8005200033(藏语实时语音识别-V1.0.0)

接口信息

API Path
/aipaas/voice/v1/tibetanStreamingAsr/asr

请求协议
WS

建立连接时的请求参数（websocket open） ：

请求头部 ：

头部标签	必填	说明	类型	数据字典	限制	头部内容	示例
Content-Type	是	内容类型				application/json	application/json
X-APP-ID	是	控制台--应用管理--AppID
Device-Uuid	是	设备管理-设备uuid
Authorization	是	鉴权信息

建立连接时的响应内容（websocket open） ：
请求报文 ：

请求参数 Json
Object

参数名	说明	必填	类型	数据字典	限制	示例
req_id	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】	是	[string]		0
rec_status	识别状态 0：开始识别； 1：发送语音流； 2：结束语音流；	是	[int]		0
audio_stream	发送语音流时为必填。语音流，采用base64编码	否	[string]		0
option	语音识别配置可选项，客户端发送开始识别请求时，根据具体需求，配置该字段	否	[object]		0
option>>sample_rate	音频采样率，默认值16000Hz	否	[int]		0
option>>enable_punctuation	是否加标点，默认：是，若开启，则在rec_status为3时给识别文本增加标点	否	[boolean]		0
option>>enable_inverse_text_normalization	是否开启 ITN，默认：是，若开启，则在rec_status为3时对识别文本进行逆文本规范化	否	[boolean]		0
option>>enable_emendation	是否开启校勘，默认：否，若开启，则在rec_status为3时对识别文本进行校准	否	[boolean]		0
option>>enable_words	是否开启返回词信息，默认：否，若开启，则同时返回字级别时间戳	否	[boolean]		0
option>>enable_s2t	是否返回繁体中文，默认值是 false	否	[boolean]		0
option>>province	仅对来自电信万号的业务开放（预留字段）	否	[string]		0
option>>hotwords	热词列表，string数组	否	[array]		0
option>>hotword_list_id	热词列表查询ID（在星河热词服务创建热词表后得到热词列表查询ID，ASR服务使用此ID查询生效）	否	[string]		0
option>>banned_word_list_id	敏感词列表查询ID（在星河敏感词服务创建敏感词列表后得到敏感词列表查询ID，ASR服务使用此ID查询生效）	否	[string]		0
option>>max_end_silence	句尾静音阈值,单位ms（仅当服务使用普通vad时生效）	否	[int]		0
响应报文 ：

返回结果

成功 (200)
Json
Object

参数名	说明	必填	类型	数据字典	限制	示例
code	返回码	是	[int]		0
message	返回码描述	是	[string]		0
sid	会话全局唯一 id，用于记录本次会话	是	[string]		0
res_status	响应状态 0：识别就绪； 1：识别到有效语音开始； 2：如果开启了返回中间结果， 则返回中间识别结果； 3：检测到一段有效语音结束，返回该段语音的识别结果； 4：处理完所有的音频数据，返回尚未返回的识别结果（如果有）；	是	[int]		0
data		是	[object]		0
data>>sn	句子编号，从 0 开始	否	[int]		0
data>>results	当前句子识别结果，如果开启 object.nbest ，则返回多个结果	否	[array]		0
data>>results>>text	句子识别结果	否	[string]		0
data>>results>>begin_time	句子开始时间，单位是毫秒	否	[int]		0
data>>results>>end_time	句子结束时间，单位是毫秒	否	[int]		0
data>>results>>loudness	句子音量，仅在一句话结束即res_status=3时返回	否	[float]		0
data>>results>>speed	句子语速，仅在一句话结束即res_status=3时返回	否	[float]		0
data>>results>>pitch	句子语调，仅在一句话结束即res_status=3时返回	否	[float]		0
data>>results>>lang	当前方言种类，仅在Sensevoice模型二刷时有效，仅在状态3有效	否	[string]		0
data>>results>>words	当前句子的词信息	否	[array]		0
data>>results>>words>>text	词信息	否	[string]		0
data>>results>>words>>begin_time	词开始时间，单位是毫秒	否	[int]		0
data>>results>>words>>begin_time	词结束时间，单位是毫秒	否	[int]		0
elps_time	当前识别结果所对应的已处理的音频总时长，单位是毫秒	否	[int]		0

详细说明 ：

1、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8k/16k/其他常见采样率，位宽 16 bit，单声道
• 音频格式：PCM 音频流

2、修订历史

修订日期	算法版本号	修订内容
2026-02-09	V1.0.0	服务支持藏语流式识别

3、服务鉴权

服务接口调用时需要严格遵循服务鉴权规则，服务调用鉴权规则请参见：开发指南 - 接口签名认证。

3.1 鉴权状态码

code	说明	错误描述信息	解决方法
101	成功	{"message":"success"}	成功，开始语音识别
4002	并发超过限制	{"message":"server overflow"}	联系商务，增加并发
4004	授权失败	{"message":"invalid license"}	联系运维人员生成有效license

4、请求参数说明

• 如果请求参数有特殊逻辑请详细描述

5、响应结果说明

• 如果响应结果有特殊逻辑请详细描述

6、请求示例

6.1、开始识别

客户端发送开始识别请求，需要通过请求body带语音识别过程中的可选配置参数，示例：

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

6.1.1 响应结果

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

6.2、发送语音流

客户端接收到服务端发送的确认识别请求有效的响应后，开始发送语音流数据，请求body各参数含义如下：

参数	类型	必须	说明
rec_status	Integer	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	是	语音流,采用base64编码

示例：

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

6.2.1 接收识别结果

客户端接收到服务端发送的确认检测请求有效的响应后，开始持续接收识别结果。
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
                }
            ]
        }]
    }
}

6.3、结束语音流

客户端语音流发送完成，结束语音流，请求body各参数含义如下：

参数	类型	必须	说明
rec_status	Integer	是	rec_status=2 结束语音流

{
 "rec_status":2
}

6.4、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

7、状态码说明

状态码	解释	说明	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

1、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8k/16k/其他常见采样率，位宽 16 bit，单声道
• 音频格式：PCM 音频流

2、修订历史

修订日期	算法版本号	修订内容
2026-02-09	V1.0.0	服务支持藏语流式识别

3、服务鉴权

服务接口调用时需要严格遵循服务鉴权规则，服务调用鉴权规则请参见：开发指南 - 接口签名认证。

3.1 鉴权状态码

code	说明	错误描述信息	解决方法
101	成功	{"message":"success"}	成功，开始语音识别
4002	并发超过限制	{"message":"server overflow"}	联系商务，增加并发
4004	授权失败	{"message":"invalid license"}	联系运维人员生成有效license

4、请求参数说明

• 如果请求参数有特殊逻辑请详细描述

5、响应结果说明

• 如果响应结果有特殊逻辑请详细描述

6、请求示例

6.1、开始识别

客户端发送开始识别请求，需要通过请求body带语音识别过程中的可选配置参数，示例：

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

6.1.1 响应结果

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

6.2、发送语音流

客户端接收到服务端发送的确认识别请求有效的响应后，开始发送语音流数据，请求body各参数含义如下：

参数	类型	必须	说明
rec_status	Integer	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	是	语音流,采用base64编码

示例：

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

6.2.1 接收识别结果

客户端接收到服务端发送的确认检测请求有效的响应后，开始持续接收识别结果。
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
                }
            ]
        }]
    }
}

6.3、结束语音流

客户端语音流发送完成，结束语音流，请求body各参数含义如下：

参数	类型	必须	说明
rec_status	Integer	是	rec_status=2 结束语音流

{
 "rec_status":2
}

6.4、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

7、状态码说明

状态码	解释	说明	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