智能语音识别接口调用指南.docxVIP

智能语音识别接口调用指南

2.2基于WebSocket的实时流式调用（适用于实时语音识别）

实时流式识别对实时性要求高，通常采用WebSocket协议进行全双工通信。

2.2.1建立WebSocket连接与握手

1.构造WebSocket连接URL：通常以`wss://`开头（加密），包含必要的认证参数（如APIKey或Token），可能在查询字符串中。

2.客户端发起连接请求：服务端验证通过后，WebSocket连接建立。

2.2.2音频流发送与结果接收

1.客户端分片发送音频数据：

*将采集到的实时音频数据（如麦克风输入）按照一定的时间间隔或数据大小进行分片。

*每个分片数据通常需要按照协议规定的格式封装（可能包含帧类型、序列号、音频数据等）。

*持续将音频分片通过WebSocket连接发送给服务端。

2.服务端实时返回识别结果：

*服务端接收到音频分片后，进行实时处理，并将中间识别结果（通常是“正在识别中”的文本）和最终识别结果（当检测到语音结束或客户端主动发送结束帧时）通过WebSocket推送给客户端。

*客户端需要持续监听并处理这些返回的消息。

2.2.3连接关闭

*正常关闭：当语音输入结束，客户端可以发送一个结束帧，服务端返回最终结果后，双方关闭连接。

*异常关闭：网络中断或发生错误时，连接可能异常关