创建流式语音转文本任务

描述

调用本接口，通过配置相关参数，创建一个实时流式的语音转文本任务。

接口原型

• 请求方法：POST
• 中国大陆正式环境请求地址：https://aigc-api.zegotech.cn/?Action=CreateStreamAsr
• 传输协议：HTTPS
• 调用频率限制：10 次/秒

请求参数

以下请求参数列表仅列出了接口请求参数，公共参数列表请参考 调用方式 - 公共请求参数。

请求消息体

客户端上传 binary message 到 ZEGO 服务端，内容为音频流二进制数据。

Opus 音频流封装说明

压缩 FrameSize 固定为 640，即一次压缩 640 short，否则解压会失败，传到服务端可以是多帧的拼接组合，每一帧需满足以下格式。每一帧压缩数据封装如下：

请求示例

• 请求 URL：

  https://aigc-api.zegotech.cn/?Action=CreateStreamAsr
  &AppId=1234567890
  &SignatureNonce=15215528852396
  &Timestamp=1234567890
  &Signature=7a2c0f11145fb760d607a07b54825013
  &SignatureVersion=2.0
  &LanguageType=zh
  &VoiceId=a298b578-1a11-48c4-a3f1-a5c7b17db156
  &VoiceFormat=12
  &ConvertNumMode=1

• 请求消息体：

  在识别过程中，客户端持续上传 binary message 到 ZEGO 服务端，内容为音频流二进制数据。建议每 40 ms 发送 40 ms 时长（即 1:1 实时率）的数据包，对应 PCM 大小为：8K 采样率 640 字节，16K 采样率 1280 字节。

  音频发送速率过快超过 1:1 实时率或者音频数据包之间发送间隔超过 6 秒，可能导致引擎出错，后台将返回错误并主动断开连接。

响应参数

请求成功

此时响应参数的 Content-Type 为 text/event-stream。响应参数为流式返回，格式为 data: {以下响应参数的 json 包}。

请求失败

此时响应参数的 Content-Type 为 application/json，说明如下：

响应示例

• 请求成功的响应示例： 客户端上传数据的过程中，需要同步接收后台返回的实时识别结果，最终返回 Final 值为 1 的消息并断开连接。若识别过程中如果出现错误，后台返回 code 为非 0 值的消息，并断开连接。结果示例如下：

  {
      "TaskId": "ffa13bb6-d39f-442b-a226-314f93ff4dd4",
      "Code": 0,
      "Message": "success",
      "VoiceId": "a298b578-1a11-48c4-a3f1-a5c7b17db156",
      "MessageId": "a298b578-1a11-48c4-a3f1-a5c7b17db156_1",
      "Final": 1,
      "Result": {
          "SliceType": 0,
          "Index": 0,
          "StartTime": 0,
          "EndTime": 0,
          "VoiceTextStr": "",
          "WordSize": 0
      }
  }

• 请求失败的响应示例：

  {
      "Code": 400000013,
      "Message": "stream tts error"
  }

返回码

以下仅列出了常见的接口业务逻辑相关的返回码，完整返回码请参考 全局返回码。