使用须知支持的输入格式:PCM编码、16bit采样位数、单声道(mono)。
支持的音频采样率:8000Hz/16000Hz。
支持设置返回结果:是否返回中间识别结果,在后处理中添加标点,将中文数字转为阿拉伯数字输出。
支持设置多语言识别:在控制台编辑项目中进行模型选择,详情请参见
服务地址访问类型说明URL外网访问所有服务器均可使用外网访问URL(SDK中默认设置了外网访问URL)。wss://nls-gateway.cn-shanghai.aliyuncs.com/ws/v1
上海ECS内网访问使用阿里云上海ECS(即ECS地域为华东2(上海)),可使用内网访问URL。ECS的经典网络不能访问AnyTunnel,即不能在内网访问语音服务;如果希望使用AnyTunnel,需要创建专有网络在其内部访问。
说明
使用内网访问方式,将不产生ECS实例的公网流量费用。
关于ECS的网络类型请参见ws://nls-gateway.cn-shanghai-internal.aliyuncs.com:80/ws/v1
交互流程
说明
所有服务端的响应都会在返回信息的header包含用于表示本次识别任务的task_id参数,请记录下该值,如果发生错误,请将task_id和错误信息提交到工单。
1. 鉴权
客户端与服务端建立WebSocket连接时,使用Token进行鉴权。关于Token获取请参见
2. 开始识别
客户端发起请求,服务端确认请求有效。其中在请求消息中需要进行参数设置,各参数由SDK中SpeechTranscriber对象的set方法设置,各参数含义如下:参数类型是否必选说明appkeyString是管控台创建的项目appkey。
formatString否音频编码格式,默认是PCM(无压缩的PCM文件或WAV文件),16bit采样位数的单声道。
sample_rateInteger否音频采样率,默认是16000Hz,根据音频采样率在管控台对应项目中配置支持该采样率及场景的模型。
enable_intermediate_resultBoolean否是否返回中间识别结果,默认是False。
enable_punctuation_predictionBoolean否是否在后处理中添加标点,默认是False。
enable_inverse_text_normalizationBoolean否是否在后处理中执行ITN,设置为true时,中文数字将转为阿拉伯数字输出,默认是False。
说明
不会对词信息进行ITN转换。
customization_idString否自学习模型ID。
vocabu