实时语音识别(普通话) (算法编码：8005200062)

协议类型：WebSocket

---

一、接入点

环境	地址
公网	wss://api-maas.teleai.com.cn/aipaas/voice/v1/StandardAsrRealtime160/asr

• API Path：/aipaas/voice/v1/StandardAsrRealtime160/asr
• 请求方法：WebSocket
• Content-Type：application/json

---

二、鉴权

采用请求头携带鉴权信息，在建立 WebSocket 连接时通过 Header 传递：

Authorization: <鉴权信息>

• 鉴权规则请参见：开发指南 - 签名认证方式。
• 鉴权在线生成工具：API在线签名计算工具。

请求头	必填	说明
Content-Type	是	内容类型，固定application/json
X-APP-ID	是	控制台 → 应用管理 → AppID
Device-Uuid	是	设备uuid
Authorization	是	鉴权信息

---

三、能力简介

实时语音识别，用于实时音频流转换为文字场景，支持一边上传音频流，一边实时返回转写结果。

• 音频属性：采样率 16k 或 8k，位宽 16 bit，单声道
• 音频格式：PCM 音频流

3.1 修订历史

修订日期	算法版本号	修订内容
2026-07-29	V1.0.0	新算法上线，开放平台专用 160M 模型能力的实时语音识别算法能力

---

四、请求与响应

4.1 建链状态码

code	说明	解决方法
101	成功	建链成功，开始语音识别
1000	成功	正常关闭
1002	失败	协议错误/联系服务台
1005	失败	异常断开
1006	失败	异常断开
4002	失败	服务异常，联系服务台
4004	失败	服务异常，联系服务台

4.2 请求参数

4.2.1 顶层字段

字段	类型	必填	说明
req_id	string	是	请求全局唯一 id，记录该值便于排查问题（发送开始识别rec_status=0 时必填）
rec_status	int	是	识别状态：0 开始识别；1 发送语音流；2 结束语音流
audio_stream	string	否	语音流，采用 base64 编码（rec_status=1 时必填）
option	object	否	语音识别配置可选项，客户端发送开始识别请求时配置

• 客户端通过 WebSocket 连接发送 JSON 消息，通过 rec_status 字段控制识别流程。

4.2.2 识别配置 option

字段	类型	必填	说明
sample_rate	int	否	音频采样率，默认值16000Hz
enable_punctuation	boolean	否	是否加标点，默认true，若开启，则在 res_status=3 时给识别文本增加标点
enable_inverse_text_normalization	boolean	否	是否开启 ITN，默认true，若开启，则在 res_status=3 时对识别文本进行逆文本规范化
enable_emendation	boolean	否	是否开启校勘，默认false，若开启，则在 res_status=3 时对识别文本进行校准
enable_words	boolean	否	是否开启返回词信息，默认false，若开启，则同时返回字级别时间戳
enable_s2t	boolean	否	是否返回繁体中文，默认值false
province	string	否	用于区分各省热词列表，使用方式同hotword_list_id，两者二选一（仅对来自电信万号的业务开放，其他业务不要使用）
hotwords	array	否	热词列表，string 数组
hotword_list_id	string	否	热词列表查询 ID（需要部署星河热词平台）
banned_word_list_id	string	否	敏感词列表查询 ID（需要部署星河敏感词平台）
max_end_silence	int	否	句尾静音阈值，单位 ms

4.3 响应体

4.3.1 顶层字段

字段	类型	说明
code	int	返回码
message	string	返回码描述
sid	string	会话全局唯一 id，用于记录本次会话
res_status	int	响应状态：0 识别就绪；1 识别到有效语音开始；2 返回中间识别结果（需开启中间结果）；3 检测到一段有效语音结束，返回该段语音的识别结果；4 处理完所有音频数据，返回尚未返回的识别结果（如果有）
data	object	识别结果数据
elps_time	int	当前识别结果所对应的已处理音频总时长，单位毫秒

4.3.2 识别结果 data

字段	类型	说明
sn	int	句子编号，从0 开始
results	array	当前句子识别结果，如果开启object.nbest，则返回多个结果

4.3.3 识别结果项 results[]

字段	类型	说明
text	string	句子识别结果
begin_time	int	句子开始时间，单位毫秒
end_time	int	句子结束时间，单位毫秒
speed	float	句子语速，仅在res_status=3 时返回，单位：字/秒
loudness	float	句子音量，仅在res_status=3 时返回，单位：db
pitch	float	句子语调，仅在res_status=3 时返回，单位：hz
lang	string	识别结果的语种，仅在res_status=3 时输出（可选扩展能力，取决于部署服务是否包含该项能力，使用前请与技术支持核实）
words	array	当前句子的词信息

4.3.4 词信息 words[]

字段	类型	说明
text	string	词信息
begin_time	int	词开始时间，单位毫秒
end_time	int	词结束时间，单位毫秒

---

五、交互流程

5.1 开始识别

客户端发送开始识别请求，通过请求 body 携带语音识别可选配置参数：

{
  "option": {
    "sample_rate": 16000,
    "enable_punctuation": true,
    "enable_inverse_text_normalization": true
  },
  "req_id": "aae36140-bc13-441f-81f9-6700fe7a5e96",
  "rec_status": 0
}

响应结果：

{
  "code": 10000,
  "message": "success",
  "sid": "aae36140-bc13-441f-81f9-6700fe7a5e96",
  "res_status": 0
}

5.2 发送语音流

客户端收到识别就绪响应后，开始发送语音流数据：

{
  "rec_status": 1,
  "audio_stream": "000asraae361406700fe7a5e9681f956210b5f1270"
}

接收识别结果示例：

{
  "code": 10000,
  "message": "success",
  "sid": "aae36140-bc13-441f-81f9-6700fe7a5e96",
  "res_status": 2,
  "data": {
    "sn": 1,
    "results": [{
      "lang": "zh",
      "text": "你好今天",
      "begin_time": 1500,
      "end_time": 2800,
      "words": [
        { "text": "你", "begin_time": 50, "end_time": 70 },
        { "text": "好", "begin_time": 50, "end_time": 70 },
        { "text": "今", "begin_time": 50, "end_time": 70 },
        { "text": "天", "begin_time": 50, "end_time": 70 }
      ]
    }]
  }
}

5.3 结束语音流

客户端语音流发送完成后，发送结束标志：

{
  "rec_status": 2
}

5.4 关闭连接

客户端如果不需要继续进行语音识别，则立即关闭 WebSocket 连接（避免占用资源）。如果需要继续进行语音识别（多轮对话场景），需要从开始识别状态开始，按照上述步骤依次执行。

---

六、识别状态码说明

6.1 算法状态码

状态码	说明	描述	解决方法
10000	success	成功	执行下一步操作
20003	Banned word(s) detected in input	敏感词命中	成功，并检测到敏感词
10001	parse request body fail	URL body 格式不对	查看请求的 URL body 格式是否正确，参考接口文档
10002	session not found	会话 id 查询失败	检查客户端发送的请求，通常是因为没有发送开始识别请求
10003	required parameter miss	参数缺失	检查接口文档，补全入参
10004	duplicated session id	会话 id 重复	检查客户端发送的请求，通常是因为重复发送开始识别请求
10005	worker pool overflow	超并发	联系研发人员进行排查
10006	unknown error	未知错误	联系研发人员进行排查
10007	Non-real-time audio data	非实时音频数据	检查发送的音频数据是否与每次发送间隔的时间一致，比如每 200ms 发送 200ms 的音频数据
10008	Session not begun	尚未发送开始识别标志	检查是否发送开始识别标志
10009	Session is running	重复发送开始识别标志	检查是否重复发送开始识别标志，若重复，请先发送结束识别标志
10010	Hotword list load failed	热词表查询失败	检查X-APP-ID、热词表 ID 是否有错误，检查热词查询服务是否有错误
10011	Banned Word List Loads failed	敏感词表查询失败	检查X-APP-ID、敏感词 ID 是否有错误，检查敏感词查询服务是否有错误

6.2 公共状态码

• 接口响应的公共状态码由网关统一定义，一般用于标识鉴权失败、限流或服务异常，具体业务错误码、错误信息及排查建议请参考：开发指南-公共信息及状态码。

---

七、调用示例

Python

import asyncio
import websockets
import json

# 配置环境变量
X_APP_ID = "yourAppId"
AUTHORIZATION = "yourAuthorization"
DEVICE_UUID = "yourDeviceUuid"

# 请求的 URL
URL = "wss://api-maas.teleai.com.cn/aipaas/voice/v1/StandardAsrRealtime160/asr"

# 开始识别请求参数
request_data = {
    "req_id": "aae36140-bc13-441f-81f9-6700fe7a5e96",
    "rec_status": 0,
    "audio_stream": "",
    "option": {
        "sample_rate": 16000,
        "enable_punctuation": True,
        "enable_inverse_text_normalization": True,
        "enable_emendation": False,
        "enable_s2t": False,
        "enable_words": False,
        "hotwords": [],
        "max_end_silence": 0
    }
}

async def connect_websocket():
    headers = {
        "Content-Type": "application/json",
        "Device-Uuid": DEVICE_UUID,
        "X-APP-ID": X_APP_ID,
        "Authorization": AUTHORIZATION
    }

    try:
        async with websockets.connect(URL, extra_headers=headers) as websocket:
            print("连接已建立")

            # 1. 发送开始识别请求
            await websocket.send(json.dumps(request_data))
            response = await websocket.recv()
            print(f"开始识别响应: {response}")

            # 2. 发送语音流（示例，实际应读取 PCM 音频文件并 base64 编码）
            audio_chunk = {
                "rec_status": 1,
                "audio_stream": "base64编码的音频数据"
            }
            await websocket.send(json.dumps(audio_chunk))

            # 持续接收识别结果
            while True:
                response = await websocket.recv()
                print(f"识别结果: {response}")
                # 根据业务逻辑判断是否结束

            # 3. 结束语音流
            await websocket.send(json.dumps({"rec_status": 2}))

    except Exception as e:
        print(f"连接异常: {e}")

if __name__ == "__main__":
    asyncio.run(connect_websocket())

Java（使用 Java-WebSocket + FastJSON）

import java.net.URI;
import java.util.HashMap;
import java.util.Map;

import com.alibaba.fastjson.JSONObject;
import org.java_websocket.client.WebSocketClient;
import org.java_websocket.drafts.Draft_6455;
import org.java_websocket.handshake.ServerHandshake;

/**
 * 依赖：
 * <dependency>
 *     <groupId>org.java-websocket</groupId>
 *     <artifactId>Java-WebSocket</artifactId>
 *     <version>1.5.3</version>
 * </dependency>
 * <dependency>
 *     <groupId>com.alibaba</groupId>
 *     <artifactId>fastjson</artifactId>
 *     <version>1.2.83</version>
 * </dependency>
 */
public class AsrWebSocketClient {

    public static void main(String[] args) throws Exception {
        URI uri = URI.create("wss://api-maas.teleai.com.cn/aipaas/voice/v1/StandardAsrRealtime160/asr");

        Map<String, String> headers = new HashMap<>();
        headers.put("Content-Type", "application/json");
        headers.put("Device-Uuid", "yourDeviceUuid");
        headers.put("X-APP-ID", "yourAppId");
        headers.put("Authorization", "yourAuthorization");

        // 开始识别请求参数
        String requestParam = "{\n" +
            "  \"req_id\": \"aae36140-bc13-441f-81f9-6700fe7a5e96\",\n" +
            "  \"rec_status\": 0,\n" +
            "  \"audio_stream\": \"\",\n" +
            "  \"option\": {\n" +
            "    \"sample_rate\": 16000,\n" +
            "    \"enable_punctuation\": true,\n" +
            "    \"enable_inverse_text_normalization\": true\n" +
            "  }\n" +
            "}";

        WebSocketClient client = new WebSocketClient(uri, new Draft_6455(), headers, 5000) {
            @Override
            public void onOpen(ServerHandshake handshake) {
                System.out.println("连接已建立");
                send(requestParam);
            }

            @Override
            public void onMessage(String message) {
                System.out.println("收到消息: " + message);
            }

            @Override
            public void onClose(int code, String reason, boolean remote) {
                System.out.println("连接关闭: " + reason);
            }

            @Override
            public void onError(Exception ex) {
                System.err.println("发生错误: " + ex.getMessage());
            }
        };

        client.connect();

        try {
            Thread.sleep(10000);
        } catch (InterruptedException e) {
            e.printStackTrace();
        }

        client.close();
    }
}