Skip to main content

​
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
转换示例： 
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
建连 Header： 
Authorization: Bearer <API-KEY>
音频消息 Body： 
{
  "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
modelURL Query是固定为 aigc-cpp-funasr-sysj。
AuthorizationHeader是Bearer <API-KEY>。
WebSocket 建连成功后可以直接发送音频消息，无需先发送 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
typestring是固定为 input_audio_buffer.append。
audiostring是Base64 编码的 PCM 音频字节。
trace_idstring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。
最终结果事件示例： 
{
  "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
}