阿里云语音识别api接口使用说明

阿里云语音识别开通地址 https://www.aliyun.com/product/vms
阿里云语音识别官方帮助文档 https://help.aliyun.com/document_detail/55070.html
一、接口描述
1. 功能描述
语音转换成文字。
 
2. 能力说明
语音识别API根据不同的使用场景，使用在对应领域场景下训练的模型，以提高识别准确率。
 
3. 音频要求
建议的音频格式：wav、mp3、amr
建议的音频采样率：8000 Hz 或 16000 KHz（根据模型领域选择）
建议的声道数：单声道
单次请求的音频最大时长：60秒以内

4. 接口使用
根据购买流程下单后，即可开始体验业内领先的人工智能API服务。公测期间服务具有调用量、QPS限制，如需更高性能的API服务，请联系客服扩容购买。
 
在获得使用权限后，您可使用已经封装好的SDK进行相应开发，整体流程详见调用方法 。
 
二、请求说明
1. 接口地址
https://aiapi.cloud.com/jdai/asr
2. 请求方式
https post aiapi.cloud.com/jdai/asr
 
3. 请求参数
（1）header请求参数
字段说明：

• Property参数

• encode字段

（2）body请求参数
填充待识别的音频数据（二进制）。 音频数据可按照自定义长度进行切分，按顺序分包上传，并与 header 请求参数中的 Sequence-Id 参数的顺序保持对应。
 
4. 请求代码示例
建议您使用我们提供的SDK进行调用，SDK获取及调用方式详见sdk的使用方法
 
Python 3 示例程序如下：
 
python
import requests
import json
import time
import uuid
import hashlib
from urllib.parse import urlencode
import sys
import importlib
importlib.reload(sys)
 
url = 'https://aiapi.jd.com/jdai/asr'
 
encode = {
       'channel':1,
       'format':'wav',
       'sample_rate':16000,
       }
Property = {
       'platform':'Linux',
       'version':'0.0.0.1',
       'autoend':False,
       'encode':encode,
       }
headers = {
       'Content-Type':'application/octet-stream',
       'Domain':'general',
       'Request-Id':str(uuid.uuid1()),
       'Sequence-Id':str(-1),
       'Property':json.dumps(Property)
       }
query = {
       'appkey':'your appkey',
       'timestamp':'',
       'sign':''
       }
 
audiofile = '16k_audio.wav'
secretkey = 'your secretkey'
 
def test_single(audiofile):
  query['timestamp'],query['sign'] = sign(secretkey)
  url_query = '?'.join([url, urlencode(query)])
  #seq = 1
  #packagelen = 4000
 
  with open(audiofile, mode='rb') as f:
    while True:
      audiodata=f.read()
      #audiodata=f.read(int(packagelen))
      if not audiodata:
        break
      #else:
        #if len(audiodata) < int(packagelen):
          #headers['Sequence-Id'] = str(-seq)
        #else:
          #headers['Sequence-Id'] = str(seq)
      r = requests.post(url_query, headers=headers, data=audiodata)
      #seq += 1
  print(r.text)
 
def sign(secretkey):
    m = hashlib.md5()
    nowTime = int(time.time() * 1000)
    before = secretkey + str(nowTime)
    m.update(before.encode('utf8'))
    return str(nowTime), m.hexdigest()
 
if __name__ == '__main__':
    audiofile = sys.argv[1] if len(sys.argv) > 1 else audiofile
    test_single(audiofile)
三、返回说明
1. 返回参数
（1）公共返回参数

（2）业务返回参数

服务器返回的识别结果采用json格式：

2. 返回示例
 
{
    "code": "10000",
    "charge": false,
    "remain": 0,
    "msg": "查询成功",
    "result": {
        "request_id": "56a847e6-84c0-4c01-bf4b-d566f2d2dd11",
        "status": 0,
        "index": -1,
        "message": "",
        "content": [
            {
                "text": "你好 阿里"
            }
        ]
    }
}