Skip to main content

​
开天非流式语音识别

通过 POST /v1/asr 提交完整音频文件。识别完成后，接口一次性返回文本结果。

​
可用模型

模型
ktian-asr-file-onnx

​
请求地址

POST https://model-api.skyengine.com.cn/v1/asr
请求 Header： 
Authorization: Bearer <API-KEY>
Content-Type: application/json

​
使用音频 URL

audio_url 必须是平台能够直接访问的音频文件地址。以下示例提交 WAV 文件： 
curl --request POST \
  --url https://model-api.skyengine.com.cn/v1/asr \
  --header 'Authorization: Bearer <API-KEY>' \
  --header 'Content-Type: application/json' \
  --data '{
    "model": "ktian-asr-file-onnx",
    "audio_url": "https://example.com/audio.wav"
  }'

import os
import requests

response = requests.post(
    "https://model-api.skyengine.com.cn/v1/asr",
    headers={"Authorization": f"Bearer {os.environ['MODELHUB_API_KEY']}"},
    json={
        "model": "ktian-asr-file-onnx",
        "audio_url": "https://example.com/audio.wav",
    },
    timeout=120,
)
response.raise_for_status()
print(response.json()["text"])

const response = await fetch("https://model-api.skyengine.com.cn/v1/asr", {
  method: "POST",
  headers: {
    "Authorization": `Bearer ${process.env.MODELHUB_API_KEY}`,
    "Content-Type": "application/json"
  },
  body: JSON.stringify({
    model: "ktian-asr-file-onnx",
    audio_url: "https://example.com/audio.wav"
  })
});

if (!response.ok) throw new Error(await response.text());
const result = await response.json();
console.log(result.text);

​
使用 Base64 音频

audio_b64 是完整音频文件字节的 Base64 字符串。不要添加 data:audio/...;base64, 前缀。
Python
import base64
import os
import requests

with open("audio.wav", "rb") as audio_file:
    audio_b64 = base64.b64encode(audio_file.read()).decode("ascii")

response = requests.post(
    "https://model-api.skyengine.com.cn/v1/asr",
    headers={"Authorization": f"Bearer {os.environ['MODELHUB_API_KEY']}"},
    json={
        "model": "ktian-asr-file-onnx",
        "audio_b64": audio_b64,
    },
    timeout=120,
)
response.raise_for_status()
print(response.json()["text"])

​
请求参数

参数类型必填说明
modelstring是固定为 ktian-asr-file-onnx。
audio_urlstring条件必填可公开访问的音频文件 URL；与 audio_b64 选择一种。
audio_b64string条件必填完整音频文件字节的 Base64 字符串；与 audio_url 选择一种。

​
响应

{
  "text": "甚至出现交易几乎停滞的情况",
  "time_cost": {
    "asr": 138,
    "audio_download": 254
  }
}
字段类型说明
textstring完整识别文本。
sentencesobject[]分句结果；模型返回分句信息时出现。
sentences[].textstring当前分句文本。
sentences[].startinteger当前分句在音频中的开始时间，单位为毫秒。
sentences[].endinteger当前分句在音频中的结束时间，单位为毫秒。
time_costobject本次请求各处理阶段的耗时，单位为毫秒。
当前已验证 WAV 文件可通过 audio_url 或 audio_b64 提交。使用其他音频格式前，请先转换为 WAV。