1. 简介

讯飞开放平台提供开发者实时语音转写websocket接口，基于该接口，开发者可实现将连续的音频流内容，实时识别返回对应的文字流内容。

音频格式：采样率为16K，采样深度为16bits的pcm_s16le音频

2. 接口说明

接口调用包括两个阶段：握手阶段和实时通信阶段。

接口地址

参数格式

参数说明

1.获取baseString，baseString由appid和当前时间戳ts拼接而成，假如appid为595f23df,ts为1512041814，则baseString为

2.对baseString进行MD5，假如baseString为上一步生成的595f23df1512041814，MD5之后则为

3.以apiKey为key对MD5之后的baseString进行HmacSHA1加密,假如apiKey为d9f4aa7ea6d94faca62cd88a28fd5234,MD5之后的baseString为上一步生成的0829d4012497c14a30e7e72aeebe565e，则加密之后signa为

备注：

apiKey：接口密钥，在应用中添加实时语音转写服务时自动生成，调用方注意保管；
signa的生成公式：HmacSHA1(MD5(appid + ts)，api_key)，具体的生成方法详见【调用示例】；

2.1.2. 请求示例

结果格式为json，字段说明如下：

其中sid字段主要用于DEBUG追查问题，如果出现问题，可以提供sid帮助确认问题。

{
    "action":"started",
    "code":"0",
    "data":"",
    "desc":"success",
    "sid":"rta0000000a@ch312c0e3f63609f0900"
}

握手成功后，进入实时通信阶段，此时客户端的主动操作有两种：上传数据和上传结束标识，被动操作有两种：接收转写结果和错误

2.2.1. 上传数据

在实时转写过程中，客户端不断构造binary message发送到服务端，内容是音频的二进制数据。此操作的频率影响到文字结果展现的实时性。

1.建议音频流每40ms发送1280字节，发送过快可能导致引擎出错；2.音频发送间隔超时时间为15秒，超时服务端报错并主动断开连接。

音频数据上传完成后，客户端需发送一个特殊的binary message到服务端作为结束标识，内容是：

 {"end": true}

2.2.3. 接收转写结果

交互过程中，服务端不断返回 text message （转写结果）到客户端。当所有结果发送完毕后，服务端断开连接，交互结束。

结果示例：

其中data为转写结果的json字符串

data：
    {
        "cn":{
            "st":{
                "bg":"820",
                "ed":"0",
                    "ws":[{
                        "cw":[{
                            "w":"啊",
                            "wp":"n"
                        }],
                        "wb":0,
                        "we":0
                    },{
                        "cw":[{
                            "wp":"n"
                        }],
                        "wb":0,
                        "we":0
                    },{
                        "cw":[{
                            "w":"！",
                            "wp":"p"
                        }],
                        "wb":0,
                        "we":0
                    },{
                        "cw":[{
                            "w":"你好",
                            "wp":"n"
                        }],
                        "wb":0,
                        "we":0
                    },{
                        "cw":[{
                            "w":"！",
                        }],
                        "wb":0,
                        "we":0
                        "cw":[{
                            "w":"我",
                            "wp":"n"
                        }],
                        "wb":0,
                        "we":0
                    },{
                        "cw":[{
                            "w":"是",
                            "wp":"n"
                        }],
                        "wb":0,
                        "we":0
                    },{
                        "cw":[{
                                "w":"上",
                                "wp":"n"
                        }],
                        "wb":0,
                        "we":0
                    }]
                }],
                "type":"1"
            }
        },
    }

转写结果data字段说明如下：

交互过程中，在服务端出现异常而中断服务时（如会话超时），会将异常信息以 text message 形式返回给客户端并关闭连接。

3. 附录

实时语音转写demo python语言