腾讯AI语音识别API踩坑记录

腾讯AI语音识别API踩坑记录

介绍

以前不习惯“踩坑”这个词，现在也不习惯。不过看大家都在用，我也用一下试试。

腾讯AI语音识别分为三个版本，分别是ECHO、流式、微信专用流式。前两个比较好理解，为什么还有一个微信专用流式呢？这是因为微信小程序中录音API录制的音频格式只能是压缩过的mp3/ogg格式，而一般语音识别API都只识别一些非压缩格式，比如WAV，PCM等等。所以腾讯另外添加了微信专用流式。

一般来讲，像这种第三方API调用都比较简单，把需要传递的参数加上APP_KEY和APP_ID一并给服务器传递过去，就可以得到相应的返回数据。而腾讯AI语音识别API需要额外的接口鉴权，鉴权正确了才会返回正确结果。

接口鉴权

接口鉴权通俗讲就是把所有的参数按照一定顺序排列然后做一个MD5计算，把计算结果当成一个参数传递给服务器，服务器在接收到请求时也会计算一下MD5值，与客户端传递过来的MD5值进行匹配，如果值一致就进一步处理，如果不一致则报鉴权失败的错误{ret: 16388, msg: "sign invalid", data: {…}}。

接口鉴权的官方介绍里提供了PHP语言的DEMO，如果需要用JS版本的，可以看这里我封装的一个DEMO，该DEMO确认可行的。

对于接口鉴权需要额外补充的是如果调用API时多传递了一个参数，且该参数参与了接口鉴权的MD5计算，那么服务器也会报一个sign invalid的错误，原因是服务器在接口鉴权时只会使用会用到的参数，你多传递的参数只有在客户端参与了MD5计算，而服务器上没有使用这个参数进行计算，从而导致计算出的MD5值不一样。多传参数时并不会报错，这是一个小坑。

这里把参数整理方便对比：

echo	流式版	流式版(WeChat AI)
app_id	app_id	app_id
format	format	format
rate	rate	rate
-	-	bits
-	seq	seq
-	len	len
-	end	end
-	speech_id	speech_id
speech	speech_chunk	speech_chunk
-	-	cont_res
time_stamp	time_stamp	time_stamp
nonce_str	nonce_str	nonce_str
sign	sign	sign