\\\":172,\\\"we\\\":172}]}],\\\"bg\\\":\\\"50\\\",\\\"rl\\\":\\\"0\\\",\\\"ed\\\":\\\"1840\\\"}}\"}],\"lattice2\":[{\"lid\":\"0\",\"end\":\"1840\",\"begin\":\"50\",\"json_1best\":{\"st\":{\"sc\":\"0.86\",\"pa\":\"0\",\"rt\":[{\"nb\":\"1\",\"nc\":\"1.0\",\"ws\":[{\"cw\":[{\"w\":\"这\",\"wp\":\"n\",\"wc\":\"1.0000\"}],\"wb\":1,\"we\":16},{\"cw\":[{\"w\":\"是\",\"wp\":\"n\",\"wc\":\"1.0000\"}],\"wb\":17,\"we\":36},{\"cw\":[{\"w\":\"一\",\"wp\":\"n\",\"wc\":\"1.0000\"}],\"wb\":37,\"we\":52},{\"cw\":[{\"w\":\"条\",\"wp\":\"n\",\"wc\":\"1.0000\"}],\"wb\":53,\"we\":80},{\"cw\":[{\"w\":\"测试\",\"wp\":\"n\",\"wc\":\"1.0000\"}],\"wb\":81,\"we\":116},{\"cw\":[{\"w\":\"音频\",\"wp\":\"n\",\"wc\":\"1.0000\"}],\"wb\":117,\"we\":172},{\"cw\":[{\"w\":\"。\",\"wp\":\"p\",\"wc\":\"0.0000\"}],\"wb\":172,\"we\":172},{\"cw\":[{\"w\":\"\",\"wp\":\"g\",\"wc\":\"0.0000\"}],\"wb\":172,\"we\":172}]}],\"pt\":\"reserved\",\"bg\":\"50\",\"si\":\"0\",\"rl\":\"0\",\"ed\":\"1840\"}},\"spk\":\"段落-0\"}]}",
"taskEstimateTime": 0
}
4.4 解析转写结果
def parse_result(self, result_json):
"""
解析转写结果，按说话人分组
"""
try:
result = json.loads(result_json)
speakers = {}
if 'lattice2' in result:
for item in result['lattice2']:
speaker = item.get('spk', '未知')
json_1best = json.loads(item['json_1best'])
text = "".join(cw['w'] for rt in json_1best.get('st', {}).get('rt', []) for ws in rt.get('ws', []) for cw in ws.get('cw', []) if 'w' in cw)
speakers.setdefault(speaker, []).append(text)
return speakers
except Exception as e:
return None
5. 请求与返回示例
5.1 成功返回示例
{
"code": "000000",
"descInfo": "success",
"content": {
"orderId": "DKHJQ202209021522090215490FAAE7DD0008C",
"taskEstimateTime": 28000
}
}
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 upload 传了callbackUrl），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：
GET http://ip:prot/server/xxx?orderId=DKHJQ202004291620042916580FBC96690001F&status=1
6. 文档地址
7. 结论
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