语音识别实时说话人分离（WebSocket）

接口描述
本接口服务采用 WebSocket 协议，在实时语音识别的基础上，新增加声纹聚类能力，可以实时对说话人角色进行分离，达到“边说边出文字边识别角色”的效果。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。
接口要求
集成实时语音识别 API 时，需按照以下要求。
内容
说明
语言种类
支持中文、英语、粤语、四川、陕西、河南、上海、湖南、湖北和安徽方言。可通过接口参数 engine_model_type 设置对应语言类型。
音频属性
采样率：16000Hz 或 8000Hz
采样精度：16bits
声道：单声道（mono）
音频格式
pcm、wav、opus、speex、silk、mp3、m4a、aac
请求协议
wss 协议
请求地址
wss://asr.cloud.tencent.com/asr/v2/<appid>?{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
统一采用 JSON 格式。
数据发送
建议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。
音频发送速率过快超过1:1实时率或者音频数据包之间发送间隔超过6秒，可能导致引擎出错，后台将返回错误并主动断开连接。
并发限制
单账号免费50路并发，如您有提高并发限制的需求，请联系腾讯云服务支持。
接口调用流程
接口调用流程分为两个阶段：握手阶段和识别阶段。两阶段后台均返回 text message，内容为 JSON 序列化字符串，以下是格式说明：
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，任何情况下中断了识别或者 WebSocket 连接(如连接失败、正常结束、识别返回错误码等)，voice_id 作废，重新发起识别必须使用新的 voice_id。
message_id
String
本 message 唯一 ID。
sentences
SpeakerSentences
最新带说话人信息的语音识别结果。
final
Integer
该字段返回1时表示音频流全部识别结束。
其中识别结果 sentences 结构体格式为：
字段名
类型
描述
sentence
string
当前句子的文本内容。
sentence_type
Int
当前句子的状态，0为不确定，1为确定。
sentence_id
Int
当前句子的 ID，从0开始，每产生一个稳态的句子，会进行自增。
speaker_id
Int
代表当前句的说话人信息，起始会从-1开始展示，表示未产生准确的说话人信息，产生准确说话人信息后，该字段将替换为一个正数来指代具体的说话人角色信息，说话人角色id,有效取值范围 0 - 9, 最多分离10个说话人。
start_time
uint
当前一段话结果在整个音频流中的起始时间。
end_time
uint
当前一段话结果在整个音频流中的结束时间。
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/v2/<appid>?{请求参数}
其中 <appid> 需替换为腾讯云注册账号的 AppID，可通过 API 密钥管理页面 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******
timestamp
是
Integer
当前 UNIX 时间戳，单位为秒。如果与当前时间相差过大，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
engine_model_type
是
String
支持实时话者分离的引擎：
16k_zh_en_speaker：中英粤+7种方言大模型引擎【大模型版】。当前模型同时支持中文、英语、粤语、四川、陕西、河南、上海、湖南、湖北和安徽方言识别，模型参数量极大，语言模型性能增强，针对噪声大、回音大、人声小、人声远等低质量音频的识别准确率极大提升。
示例值：16k_zh_en_speaker
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。
﻿
注意：每次建立 WebSocket 连接都必须重新生成 voice_id，任何情况下中断了识别或者 WebSocket 连接（如连接失败、正常结束、识别返回错误码等），voice_id 作废，重新发起识别必须使用新的 voice_id
示例值：TBgVFCsxdn3i2DGt
enable_speaker_context
否
Int
是否开启断点续传能力；0：关闭，1：开启。
若开启断点续传能力，会返回唯一声纹 ID（24h 有效），用于下次任务断点续传。
speaker_context_id
否
String
传入声纹 ID 后，本次实时话者分离说话人 ID 会与上次的实时话者分离任务保持一致。
voice_format
否
Int
语音编码方式，可选，默认值为4。1：pcm；4：speex(sp)；6：silk；8：mp3；10：opus（opus 格式音频流封装说明）；12：wav；14：m4a（每个分片须是一个完整的 m4a 音频）；16：aac
示例值：1
needvad
否
Integer
0：关闭 vad，1：开启 vad，默认为0。
为保证识别效果，如果语音分片长度超过60秒，会强制在 60s 断一次，建议客户音频超过 60s 时，开启 vad（人声检测切分功能），提升切分效果。
示例值：1
hotword_id
否
String
热词表 id。如不设置该参数，自动生效默认热词表；如果设置了该参数，那么将生效对应的热词表。
示例值：da3f5f5555cf11eda6da525400aec391
customization_id
否
String
自学习模型 id。如设置了该参数，将生效对应的自学习模型。
示例值：39bc8e96504511edbd76446a2eb5fd98
filter_dirty
否
Integer
是否过滤脏词（目前支持中文普通话引擎）。默认为0。0：不过滤脏词；1：过滤脏词；2：将脏词替换为“ * ”
示例值：0
filter_modal
否
Integer
是否过滤语气词（目前支持中文普通话引擎）。默认为0。0：不过滤语气词；1：部分过滤；2：严格过滤。
示例值：0
filter_empty_result
否
Integer
是否回调识别空结果，默认为1。0：回调空结果；1：不回调空结果。
﻿
注意：如果需要 slice_type=0 和 slice_type=2 配对回调，需要设置 filter_empty_result=0。一般在外呼场景需要配对返回，通过 slice_type=0 来判断是否有人声出现。
示例值：1
convert_num_mode
否
Integer
是否进行阿拉伯数字智能转换（目前支持中文普通话引擎）。0：不转换，直接输出中文数字，1：根据场景智能转换为阿拉伯数字，3: 打开数学相关数字转换。默认值为1
示例值：1
noise_threshold
否
Float
噪音参数阈值，默认为0，取值范围：[-1,1]，对于一些音频片段，取值越大，判定为噪音情况越大。取值越小，判定为人声情况越大。
慎用：可能影响识别效果
示例值：0
signature
是
String
接口签名参数
示例值：*****g1JfeBi%2FYnTjyjekxfDA%3D
hotword_list
否
String
临时热词表：该参数用于提升识别准确率。
单个热词限制："热词|权重"，单个热词不超过30个字符（最多10个汉字），权重[1-11]或者100，如：“腾讯云|5” 或 “ASR|11”。
临时热词表限制：多个热词用英文逗号分割，最多支持128个热词，如：“腾讯云|10,语音识别|5,ASR|11”。
参数 hotword_id（热词表） 与 hotword_list（临时热词表） 区别：
hotword_id：热词表。需要先在控制台或接口创建热词表，获得对应hotword_id传入参数来使用热词功能。
hotword_list：临时热词表。每次请求时直接传入临时热词表来使用热词功能，云端不保留临时热词表。适用于有极大量热词需求的用户。
注意：
如果同时传入了 hotword_id 和 hotword_list，只有 hotword_list 生效。
热词权重设置为11时，当前热词将升级为超级热词，建议仅将重要且必须生效的热词设置到11，设置过多权重为11的热词将影响整体字准率。
热词权重设置为100时，当前热词开启热词增强同音替换功能（仅支持 8k_zh,16k_zh），举例：热词配置“蜜制|100”时，与“蜜制”同拼音（mizhi）的“秘制”的识别结果会被强制替换成“蜜制”。因此建议客户根据自己的实际情况开启该功能。建议仅将重要且必须生效的热词设置到100，设置过多权重为100的热词将影响整体字准率。
热词不能包含空格，如：ASR 腾讯云
示例值：语音助理|10
input_sample_rate
否
Integer
支持 PCM 格式的 8k 音频在与引擎采样率不匹配的情况下升采样到 16k 后识别，能有效提升识别准确率。仅支持：8000。如：传入 8000 ，则 PCM 音频采样率为8k，当引擎选用16k_zh， 那么该 8k 采样率的 PCM 音频可以在 16k_zh 引擎下正常识别。
﻿
注意：此参数仅适用于 PCM 格式音频，不传入值将维持默认状态，即默认调用的引擎采样率等于 PCM 音频采样率。
示例值：8000
replace_text_id
否
String
替换词汇表 ID,  适用于热词和自学习场景也无法解决的极端 case 词组，会对识别结果强制替换。具体可参考（词汇替换） ；强制替换功能可能会影响正常识别结果，请谨慎使用。
﻿
注意：
本功能配置完成后，预计在10分钟后生效。
﻿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/v2/125922***?engine_model_type=16k_zh&expired=1673494772&needvad=1&nonce=1673408372&secretid=*****Qq1zhZMN8dv0******&timestamp=1673408372&voice_format=1&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/v2/125922***?engine_model_type=16k_zh&expired=1673494772&needvad=1&nonce=1673408372&secretid=*****Qq1zhZMN8dv0******&timestamp=1673408372&voice_format=1&voice_id=c64385ee-3e5c-4fc5-bbfd-7c71addb35b0", "*****SkqpeHgqmSz*****"))
得到 signature 签名值为：
G8jDQBRg1JfeBi/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/v2/125922****?engine_model_type=16k_zh&expired=1592380492&filter_dirty=1&filter_modal=1&filter_punc=1&needvad=1&nonce=1592294092123&secretid=A*********************************0r&timestamp=1592294092&voice_format=1&voice_id=c64385ee-3e5c-4fc5-bbfd-7c71addb35b0&signature=G8jDQBRg1JfeBi%2FYnTjyjekxfDA%3D
Opus 音频流封装说明  
压缩 FrameSize 固定640，即一次压缩640 short，否则解压会失败。传到服务端可以是多帧的拼接组合，每一帧需满足下面格式。
每一帧压缩数据封装如下：
OpusHead（4字节）
帧数据长度（2字节）
Opus 一帧压缩数据
Opus
长度 len
对应 len 长的 Opus encode data
请求响应
客户端发起连接请求后，后台建立连接并进行签名校验，校验成功则返回 code 值为0的确认消息表示握手成功；如果校验失败，后台返回 code 为非0值的消息并断开连接。
 {"code":0,"message":"success","voice_id":"RnKu9FODFHK5FPpsrN"}
识别阶段
握手成功之后，进入识别阶段，客户端上传语音数据并接收识别结果消息。
上传数据
在识别过程中，客户端持续上传 binary message 到后台，内容为音频流二进制数据。建议每 40ms 发送 40ms 时长（即1:1实时率）的数据包，对应 PCM 大小为：8k 采样率640字节，16k 采样率1280字节。音频发送速率过快超过1:1实时率或者音频数据包之间发送间隔超过6秒，可能导致引擎出错，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，通知后台结束识别。
{"type": "end"}
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实时识别结果，结果示例：
 {"code":0,"message":"success","voice_id":"RnKu9FODFHK5FPpsrN","message_id":"RnKu9FODFHK5FPpsrN_11_0","sentences":{"speaker_id:0: text:实时语音识别。sentence_id:1 start_time:1200, end_time:2850, sentence_type:1}}
﻿
后台识别完所有上传的语音数据之后，最终返回 final 值为1的消息并断开连接。
{"code":0,"message":"success","voice_id":"CzhjnqBkv8lk5pRUxhpX","message_id":"CzhjnqBkv8lk5pRUxhpX_241","final":1}
识别过程中如果出现错误，后台返回 code 为非0值的消息并断开连接。
{"code":4008,"message":"后台识别服务器音频分片等待超时","voice_id":"CzhjnqBkv8lk5pRUxhpX","message_id":"CzhjnqBkv8lk5pRUxhpX_241"}
开发者资源
SDK
Tencent Cloud Speech SDK for Go:GitHub,CNB﻿
Tencent Cloud Speech SDK for Java:GitHub,CNB﻿
Tencent Cloud Speech SDK for Python:GitHub,CNB﻿
﻿
SDK 调用示例
﻿Golang 示例﻿
﻿Python 示例﻿
错误码
数值
说明
4000
音频数据发送过多，请1秒内最多发送3秒音频数据。
注意：实时识别的效果是“边说边出文字”，1秒内发送的音频数据总时长应为1秒。
4001
参数不合法，具体详情参考 message。
4002
鉴权失败。
4003
AppID 服务未开通，请在控制台开通服务。
4004
资源包耗尽，请开通后付费或者购买资源包。
4005
账户欠费停止服务，请及时充值。
4006
账号当前调用并发超限。
4007
音频解码失败，请检查上传音频数据格式与调用参数一致。
4008
客户端超过15秒未发送音频数据。
4009
客户端连接断开。
4010
客户端上传未知文本消息。
5000
因机器负载过高、网络抖动等导致失败，请重新发起新识别。
注意：该问题通常为偶发，少量出现可忽略，发起新识别即可。
5001
因机器负载过高、网络抖动等导致失败，请重新发起新识别。
注意：该问题通常为偶发，少量出现可忽略，发起新识别即可。
5002
因机器负载过高、网络抖动等导致失败，请重新发起新识别。
注意：该问题通常为偶发，少量出现可忽略，发起新识别即可。
6001
境外调用请前往 腾讯云国际站 开通服务。国内站用户请检查是否使用境外代理，如果使用请关闭。
﻿

内容	说明
语言种类	支持中文、英语、粤语、四川、陕西、河南、上海、湖南、湖北和安徽方言。可通过接口参数 engine_model_type 设置对应语言类型。
音频属性	采样率：16000Hz 或 8000Hz 采样精度：16bits 声道：单声道（mono）
音频格式	pcm、wav、opus、speex、silk、mp3、m4a、aac
请求协议	wss 协议
请求地址	`wss://asr.cloud.tencent.com/asr/v2/<appid>?{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	统一采用 JSON 格式。
数据发送	建议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。音频发送速率过快超过1:1实时率或者音频数据包之间发送间隔超过6秒，可能导致引擎出错，后台将返回错误并主动断开连接。
并发限制	单账号免费50路并发，如您有提高并发限制的需求，请联系腾讯云服务支持。

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，任何情况下中断了识别或者 WebSocket 连接(如连接失败、正常结束、识别返回错误码等)，voice_id 作废，重新发起识别必须使用新的 voice_id。
message_id	String	本 message 唯一 ID。
sentences	SpeakerSentences	最新带说话人信息的语音识别结果。
final	Integer	该字段返回1时表示音频流全部识别结束。

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****
timestamp	是	Integer	当前 UNIX 时间戳，单位为秒。如果与当前时间相差过大，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
engine_model_type	是	String	支持实时话者分离的引擎： 16k_zh_en_speaker：中英粤+7种方言大模型引擎【大模型版】。当前模型同时支持中文、英语、粤语、四川、陕西、河南、上海、湖南、湖北和安徽方言识别，模型参数量极大，语言模型性能增强，针对噪声大、回音大、人声小、人声远等低质量音频的识别准确率极大提升。示例值：16k_zh_en_speaker
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。注意：每次建立 WebSocket 连接都必须重新生成 voice_id，任何情况下中断了识别或者 WebSocket 连接（如连接失败、正常结束、识别返回错误码等），voice_id 作废，重新发起识别必须使用新的 voice_id 示例值：TBgVFCsxdn3i2DGt
enable_speaker_context	否	Int	是否开启断点续传能力；0：关闭，1：开启。若开启断点续传能力，会返回唯一声纹 ID（24h 有效），用于下次任务断点续传。
speaker_context_id	否	String	传入声纹 ID 后，本次实时话者分离说话人 ID 会与上次的实时话者分离任务保持一致。
voice_format	否	Int	语音编码方式，可选，默认值为4。1：pcm；4：speex(sp)；6：silk；8：mp3；10：opus（opus 格式音频流封装说明）；12：wav；14：m4a（每个分片须是一个完整的 m4a 音频）；16：aac 示例值：1
needvad	否	Integer	0：关闭 vad，1：开启 vad，默认为0。为保证识别效果，如果语音分片长度超过60秒，会强制在 60s 断一次，建议客户音频超过 60s 时，开启 vad（人声检测切分功能），提升切分效果。示例值：1
hotword_id	否	String	热词表 id。如不设置该参数，自动生效默认热词表；如果设置了该参数，那么将生效对应的热词表。示例值：da3f5f5555cf11eda6da525400aec391
customization_id	否	String	自学习模型 id。如设置了该参数，将生效对应的自学习模型。示例值：39bc8e96504511edbd76446a2eb5fd98
filter_dirty	否	Integer	是否过滤脏词（目前支持中文普通话引擎）。默认为0。0：不过滤脏词；1：过滤脏词；2：将脏词替换为“ * ” 示例值：0
filter_modal	否	Integer	是否过滤语气词（目前支持中文普通话引擎）。默认为0。0：不过滤语气词；1：部分过滤；2：严格过滤。示例值：0
filter_empty_result	否	Integer	是否回调识别空结果，默认为1。0：回调空结果；1：不回调空结果。注意：如果需要 slice_type=0 和 slice_type=2 配对回调，需要设置 filter_empty_result=0。一般在外呼场景需要配对返回，通过 slice_type=0 来判断是否有人声出现。示例值：1
convert_num_mode	否	Integer	是否进行阿拉伯数字智能转换（目前支持中文普通话引擎）。0：不转换，直接输出中文数字，1：根据场景智能转换为阿拉伯数字，3: 打开数学相关数字转换。默认值为1 示例值：1
noise_threshold	否	Float	噪音参数阈值，默认为0，取值范围：[-1,1]，对于一些音频片段，取值越大，判定为噪音情况越大。取值越小，判定为人声情况越大。慎用：可能影响识别效果示例值：0
signature	是	String	接口签名参数示例值：*****g1JfeBi%2FYnTjyjekxfDA%3D
hotword_list	否	String	临时热词表：该参数用于提升识别准确率。单个热词限制："热词\|权重"，单个热词不超过30个字符（最多10个汉字），权重[1-11]或者100，如：“腾讯云\|5” 或 “ASR\|11”。临时热词表限制：多个热词用英文逗号分割，最多支持128个热词，如：“腾讯云\|10,语音识别\|5,ASR\|11”。参数 hotword_id（热词表）与 hotword_list（临时热词表）区别： hotword_id：热词表。需要先在控制台或接口创建热词表，获得对应hotword_id传入参数来使用热词功能。 hotword_list：临时热词表。每次请求时直接传入临时热词表来使用热词功能，云端不保留临时热词表。适用于有极大量热词需求的用户。注意：如果同时传入了 hotword_id 和 hotword_list，只有 hotword_list 生效。热词权重设置为11时，当前热词将升级为超级热词，建议仅将重要且必须生效的热词设置到11，设置过多权重为11的热词将影响整体字准率。热词权重设置为100时，当前热词开启热词增强同音替换功能（仅支持 8k_zh,16k_zh），举例：热词配置“蜜制\|100”时，与“蜜制”同拼音（mizhi）的“秘制”的识别结果会被强制替换成“蜜制”。因此建议客户根据自己的实际情况开启该功能。建议仅将重要且必须生效的热词设置到100，设置过多权重为100的热词将影响整体字准率。热词不能包含空格，如：ASR 腾讯云示例值：语音助理\|10
input_sample_rate	否	Integer	支持 PCM 格式的 8k 音频在与引擎采样率不匹配的情况下升采样到 16k 后识别，能有效提升识别准确率。仅支持：8000。如：传入 8000 ，则 PCM 音频采样率为8k，当引擎选用16k_zh，那么该 8k 采样率的 PCM 音频可以在 16k_zh 引擎下正常识别。注意：此参数仅适用于 PCM 格式音频，不传入值将维持默认状态，即默认调用的引擎采样率等于 PCM 音频采样率。示例值：8000
replace_text_id	否	String	替换词汇表 ID, 适用于热词和自学习场景也无法解决的极端 case 词组，会对识别结果强制替换。具体可参考（词汇替换）；强制替换功能可能会影响正常识别结果，请谨慎使用。注意：本功能配置完成后，预计在10分钟后生效。

OpusHead（4字节）	帧数据长度（2字节）	Opus 一帧压缩数据
Opus	长度 len	对应 len 长的 Opus encode data

数值	说明
4000	音频数据发送过多，请1秒内最多发送3秒音频数据。注意：实时识别的效果是“边说边出文字”，1秒内发送的音频数据总时长应为1秒。
4001	参数不合法，具体详情参考 message。
4002	鉴权失败。
4003	AppID 服务未开通，请在控制台开通服务。
4004	资源包耗尽，请开通后付费或者购买资源包。
4005	账户欠费停止服务，请及时充值。
4006	账号当前调用并发超限。
4007	音频解码失败，请检查上传音频数据格式与调用参数一致。
4008	客户端超过15秒未发送音频数据。
4009	客户端连接断开。
4010	客户端上传未知文本消息。
5000	因机器负载过高、网络抖动等导致失败，请重新发起新识别。注意：该问题通常为偶发，少量出现可忽略，发起新识别即可。
5001	因机器负载过高、网络抖动等导致失败，请重新发起新识别。注意：该问题通常为偶发，少量出现可忽略，发起新识别即可。
5002	因机器负载过高、网络抖动等导致失败，请重新发起新识别。注意：该问题通常为偶发，少量出现可忽略，发起新识别即可。
6001	境外调用请前往腾讯云国际站开通服务。国内站用户请检查是否使用境外代理，如果使用请关闭。

实时说话人分离（WebSocket）

本页目录：

接口描述

接口要求

接口调用流程

握手阶段

请求格式

Opus 音频流封装说明

请求响应

识别阶段

上传数据

接收消息

开发者资源

SDK

SDK 调用示例

错误码