语音识别同声传译大模型

注意：
此接口为实时同传接口，在参数风格、错误码等方面有区别于云 API 接口，请知悉。
1. 接口描述
本接口服务采用 WebSocket 协议，对实时音频流进行同声传译。同声传译大模型支持中英互译，能够听懂并准确把握原始语音内容，低延迟完成翻译，并保留说话人的音色、语气与情感，让表达更接近本人。
本接口具备以下特点：
无需指定源语言，服务端自动识别源语言，仅需指定目标语言 target。
除译文字幕外，同步下发目标语言的译音音频（binary message），支持克隆源说话人音色或使用内置音色。
支持在会话过程中动态变更目标语言与输出音色，无需重新建连。
支持对句级定稿译文进行内容安全审核。
﻿
在使用该接口前，需要 开通语音识别服务，并进入 API 密钥管理页面 新建密钥，生成 appid、secretid 和 secretkey，用于 API 调用时生成签名，签名将用来进行接口鉴权。
2. 接口要求
﻿
集成实时语音同传 API 时，需按照以下要求。
内容
说明
语言种类
源语言由服务端自动识别；目标语言支持中文、英语，可通过接口参数 target 设置。
音频属性
采样率：8000Hz、16000Hz、24000Hz、48000Hz，通过参数 input_sample_rate 指定
采样精度：16bits
声道：单声道（mono）
注：上行音频与下行译音共用同一采样率，即下行译音的采样率与 input_sample_rate 一致
音频格式
PCM（16bit 有符号小端，s16le）
输出音色
clone：克隆源说话人音色
male：内置男声
female：内置女声
请求协议
wss 协议
请求地址
wss://asr.cloud.tencent.com/asr/si/?{请求参数} 
接口鉴权
签名鉴权机制，详情请参见 签名生成。
响应格式
文本结果（字幕、状态、错误）：text message，统一采用 JSON 格式。
译音音频：binary message，PCM 二进制数据。
数据发送
建议每200ms 发送200ms 时长（即1:1实时率）的数据包，对应 PCM 大小为：8k 采样率3200字节，16k 采样率6400字节，24k 采样率9600字节，48k 采样率19200字节。
音频发送速率过快超过1:1实时率，后台将返回错误并主动断开连接；客户端超过15秒未发送音频数据，后台将返回错误并主动断开连接。
并发限制
单账号存在 1 并发路数限制，超过限制将返回错误码 6006。如您有提高并发限制的需求，请 前往购买。
3. 接口调用流程
接口调用流程分为两个阶段：握手阶段和同传阶段。后台返回两种类型的消息：
text message：内容为 JSON 序列化字符串，用于返回握手结果、译文字幕、状态通知与错误信息。
binary message：内容为译音 PCM 音频数据，仅在同传阶段返回。
text message 格式说明如下，不同 message_type 的消息仅携带与之相关的字段：
字段名
类型
描述
code
Integer
状态码，0代表正常，非0值表示发生错误。
message
String
错误说明，发生错误时显示这个错误发生的具体原因，随着业务发展或体验优化，此文本可能会经常保持变更或更新。
voice_id
String
音频流全局唯一标识，一个 WebSocket 连接对应一个，用户自己生成（推荐使用 UUID），最长128位。
注意：每次建立 WebSocket 连接都必须重新生成 voice_id，任何情况下中断了同传或者 WebSocket 连接(如连接失败、正常结束、同传返回错误码等)，voice_id 作废，重新发起同传必须使用新的 voice_id。
final
Integer
会话终态标识：
0：会话进行中。
1：会话已结束，后台将断开连接。
code 为1时表示音频流全部同传结束。
message_type
String
消息类型，取值见下方 消息类型说明。握手成功消息、会话结束消息与错误消息不携带该字段。
sentence_id
String
当前句唯一 ID。同一句的译文字幕与译音共享同一 sentence_id，客户端可据此聚合对齐。
language
String
当前译文的目标语言类型，如 "zh"、"en"。示例值：en
text
String
译文文本内容，编码为 UTF8。增量消息中为新增片段，定稿消息中为整句译文。示例值：Real time
start_ts
Integer
当前句在上行音频流时间轴上的起始时间，单位毫秒。示例值：1000
end_ts
Integer
当前句在上行音频流时间轴上的结束时间，单位毫秒。示例值：3000
end_reason
String
句级译文定稿的结束原因：
stop：正常结束。
sensitive：译文命中内容安全审核，text 已替换为文明用语提示。
示例值：stop
reason
String
句子被跳过的原因。示例值：source_language_equals_target_language
session
Session
会话配置变更后实际生效的配置，Session 结构体格式为：
target：String 类型，生效的目标语言。
voice：String 类型，生效的输出音色。
示例值：{"target":"zh","voice":"male"}
其中消息类型 message_type 取值说明：
取值
携带字段
描述
TranslationSubtitleStart
sentence_id、language、text、start_ts
译文新句开始，text 为该句译文的首个增量片段。
TranslationSubtitleResponse
sentence_id、text
译文句内增量，text 为本次新增的片段，客户端需按顺序拼接到同 sentence_id 的已有译文之后。
TranslationSubtitleEnd
sentence_id、language、text、start_ts、end_ts、end_reason
句级译文定稿，text 为整句完整译文，该句结果不再变化。客户端应以本条消息的 text 整体替换此前同 sentence_id 的增量拼接结果。
TTSSentenceStart
sentence_id、start_ts
译音句开始标记，其后下发的 binary message 译音数据均属于该句，直至下一条 TTSSentenceStart。
TranslationSentenceSkipped
language、reason
当前句被判定无需翻译而跳过（如源语言与目标语言相同），无字幕与译音产出。该消息仅为提醒，会话继续进行。
session_updated
session
会话配置变更已生效，session 为实际生效的目标语言与输出音色。
握手阶段
请求格式
握手阶段，客户端主动发起 WebSocket 连接请求，请求 URL 格式为：
wss://asr.cloud.tencent.com/asr/si/<appid>?{请求参数}
﻿
其中 <appid> 需替换为腾讯云注册账号的 appid，可通过 账号中心页面 获取，{请求参数}格式为：
key1=value2&key2=value2...
﻿
参数说明：
参数名称
必填
类型
描述
secretid
是
String
腾讯云注册账号的密钥 secretid，可通过 API 密钥管理页面 获取。示例值：*Qq1zhZMN8dv0**
signature
是
String
接口签名参数，生成方式见 签名生成。示例值：*g1JfeBi%2FYnTjyjekxfDA%3D
timestamp
是
Integer
当前 UNIX 时间戳，单位为秒。与服务器时间相差超过24小时将返回参数不合法错误，相差过大也会引起签名过期错误。示例值：1745932688
expired
是
Integer
签名的有效期截止时间 UNIX 时间戳，单位为秒。expired 必须大于 timestamp 且 expired - timestamp 小于90天。示例值：1746019088
nonce
是
Integer
随机正整数。用户需自行生成，最长10位。示例值：8743357
voice_id
是
String
音频流全局唯一标识，一个 WebSocket 连接对应一个，用户自己生成（推荐使用 UUID），最长128位，仅允许包含字母、数字、下划线（_）和中划线（-）。
注意：每次建立 WebSocket 连接都必须重新生成 voice_id，任何情况下中断同传或者 WebSocket 连接（如连接失败、正常结束、同传返回错误码等），voice_id 作废，重新发起同传必须使用新的 voice_id示例值：c64385ee-3e5c-4fc5-bbfd-7c71addb35b0
target
是
String
目标语言类型。支持的语言类型：
zh：中文
en：英文
注意：源语言由服务端自动识别，若源语言与目标语言相同，该句将被跳过并返回 TranslationSentenceSkipped 消息，无字幕与译音产出。示例值：en
input_sample_rate
是
Integer
上行 PCM 音频采样率，单位 Hz。支持：8000、16000、24000、48000。
注意：下行译音音频与上行音频共用同一采样率。示例值：16000
voice
否
String
译音输出音色，不传时使用服务端默认音色。支持的音色：
clone：克隆源说话人音色
male：内置男声
female：内置女声
示例值：clone
security_audit
否
Boolean
译文内容安全审核开关，取值 true 或 false，默认为 true（开启）。开启后对每句定稿译文（TranslationSubtitleEnd）进行审核，命中时 end_reason 返回 sensitive，text 替换为文明用语提示。
注意：参数值需使用小写字符串 true/false 参与签名。示例值：true
token
否
String
使用临时密钥时需传入的安全令牌（SecurityToken），此时 secretid 与签名使用的 secretkey 均为临时密钥。使用永久密钥时无需传入。
region
否
String
地域标识。示例值：ap-guangzhou
signature 签名生成
1. 对除 signature 之外的所有参数按字典序进行排序，拼接请求 URL （不包含协议部分：wss://）作为签名原文，这里以 appid=125922***，secretid=*****Qq1zhZMN8dv0****** 为例拼接签名原文，则拼接的签名原文为：
asr.cloud.tencent.com/asr/si/125922***?expired=1673494772&input_sample_rate=16000&nonce=1673408372&secretid=*****Qq1zhZMN8dv0******&target=en&timestamp=1673408372&voice=clone&voice_id=c64385ee-3e5c-4fc5-bbfd-7c71addb35b0
2. 对签名原文使用 SecretKey 进行 HMAC-SHA1 加密，之后再进行 base64 编码。例如对上一步的签名原文， secretkey=*****SkqpeHgqmSz*****，使用 HMAC-SHA1 算法进行加密并做 base64 编码处理：
Base64Encode(HmacSha1("asr.cloud.tencent.com/asr/si/125922***?expired=1673494772&input_sample_rate=16000&nonce=1673408372&secretid=*****Qq1zhZMN8dv0******&target=en&timestamp=1673408372&voice=clone&voice_id=c64385ee-3e5c-4fc5-bbfd-7c71addb35b0", "*****SkqpeHgqmSz*****"))
得到 signature 签名值为：
*****Bi/YnTjyjekxfDA=
﻿
3. 将 signature 值进行 urlencode（必须进行 URL 编码，编码函数必须要支持对+、=等特殊字符的编码，否则将导致鉴权失败偶现）后拼接得到最终请求 URL 为：
wss://asr.cloud.tencent.com/asr/si/125922***?expired=1673494772&input_sample_rate=16000&nonce=1673408372&secretid=*****Qq1zhZMN8dv0******&target=en&timestamp=1673408372&voice=clone&voice_id=c64385ee-3e5c-4fc5-bbfd-7c71addb35b0&signature=*****Bi%2FYnTjyjekxfDA%3D
注意：
appid 仅置于 URL 路径中，请勿在 query 参数中重复携带。
签名完成后切勿增删或改写 query 参数（包括参数值的大小写），否则将导致鉴权失败（6002）。
﻿
请求响应
客户端发起连接请求后，后台建立连接并依次进行参数校验、签名校验、并发校验与账号计费状态校验，全部校验通过则返回 code 值为0的确认消息表示握手成功，此时可开始上传音频；如果校验失败，后台返回 code 为非0值、final 为1的消息并断开连接。
{"code":0,"message":"success","voice_id":"c64385ee-3e5c-4fc5-bbfd-7c71addb35b0","final":0}
 {"code":6002,"message":"鉴权失败","voice_id":"c64385ee-3e5c-4fc5-bbfd-7c71addb35b0","final":1}
﻿
同传阶段
握手成功之后，进入同传阶段，客户端上传语音数据并接收译文字幕与译音音频。
上传数据
在同传过程中，客户端持续上传 binary message 到后台，内容为 PCM 音频流二进制数据（16bit、单声道，采样率与 input_sample_rate 一致）。建议每 200ms 发送 200ms 时长（即1:1实时率）的数据包，对应 PCM 大小计算方式为：input_sample_rate / 1000 × 2 × 200 字节，如 16k 采样率为6400字节。音频发送速率过快超过1:1实时率、单个分片过大或客户端超过15秒未发送音频数据，后台将返回错误并主动断开连接。
音频流上传完成之后，客户端需发送以下内容的 text message，通知后台结束同传。后台收到结束消息后将不再处理该连接上的后续上行数据。
{"type": "end"}
﻿
变更会话配置
同传过程中，客户端可发送以下内容的 text message，动态变更目标语言与输出音色，无需重新建连：
{"type": "update", "target": "zh", "voice": "male"}
﻿
参数说明：
参数名称
必填
类型
描述
type
是
String
固定为 update。
target
是
String
变更后的目标语言类型，取值同握手参数 target。
voice
否
String
变更后的输出音色，取值同握手参数 voice。不传表示沿用当前音色。
变更生效后，后台返回 message_type 为 session_updated 的消息，session 为实际生效的配置：
{"code":0,"message":"success","voice_id":"c64385ee-3e5c-4fc5-bbfd-7c71addb35b0","message_type":"session_updated","final":0,"session":{"target":"zh","voice":"male"}}
﻿
如果变更参数取值不合法，后台返回 code 为6001、final 为0的提示消息，会话不会中断并沿用原配置：
{"code":6001,"message":"unsupported target language \"ja\", supported: [zh en]","voice_id":"c64385ee-3e5c-4fc5-bbfd-7c71addb35b0","final":0}
注意：
上行 text message 仅支持 end 与 update 两种 type，上传无法解析或未知 type 的文本消息将返回错误码 6010 并断开连接。
发送 update 消息仅代表请求已发出，是否生效以 session_updated 消息为准。
﻿
接收消息
客户端上传数据的过程中，需要同步接收后台返回的 text message 与 binary message。一句话的典型消息序列为：
TranslationSubtitleStart -> TranslationSubtitleResponse（0次或多次） -> TranslationSubtitleEndTTSSentenceStart -> 译音 binary message（1次或多次）
﻿
字幕消息与译音消息相互独立、交错下发，通过 sentence_id 关联同一句的译文与译音，也可通过 start_ts 完成音文对齐。
﻿
译文字幕
译文新句开始，text 为首个增量片段：
{"code":0,"message":"success","voice_id":"c64385ee-3e5c-4fc5-bbfd-7c71addb35b0","message_type":"TranslationSubtitleStart","final":0,"sentence_id":"0669d099-ffdf-404e-ad91-5eaff18b20df","language":"en","text":"Real","start_ts":0}
﻿
译文句内增量，text 为本次新增片段：
{"code":0,"message":"success","voice_id":"c64385ee-3e5c-4fc5-bbfd-7c71addb35b0","message_type":"TranslationSubtitleResponse","final":0,"sentence_id":"0669d099-ffdf-404e-ad91-5eaff18b20df","text":" time"}
﻿
句级译文定稿，text 为整句完整译文：
{"code":0,"message":"success","voice_id":"c64385ee-3e5c-4fc5-bbfd-7c71addb35b0","message_type":"TranslationSubtitleEnd","final":0,"sentence_id":"0669d099-ffdf-404e-ad91-5eaff18b20df","language":"en","text":"Real time simultaneous interpretation.","start_ts":0,"end_ts":2840,"end_reason":"stop"}
﻿
译音音频
每句译音开始前，后台先下发 TTSSentenceStart 标记，随后以 binary message 下发该句的译音 PCM 数据（16bit、单声道，采样率与 input_sample_rate 一致）：
{"code":0,"message":"success","voice_id":"c64385ee-3e5c-4fc5-bbfd-7c71addb35b0","message_type":"TTSSentenceStart","final":0,"sentence_id":"0669d099-ffdf-404e-ad91-5eaff18b20df","start_ts":0}
﻿
句子跳过提醒
当前句被判定无需翻译时（如源语言与目标语言相同），后台返回跳过提醒，会话继续进行：
{"code":0,"message":"success","voice_id":"c64385ee-3e5c-4fc5-bbfd-7c71addb35b0","message_type":"TranslationSentenceSkipped","final":0,"language":"en","reason":"source_language_equals_target_language"}
﻿
会话结束
客户端发送结束消息后，后台处理完所有上传的语音数据，最终返回 final 值为1的消息并断开连接。
{"code":0,"message":"success","voice_id":"c64385ee-3e5c-4fc5-bbfd-7c71addb35b0","final":1}
﻿
同传过程中如果出现错误，后台返回 code 为非0值、final 为1的消息并断开连接。
{"code":6008,"message":"客户端超过15秒未发送音频数据","voice_id":"c64385ee-3e5c-4fc5-bbfd-7c71addb35b0","final":1}
注意：
客户端应根据 code 与 final 组合判断消息性质：
code=0：正常结果，按 message_type 处理；final=1 表示会话正常结束。
code≠0 且 final=1：致命错误，会话已终止，客户端须立即停止推流。
code≠0 且 final=0：非致命提示（如变更会话配置参数不合法），会话继续进行。
﻿
4. 开发者资源
SDK
Tencent Cloud Speech SDK for Python:GitHub﻿
SDK 调用示例
﻿Python 示例﻿
﻿
5. 错误码
数值
说明
6000
音频数据发送过多，请控制推送速率与真实时长一致。注意：实时同传的效果是"边说边出译文译音"，1秒内发送的音频数据总时长应为1秒。
6001
参数不合法，具体详情参考 message。注意：会话中变更配置参数不合法时同样返回该错误码，但 final 为0，会话不中断。
6002
鉴权失败。
6003
账号未开通本服务，请在控制台开通服务。
6004
资源包耗尽，请开通后付费或者购买资源包。
6005
账户欠费停止服务，请及时充值。
6006
账号当前调用并发超限。
6008
客户端超过15秒未发送音频数据。
6009
客户端连接断开。
6010
客户端上传未知文本消息。
6011
分片音频数据太大，请按照文档指引调整分片大小。
6012
因机器负载过高、网络抖动等导致失败，请重新发起新请求。注意：该问题通常为偶发，少量出现可忽略，发起新请求即可。
7000
因机器负载过高、网络抖动等导致失败，请重新发起新请求。注意：该问题通常为偶发，少量出现可忽略，发起新请求即可。
 

内容	说明
语言种类	源语言由服务端自动识别；目标语言支持中文、英语，可通过接口参数 target 设置。
音频属性	采样率：8000Hz、16000Hz、24000Hz、48000Hz，通过参数 input_sample_rate 指定采样精度：16bits 声道：单声道（mono）注：上行音频与下行译音共用同一采样率，即下行译音的采样率与 input_sample_rate 一致
音频格式	PCM（16bit 有符号小端，s16le）
输出音色	clone：克隆源说话人音色 male：内置男声 female：内置女声
请求协议	wss 协议
请求地址	`wss://asr.cloud.tencent.com/asr/si/?{请求参数}`
接口鉴权	签名鉴权机制，详情请参见签名生成。
响应格式	文本结果（字幕、状态、错误）：text message，统一采用 JSON 格式。译音音频：binary message，PCM 二进制数据。
数据发送	建议每200ms 发送200ms 时长（即1:1实时率）的数据包，对应 PCM 大小为：8k 采样率3200字节，16k 采样率6400字节，24k 采样率9600字节，48k 采样率19200字节。音频发送速率过快超过1:1实时率，后台将返回错误并主动断开连接；客户端超过15秒未发送音频数据，后台将返回错误并主动断开连接。
并发限制	单账号存在 1 并发路数限制，超过限制将返回错误码 6006。如您有提高并发限制的需求，请前往购买。

字段名	类型	描述
code	Integer	状态码，0代表正常，非0值表示发生错误。
message	String	错误说明，发生错误时显示这个错误发生的具体原因，随着业务发展或体验优化，此文本可能会经常保持变更或更新。
voice_id	String	音频流全局唯一标识，一个 WebSocket 连接对应一个，用户自己生成（推荐使用 UUID），最长128位。注意：每次建立 WebSocket 连接都必须重新生成 voice_id，任何情况下中断了同传或者 WebSocket 连接(如连接失败、正常结束、同传返回错误码等)，voice_id 作废，重新发起同传必须使用新的 voice_id。
final	Integer	会话终态标识： 0：会话进行中。 1：会话已结束，后台将断开连接。 code 为1时表示音频流全部同传结束。
message_type	String	消息类型，取值见下方消息类型说明。握手成功消息、会话结束消息与错误消息不携带该字段。
sentence_id	String	当前句唯一 ID。同一句的译文字幕与译音共享同一 sentence_id，客户端可据此聚合对齐。
language	String	当前译文的目标语言类型，如 "zh"、"en"。示例值：en
text	String	译文文本内容，编码为 UTF8。增量消息中为新增片段，定稿消息中为整句译文。示例值：Real time
start_ts	Integer	当前句在上行音频流时间轴上的起始时间，单位毫秒。示例值：1000
end_ts	Integer	当前句在上行音频流时间轴上的结束时间，单位毫秒。示例值：3000
end_reason	String	句级译文定稿的结束原因： stop：正常结束。 sensitive：译文命中内容安全审核，text 已替换为文明用语提示。示例值：stop
reason	String	句子被跳过的原因。示例值：source_language_equals_target_language
session	Session	会话配置变更后实际生效的配置，Session 结构体格式为： target：String 类型，生效的目标语言。 voice：String 类型，生效的输出音色。示例值：{"target":"zh","voice":"male"}

取值	携带字段	描述
TranslationSubtitleStart	sentence_id、language、text、start_ts	译文新句开始，text 为该句译文的首个增量片段。
TranslationSubtitleResponse	sentence_id、text	译文句内增量，text 为本次新增的片段，客户端需按顺序拼接到同 sentence_id 的已有译文之后。
TranslationSubtitleEnd	sentence_id、language、text、start_ts、end_ts、end_reason	句级译文定稿，text 为整句完整译文，该句结果不再变化。客户端应以本条消息的 text 整体替换此前同 sentence_id 的增量拼接结果。
TTSSentenceStart	sentence_id、start_ts	译音句开始标记，其后下发的 binary message 译音数据均属于该句，直至下一条 TTSSentenceStart。
TranslationSentenceSkipped	language、reason	当前句被判定无需翻译而跳过（如源语言与目标语言相同），无字幕与译音产出。该消息仅为提醒，会话继续进行。
session_updated	session	会话配置变更已生效，session 为实际生效的目标语言与输出音色。

参数名称	必填	类型	描述
secretid	是	String	腾讯云注册账号的密钥 secretid，可通过 API 密钥管理页面获取。示例值：Qq1zhZMN8dv0*
signature	是	String	接口签名参数，生成方式见签名生成。示例值：*g1JfeBi%2FYnTjyjekxfDA%3D
timestamp	是	Integer	当前 UNIX 时间戳，单位为秒。与服务器时间相差超过24小时将返回参数不合法错误，相差过大也会引起签名过期错误。示例值：1745932688
expired	是	Integer	签名的有效期截止时间 UNIX 时间戳，单位为秒。expired 必须大于 timestamp 且 expired - timestamp 小于90天。示例值：1746019088
nonce	是	Integer	随机正整数。用户需自行生成，最长10位。示例值：8743357
voice_id	是	String	音频流全局唯一标识，一个 WebSocket 连接对应一个，用户自己生成（推荐使用 UUID），最长128位，仅允许包含字母、数字、下划线（_）和中划线（-）。注意：每次建立 WebSocket 连接都必须重新生成 voice_id，任何情况下中断同传或者 WebSocket 连接（如连接失败、正常结束、同传返回错误码等），voice_id 作废，重新发起同传必须使用新的 voice_id示例值：c64385ee-3e5c-4fc5-bbfd-7c71addb35b0
target	是	String	目标语言类型。支持的语言类型： zh：中文 en：英文注意：源语言由服务端自动识别，若源语言与目标语言相同，该句将被跳过并返回 TranslationSentenceSkipped 消息，无字幕与译音产出。示例值：en
input_sample_rate	是	Integer	上行 PCM 音频采样率，单位 Hz。支持：8000、16000、24000、48000。注意：下行译音音频与上行音频共用同一采样率。示例值：16000
voice	否	String	译音输出音色，不传时使用服务端默认音色。支持的音色： clone：克隆源说话人音色 male：内置男声 female：内置女声示例值：clone
security_audit	否	Boolean	译文内容安全审核开关，取值 true 或 false，默认为 true（开启）。开启后对每句定稿译文（TranslationSubtitleEnd）进行审核，命中时 end_reason 返回 sensitive，text 替换为文明用语提示。注意：参数值需使用小写字符串 true/false 参与签名。示例值：true
token	否	String	使用临时密钥时需传入的安全令牌（SecurityToken），此时 secretid 与签名使用的 secretkey 均为临时密钥。使用永久密钥时无需传入。
region	否	String	地域标识。示例值：ap-guangzhou

数值	说明
6000	音频数据发送过多，请控制推送速率与真实时长一致。注意：实时同传的效果是"边说边出译文译音"，1秒内发送的音频数据总时长应为1秒。
6001	参数不合法，具体详情参考 message。注意：会话中变更配置参数不合法时同样返回该错误码，但 final 为0，会话不中断。
6002	鉴权失败。
6003	账号未开通本服务，请在控制台开通服务。
6004	资源包耗尽，请开通后付费或者购买资源包。
6005	账户欠费停止服务，请及时充值。
6006	账号当前调用并发超限。
6008	客户端超过15秒未发送音频数据。
6009	客户端连接断开。
6010	客户端上传未知文本消息。
6011	分片音频数据太大，请按照文档指引调整分片大小。
6012	因机器负载过高、网络抖动等导致失败，请重新发起新请求。注意：该问题通常为偶发，少量出现可忽略，发起新请求即可。
7000	因机器负载过高、网络抖动等导致失败，请重新发起新请求。注意：该问题通常为偶发，少量出现可忽略，发起新请求即可。