ASR服务文档

接口地址

ws://10.152.116.74:9999/transpond/speech/asr

示例代码

下载保存示例html后，填写AK密钥即可运行测试

实时语音识别请求参数分类表

1. JSON 参数（文本协议）

参数名	类型	必填	示例值	出现阶段	说明
`ak`	string	是	`"ak_xxxxxx"`	首包	平台鉴权密钥
`id`	string	是	`"xxxx-xxxx-xxxx-xxxx"`	首包、尾包	会话唯一ID（需与首包一致）
`finish`	boolean	是	`false`（首包）/`true`（尾包）	首包、尾包	标记是否为结束请求
`mode`	string	是	`"mixed"`	首包、尾包	识别模式： `online`（实时）/`offline`（离线）/`mixed`（混合）
`answer`	string	否	`"你好"`	服务器响应	服务器返回的识别结果

2. 音频参数（二进制协议）

参数名	类型	必填	示例值	出现阶段	说明
数据格式	ArrayBuffer	是	`Int16Array.buffer`	音频传输阶段	16位有符号PCM音频
采样率	number	是	`16000`	全程	固定16kHz采样率（代码硬编码）
声道数	number	是	`1`	全程	单声道
分片时长	number	是	`0.1`（秒）	音频传输阶段	每100ms发送一帧音频

协议交互流程图

关键说明

JSON 和音频严格分离

只有首包和尾包使用 JSON 协议，中间所有包均为纯二进制音频流

音频数据 不允许 包含任何 JSON 元数据（如时间戳、序号等）

参数一致性要求

首包和尾包的 id、mode 必须完全一致

服务器通过 id 关联同一会话的音频流

整体时序图

实时语音识别全流程时序说明

1. 连接阶段

触发动作：用户点击 "连接服务" 按钮

代码动作：btnConnect.click → new ASRClient(WS_URL).connect()

网络请求：纯 WebSocket 连接（无参数）

服务器响应：连接成功（onopen 回调）

UI 变化：

状态更新为 "已连接"

禁用 "连接服务"，启用 "开始识别" 和 "断开连接"

2. 首包鉴权

触发动作：用户点击 "开始识别" 且麦克风授权成功

代码动作：btnStart.click → 发送初始化参数

发送参数（JSON 格式）：

{
    "ak": "ak_xxxxxxx",  // 鉴权密钥
    "id": "xxxx-xxxx-xxxx-xxxx",  // 会话唯一ID
    "finish": false,              // 非结束标记
    "mode": "mixed"               // 混合识别模式
}

作用：

服务器验证 AK 有效性

初始化会话并准备接收音频流

3. 音频传输阶段

触发动作：麦克风持续采集音频（每 100ms 触发）

代码动作：scriptProcessor.onaudioprocess → 转换并发送音频

数据格式：

无 JSON 包装，直接发送二进制 PCM 数据（Int16Array.buffer）

采样率：16000Hz，单声道

服务器响应（持续返回）：

{
    "answer": "实时识别文本",  // 部分结果
    "finish": false,        // 中间结果标记
    "mode": "online"        // 实时/离线模式
}

4. 尾包结束

触发动作：用户点击 "停止识别"

代码动作：btnStop.click → 发送结束标记

发送参数（JSON 格式）：

{
    "ak": "ak_xxxxxxx",  // 与首包一致
    "id": "xxxx-xxxx-xxxx-xxxx",  // 与首包一致
    "finish": true,               // 结束标记
    "mode": "mixed"               // 混合模式
}

服务器响应（最终结果）：

{
    "answer": "完整识别结果",
    "finish": true  // 结束标记
}

5. 断开连接

触发动作：用户点击 "断开连接"

代码动作：btnDisconnect.click → ws.close()

网络请求：WebSocket 关闭帧（无参数）

UI 变化：状态重置为 "未连接"

关键点

首包必含鉴权参数：ak 和 id 是会话合法性的唯一依据。

中间包纯音频数据：无任何元数据，仅二进制 PCM 帧。

尾包必须显式结束：finish:true 触发服务器最终结果推送。

首尾包参数对称：ak、id、mode 需完全一致。

接口地址#

示例代码#

实时语音识别请求参数分类表#

1. JSON 参数（文本协议）#

2. 音频参数（二进制协议）#

协议交互流程图#

关键说明#

整体时序图#

实时语音识别全流程时序说明#

1. 连接阶段#

2. 首包鉴权#

3. 音频传输阶段#

4. 尾包结束#

5. 断开连接#

关键点#