ASR API ​参考

Shisa ASR API ​通过​单​个​ J​SON ​请​求​将​ base64 ​编码​的​音频​转录​为​文本。​本页​介绍​端点、​请求​参数、​成​功​响应​和​错误​处理。

端点

POST https://api.shisa.ai/asr/srt/audio_llm

使用​带有​ A​SR ​专用​ shsk: ​前缀​的​ bearer ​令牌​进行​认证​:

Authorization: Bearer YOUR_API_KEY

请​求正文​为​ J​S​ON，​服务器​会​从​音频​的​二进​制头​自动​检测音频​格式。

请​求​参数

参数	类型	是否​必​需	说​明
audio	string	必​需	base64 ​编码​的​音频​数据​（WAV、​OGG、​MP​3 ​或​ FLAC）。
language	string	可​选	语言代码​（例如​ "ja"、"en"）。​省略​以​进行​自动​语言​检测​（LID）。
hotwords	string[]	可​选	用于​提高​特定​领域术​语识​别准确性​的​单词​/​短语​数组。
temperature	float	可​选	采样​温度。​值​越低，​输出​越​确定。​默​认值​: 0.0。
top_p	float	可​选	核​采样​参数。​控制​输出​的​多样性。​默​认值​: 0.85。
frequency_penalty	float	可​选	对​频繁​出现​的​ token ​进行​惩罚​以​减少​重复。​默​认值​: 0.5。
repetition_penalty	float	可​选	对​ token 重复​进行​惩罚；​高于​ 1.0 ​的​值会​抑制​重复。​默​认值​: 1.05。
vad	integer	可​选	语音​活动​检测​模式。​默​认值​: 1。

备注

只​有​ audio ​是​必需​的。​语言会​自动​检测，​调优​参数​使用​合理​的​默认值​——​您​可以​发送快速​开始中​所示​的​最​小​请​求，​并​仅​在​需要​时添​加​参数。

成​功响​应

成功​的​请求​返回​一​个​ J​SON ​对象，​包含​转录​文本、​检测到​或​指定​的​语言​以及置​信度​分数​:

{
  "text": "こんにちは、シサAIです。",
  "language": "ja",
  "confidence": 0.98
}

字段	说​明
text	从​音频​转​录出​的​文本。
language	检测到​或​指定​的​语言​代码。
confidence	转录置​信度​分数，​从​ 0 ​到​ 1。

错误​处理

错误返​回​一​个​ J​SON ​对象，​包含​一​个​ H​TTP ​风格​的​ code ​和​一条​人类​可读​的​ error ​消息​:

{
  "code": 400,
  "error": "No audio data provided"
}

401 认证​错误

当 ​API 密钥​缺失、​无效​或​已​过期​时​返回。​请​检查​您​的​ Authorization ​标头​是否​包含​带 shsk: ​前缀​的​有效​令牌。

{
  "context": ["authMiddleware"],
  "code": 104,
  "name": "ErrAuthenticationFailed",
  "error": "Authentication error: Invalid token"
}

错误代​码

Code	原​因	错误​消息
400	缺少​ audio​ ​字段​或​音频解码​为​空	No audio data provided
400	未​进行​ base64 ​编码​或​ base64 ​解码​失败	Invalid base64 audio data
400	不​支持​的​音频​格式	Unsupported audio format
500	转录​服务未​就​绪	Transcription service not available
500	后​端故障	Transcription failed: ...

后续​步​骤

• 在快速​开始中​发起​一​个​可用​的​请求。
• 在音频​与​语言中​查阅​支持​的​格式​和​可​检测​的​97​种​语言。
• 在定​价中​了解​用量​如何​计费。