FunASR 流式语音识别
通过 WebSocket 接口/v1/stream_asr 持续发送 PCM 音频，并实时接收中文识别结果。
可用模型
| 模型 |
|---|
aigc-cpp-funasr-sysj |
音频要求
该模型部署的是中文 16 kHz Paraformer 在线识别模型。发送的音频必须满足以下要求：| 项目 | 要求 |
|---|---|
| 编码 | PCM signed 16-bit little-endian |
| 采样率 | 16000 Hz |
| 声道 | 单声道 |
| 容器 | 裸 PCM，不包含 WAV 文件头 |
ffmpeg -i input.wav -f s16le -acodec pcm_s16le -ac 1 -ar 16000 input.pcm
Python 示例
安装依赖：pip install websockets
import asyncio
import base64
import json
import os
import uuid
import websockets
API_KEY = os.environ["MODELHUB_API_KEY"]
WS_URL = "wss://model-api.skyengine.com.cn/v1/stream_asr?model=aigc-cpp-funasr-sysj"
async def recognize(path: str) -> None:
headers = {"Authorization": f"Bearer {API_KEY}"}
trace_id = f"segment_{uuid.uuid4().hex}"
async with websockets.connect(WS_URL, additional_headers=headers) as ws:
with open(path, "rb") as audio_file:
while chunk := audio_file.read(3200):
await ws.send(json.dumps({
"type": "input_audio_buffer.append",
"trace_id": trace_id,
"audio": base64.b64encode(chunk).decode(),
}))
await asyncio.sleep(0.1)
# 发送静音，让服务端完成当前语音段
await ws.send(json.dumps({
"type": "input_audio_buffer.append",
"trace_id": trace_id,
"audio": base64.b64encode(bytes(32000)).decode(),
}))
completed = []
while True:
try:
message = await asyncio.wait_for(ws.recv(), timeout=3)
except asyncio.TimeoutError:
break
event = json.loads(message)
if event.get("type") == "error":
raise RuntimeError(event["error"]["message"])
if event.get("type") == "conversation.item.input_audio_transcription.delta":
print("实时结果：", event["transcript"])
if event.get("type") == "conversation.item.input_audio_transcription.completed":
completed.append(event["transcript"])
print("最终结果：", "".join(completed))
asyncio.run(recognize("input.pcm"))
请求格式
ASR 使用 WebSocket 协议，因此建连请求没有 HTTP JSON Body。连接成功后，客户端通过 WebSocket 文本消息发送音频 JSON Body。 建连地址：wss://model-api.skyengine.com.cn/v1/stream_asr?model=aigc-cpp-funasr-sysj
Authorization: Bearer <API-KEY>
{
"type": "input_audio_buffer.append",
"trace_id": "segment_01",
"audio": "<BASE64_PCM_AUDIO>"
}
连接参数
| 参数 | 位置 | 必填 | 说明 |
|---|---|---|---|
model | URL Query | 是 | 固定为 aigc-cpp-funasr-sysj。 |
Authorization | Header | 是 | Bearer <API-KEY>。 |
session.config，也无需等待 session.ready。
输入事件
每个音频事件包含一段 Base64 编码的 PCM 字节：{
"type": "input_audio_buffer.append",
"trace_id": "segment_01",
"audio": "<BASE64_PCM_AUDIO>"
}
| 参数 | 类型 | 必填 | 说明 |
|---|---|---|---|
type | string | 是 | 固定为 input_audio_buffer.append。 |
audio | string | 是 | Base64 编码的 PCM 音频字节。 |
trace_id | string | 否 | 客户端为当前语音段生成的关联 ID；平台会在该语音段的识别事件中回传相同值。它不是平台请求链路的 Trace ID。 |
输出事件
| 事件 | 说明 |
|---|---|
conversation.item.created | 创建了一段新的语音识别内容。 |
input_audio_buffer.speech_started | 检测到语音开始。 |
conversation.item.input_audio_transcription.delta | 当前语音段的实时累计识别文本。 |
input_audio_buffer.speech_stopped | 检测到语音结束。 |
conversation.item.input_audio_transcription.completed | 当前语音段的最终识别文本；一次连接可能返回多条。 |
error | 请求或识别失败。 |
{
"event_id": "event_xxx",
"type": "conversation.item.input_audio_transcription.completed",
"item_id": "item_xxx",
"content_index": 0,
"transcript": "欢迎使用语音识别服务。",
"audio_duration": 3
}