语音请求 | 微信开放文档

# 语音请求

# 功能说明

语音请求接口接收用户上传的流式语音包，转换为文本后进行自然语言分析，最后检索资源，返回结果

# 请求uri

/xwopenapi/speech

# 请求类型

websocket

# 请求参数

接口请求内容需要按照公共参数中的websocket请求格式传入，其中content字段为以下结构json序列化base64编码结果：

字段名	类型	必填	描述
speech.voice_seq	int	是	同一个语音流中请求包的自增序号，从0开始；对于speex等类型的压缩语音，是指压缩前原始语音的偏移；例如：0,3200,6400,9600....
speech.is_voice_end	bool	否	标记是否是尾包；true-是，false-不是，默认false
speech.voice_len	int	是	该语音请求中语音数据的长度；对于speex等类型的压缩语音，是指压缩前原始语音的长度；需要跟解压后语音的长度一致；
speech.samples_per_sec	int	是	采样率，8000或16000
speech.bits_per_sample	int	是	采样点类型，固定为16
speech.voice_file_type	int	是	语音文件类型；1:raw 2:wav
speech.voice_encode_type	int	是	语音编码类型；1:pcm 2:adpcm 3:feature 4:speex 5:amr 6:silk
speech.voice_data	string	是	音频流数据base64编码后字符串
speech_config.head_silence_thres	uint32	No	默认为5000，即5s长度语音vad 语音前部静音阈值，超过该阈值返回错误，等待用户多久说话的意思，一直不说话认为流程结束
speech_config.tail_silence_thres	uint32	No	默认为500，即500ms vad尾部静音语音尾部静音阈值，停顿多久认为用户说话结束的意思
speech_config.local_vad	bool	No	是否启用云端vad检测默认0 0-本地vad,1-云端vad
speech_config.awake_cloud	bool	Yes	是否采用云端唤醒
speech_config.profile_type	int	Yes	近场还是远场 0-远场，1-近场默认远场
speech_config.wakeup_mode	int	Yes	唤醒模式，0-本地唤醒，1-云端唤醒，2-本地带唤醒词，3-不需要唤醒
speech_config.awake_words	string	No	唤醒词

注意：

同一个语音请求的不同语音片段的公共参数中的http.header.RequestID需保持一致

# 请求示例

{
  "speech_config": {}, // XWSpeechReqProcessConfig Json 对象
  "speech": {}         // XWSpeechReqSpeechInfo Json 对象
}

# silk压缩

我们的silk是silk v3，提供安卓的aar库和demo。

aar下载地址:https://xiaoweidevice-75050.gzc.vod.tencent-cloud.com/doc/xwsilksdk.aar

# 返回结果

# ASR识别结果

在发送语音请求过程中，服务端会使用1001002命令字推送ASR识别结果，接口返回参数遵循公共参数中的websocket响应格式，接口返回的content.response内容为以下格式：

字段名	类型	描述
session_ctrl.seq	int	当前语音序列
orig_question_text	string	ASR识别结果
is_voice_start	bool	当前session_ctrl.seq为语音开始标记
is_voice_end	bool	当前session_ctrl.seq为语音结束标记，客户端收到此标记应终止此次收音

# 技能执行结果

接口返回参数遵循公共参数中的websocket响应格式接口返回的content.response内容遵循资源格式约束

# Demo

demo下载地址: https://xiaoweidevice-75050.gzc.vod.tencent-cloud.com/doc/xwopendemo.zip