在线调试
您可以在 示例代码中心 中调试该接口，可进行签名验证、查看在线调用的请求内容和返回结果、示例代码的自动生成。
调用流程
- 鉴权认证：使用appKey secretKey 访问 https://openapi.baidu.com 换取 token ，详细见[鉴权认证机制]
- 确认请求方式：选择一种HTTP POST 请求格式，参见下一节 请求方式
- 填写参数：详细见 参数说明
适用范围及demo下载
任意操作系统，任意编程语言，只要可以对百度语音服务器发起http请求的，均可以使用本接口。
示例Demo代码见： https://github.com/Baidu-AIP/speech-demo
浏览器由于无法跨域请求百度语音服务器的域名，因此无法直接使用本接口。需从服务器端发起调用。
语音识别极速版调用地址：https://vop.baidu.com/pro_api
语音格式
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，仅支持极速版模型，m4a格式输入适用于微信小程序的录音文件，详见格式说明）。推荐pcm 采样率 ：16000 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。
- 16k 采样率pcm文件样例下载
- 16k 采样率wav文件样例下载
- 16k 采样率amr文件样例下载
- 16k 采样率m4a文件样例下载
音频文件格式转换可以使用音频软件进行。批量音频格式转换，可使用开源ffmpeg格式转换工具文档【点击查看音频文件转码工具文档】。
超过60秒音频可使用VAD切分工具进行切分。【点击查看VAD切分工具文档】
小程序m4a格式设置
- 参数format改为m4a
- 仅支持单声道
- 采样率仅支持16000
- 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
- 微信小程序录音设置，见微信官方文档
微信小程序录音参数，请重点关注并设置以下必填字段：
| 属性 | 类型 | 默认值 | 必填 | 说明 |
|---|---|---|---|---|
| duration | number | 60000 | 否 | 百度语音restapi最大支持 60s，即这个值不能超过60000 |
| sampleRate | number | 16000 | 是 | 必须设为 16000 |
| numberOfChannels | number | 1 | 是 | 比如设为1，单声道 |
| encodeBitRate | number | 48000 | 否 | 默认值即可，建议48000，可设为24000-96000。该值越大的话，生成文件越大 |
| format | string | aac | 否 | 默认值即可，只支持aac，不支持mp3 |
参数说明
- 格式支持：pcm（不压缩）、wav（不压缩，pcm编码）、amr（压缩格式）、m4a（AAC编码）；固定16k 采样率；
- 系统支持语言种类 普通话
识别语言及模型选择
短语音识别极速版dev_pid 参数列表
| dev_pid | 语言 | 模型 | 是否有标点 | 备注 |
|---|---|---|---|---|
| 80001 | 普通话(纯中文识别) | 语音近场识别模型极速版 | 有标点 | 支持自定义词库 |
请求说明
语音数据上传 POST 方式有 2 种：
- JSON 格式 POST 上传本地音频文件。
- RAW 格式 POST 上传本地音频文件。
JSON 方式
- 音频文件，读取二进制内容后，进行 base64 编码后放在 speech 参数内。
- 音频文件的原始大小, 即二进制内容的字节数，填写 “len” 字段
由于使用 json 格式， header 为：
Content-Type:application/json
注意 由于 base64 编码后，数据会增大 1/3。
RAW方式
- 音频文件，读取二进制内容后，直接放在 body 中。
- Content-Length 的值即为音频文件的大小。（一般代码会自动生成）。
由于使用 raw 方式， 采样率和文件格式需要填写在 Content-Type 中
Content-Type: audio/pcm;rate=16000
JSON方式上传音频
语音数据和其他参数通过标准 JSON 格式串行化 POST 上传， JSON 里包括的参数：
| 字段名 | 类型 | 可需 | 描述 |
|---|---|---|---|
| format | string | 必填 | 语音文件的格式，pcm/wav/amr/m4a。不区分大小写。推荐pcm文件 |
| rate | int | 必填 | 采样率，16000，固定值 |
| channel | int | 必填 | 声道数，仅支持单声道，请填写固定值 1 |
| cuid | string | 必填 | 用户唯一标识，用来区分用户，计算UV值。建议填写能区分用户的机器 MAC 地址或 IMEI 码，长度为60字符以内。 |
| token | string | 必填 | 开放平台获取到的开发者[access_token]获取 Access Token "access_token") |
| dev_pid | int | 必填 | 80001（极速版输入法模型） |
| lm_id | int | 选填 | 自训练平台模型id |
| lan | string | 选填，废弃参数 | 历史兼容参数，已不再使用 |
| speech | string | 必填 | 本地语音文件的的二进制语音数据 ，需要进行base64 编码。与len参数连一起使用。 |
| len | int | 必填 | 本地语音文件的的字节数，单位字节 |
上传示例(speech, len 参数)
即：JSON格式POST上传本地文件
固定头部header
Content-Type:application/json
请求示例
4K大小的pcm文件（普通话录音）请求：
POST https://vop.baidu.com/pro_api
speech 参数填写为 文件内容base64后的结果：
{ "format":"pcm", "rate":16000, "dev_pid":80001, "channel":1, "token":xxx,
"cuid":"baidu_workshop", "len":4096, "speech":"xxx", // xxx为 base64（FILE_CONTENT） }
返回示例
{"corpus_no":"6433214037620997779","err_msg":"success.","err_no":0,
"result":["北京科技馆，"],"sn":"371191073711497849365"}
注意事项
len 字段表示原始语音大小字节数，不是 base64 编码之后的长度。
RAW 方式上传
即 raw格式POST上传本地文件 语音数据直接放在 HTTP BODY 中，控制参数以及相关统计信息通过 header和url里参数传递。
Header 参数说明
| 字段名 | 数据类型 | 可需 | 描述 |
|---|---|---|---|
| format | string（格式见下面示例） | 必填 | 语音格式，，pcm、wav、amr、m4a。不区分大小写，推荐使用pcm文件 |
| rate | int（格式见下面示例） | 必填 | 采样率 16000， 固定值 |
语音数据的采样率和压缩格式在 HTTP-HEADER 里的Content-Type 表明，例：
Content-Type: audio/pcm;rate=16000
url参数说明
| 字段名 | 可需 | 描述 |
|---|---|---|
| cuid | 必填 | 用户唯一标识，用来区分用户，计算UV值。建议填写能区分用户的机器 MAC 地址或 IMEI 码，长度为60字符以内。 |
| token | 必填 | 开放平台获取到的开发者[access_token]获取 Access Token "access_token") |
| dev_pid | 必填 | 80001 |
| lan | 选填，废弃参数 | 历史兼容参数，请使用dev_pid。如果dev_pid填写，该参数会被覆盖。语种选择,输入法模型，默认中文（zh）。 中文=zh、粤语=ct、英文=en，不区分大小写。 |
URL 示例：
POST https://vop.baidu.com/pro_api?dev_pid=80001&cuid=******&token=1.a6b7dbd428f731035f771b8d********.86400.1292922000-2346678-124328 // 或者使用自训练平台 POST http://vop.baidu.com/pro_api?dev_pid=80001&lm_id=1234&cuid=******&token=1.a6
b7dbd428f731035f771b8d********.86400.1292922000-2346678-124328
语音自训练平台
语音自训练平台，可使用业务场景文本语料，自助训练语言模型，提升业务领域识别准确率。
语音自训练平台，支持上传自定义的词汇固定搭配、长段句篇来进行结果优化。可以更加直观地查看训练效果，并支持迭代训练。模型上线后需要在请求中，增加对应自定义模型 id（lm_id）字段。
具体功能及使用说明请参考文档 自训练平台手册
自定义词库
自定义词库功能，可对部分专有业务名词进行识别优化。自定义词库在您网页申请的应用内设置（具体位置参见下图）。
自定义词库适合短句，保证词库中一模一样的短句可以被识别出，词库中的分词优先级较高。 自定义词库仅对普通话 dev_pid = 1537 生效，并且原始音频的采用率为 16K 或 8k。最好在 1万 行以内。
返回说明
两种上传方式都返回统一的结果，采用 JSON 格式封装，如果识别成功，识别结果放在 JSON的“result”字段中，统一采用 utf-8 方式编码。 （如果使用POST方式的（url,callback）方式，百度服务器会回调用户服务器的callback地址, 返回如下结果）
| 字段名 | 数据类型 | 可需 | 描述 |
|---|---|---|---|
| err_no | int | 必填 | 错误码 |
| err_msg | string | 必填 | 错误码描述 |
| sn | string | 必填 | 语音数据唯一标识，系统内部产生。如果反馈及debug请提供sn。 |
| result | array ( [string,string,…]) | 选填 | 识别结果数组，返回1个最优候选结果。utf-8 编码。 |
识别成功返回 case
{"err_no":0,"err_msg":"success.","corpus_no":"15984125203285346378","sn":"481
D633F-73BA-726F-49EF-8659ACCC2F3D","result":["北京天气"]}
识别错误返回 case
{"err_no":2000,"err_msg":"data empty.","sn":"481D633F-73BA-726F-49EF-8659ACCC2F3D"}
raw 方式测试说明
curl -i -X POST -H "Content-Type: audio/pcm;rate=16000" "http://vop.baidu.com/pro_api
?dev_pid=80001&cuid=xxxxx&token=1.a6b7dbd428f731035f771b8d********.86400.129292200
0-2346678-124328" --data-binary "@/home/test/test.pcm"
