识别流式语音 (ASR)

语音流式接口，将整个音频文件分片进行传入模型。能够实时返回数据。建议每个音频分片的大小为 100-200ms。

Tip: 全局租户总限流：20 路（一个 stream_id 称为一路会话）。免费版不支持调用。

请求

项目	值
HTTP URL	https://open.feishu.cn/open-apis/speech_to_text/v1/speech/stream_recognize
HTTP Method	POST
接口频率限制	特殊频控
支持的应用类型	custom,isv
权限要求 调用该 API 所需的权限。开启其中任意一项权限即可调用	speech_to_text:speech 语音识别

请求头

名称	类型	必填	描述
Authorization	string	是	tenant_access_token 值格式："Bearer access_token" 示例值："Bearer t-7f1bcd13fc57d46bac21793a18e560" 了解更多：如何选择与获取 access token
Content-Type	string	是	固定值："application/json; charset=utf-8"

请求体

名称	类型	必填	描述
speech	speech	是	语音资源
└ speech	string	否	pcm格式音频文件（文件识别）或音频分片（流式识别）经base64编码后的内容 示例值："PdmrfE267Cd/Z9KpmNFh71A2PSJZxSp7+8upCg=="
config	stream_config	是	配置属性
└ stream_id	string	是	仅包含字母数字和下划线的 16 位字符串作为同一数据流的标识，用户生成 示例值："asd1234567890ddd"
└ sequence_id	int	是	数据流分片的序号，序号从 0 开始，每次请求递增 1 示例值：1
└ action	int	是	数据流标记：1 首包，2 正常结束，等待结果返回，3 中断数据流不返回最终结果，0 传输语音中间的数据包 示例值：1
└ format	string	是	语音格式，目前仅支持：pcm 示例值："pcm"
└ engine_type	string	是	引擎类型，目前仅支持：16k_auto 中英混合 示例值："16k_auto"

请求体示例

{
    "speech": {
        "speech": "PdmrfE267Cd/Z9KpmNFh71A2PSJZxSp7+8upCg=="
    },
    "config": {
        "stream_id": "asd1234567890ddd",
        "sequence_id": 1,
        "action": 1,
        "format": "pcm",
        "engine_type": "16k_auto"
    }
}

响应

响应体

名称	类型	描述
code	int	错误码，非 0 表示失败
msg	string	错误描述
data	\-	-
└ stream_id	string	16 位 String 随机串作为同一数据流的标识
└ sequence_id	int	数据流分片的序号，序号从 0 开始，每次请求递增 1
└ recognition_text	string	语音流识别后的文本信息

响应体示例

{
    "code": 0,
    "msg": "success",
    "data": {
        "stream_id": "asd1234567890ddd",
        "sequence_id": 1,
        "recognition_text": "你好，尝试使用一下飞书吧"
    }
}

错误码

HTTP状态码	错误码	描述	排查建议
400	1040101	invalid param	参数错误，参考文档检查输入参数
500	1040102	network anomaly	后端服务异常或网络异常，可重新请求