将60秒以内的语音精准识别为文字，可适用于手机语音输入、智能语音交互、语音指令、语音搜索等短语音交互场景。

如您对识别响应速度有更高的要求，可以使用短语音识别极速版接口，专有GPU服务集群，识别响应速度较标准版API提升2倍，识别准确率提升15%。

如您希望将大批量音频文件异步转写为文字，请使用音频文件转写接口，适合音视频字幕生产、批量录音质检、会议内容总结等场景。

• 音频格式支持：pcm（不压缩）、wav（不压缩，pcm编码）、amr（压缩格式）、m4a（压缩格式）。推荐pcm 采样率 ：16000、8000（仅支持普通话模型） 固定值。 编码：16bit 位深的单声道。
• 百度服务端会将非pcm格式，转为pcm格式，因此使用wav、amr、m4a会有额外的转换耗时。
• 对于m4a格式的文件（主要对象是微信小程序的录音）：
  • 仅支持单声道
  • 采样率支持 16000、8000（仅支持普通话模型）
  • CBR bitrates 24000-96000，推荐 48000
  • 仅支持 AAC-LC， 不支持 例如 HE-AAC ，LD，ELD 等
  • brand 仅支持 mp42:0, mini Version 0, 不支持 M4A

权限说明

调用本能力需要使用API Key进行鉴权认证。获取及使用API Key的流程请参考：APIKey鉴权说明文档

请求参数

POST http://vop.baidu.com/server_api 
Authorization: API Key String
Content-Type: application/json
{
    "format":"pcm",
    "rate":16000,
    "dev_pid":1537,
    "channel":1,
    "token":xxx,
    "cuid":"baidu_workshop",
    "len":4096,
    "speech":"xxx", // xxx为 base64（FILE_CONTENT）
}

示例代码

curl --location --request POST 'http://vop.baidu.com/server_api' \
--header 'Authorization: Bearer bce-v3/ALTAK-*********/614fb**********' \
--header 'Content-Type: application/json' \
--data-raw '{ 
    "format":"pcm",    ##输入音频的格式
    "rate":16000,      ##采样率
    "dev_pid":1537,    ##识别模型id，1537为普通话
    "channel":1,       ##固定填入1
    "cuid":"baidu_workshop",     ##自定义用户id
    "len":129600,     ##音频文件字节数
    "speech":"Base64data"    ##base64编码后的音频文件
    }'

返回响应

{"err_no":0,
 "err_msg":"success.",
 "sn":"481D633F-73BA-726F-49EF-8659ACCC2F3D",
 "result":["北京天气"]}

错误码

若请求错误，服务器将返回的JSON文本包含以下参数：

• error_code：错误码。
• error_msg：错误描述信息，帮助理解和解决发生的错误。