大模型服务平台 TokenHub WAND 同步语音识别

概述
Tokenhub 已上线语音识别（ASR）能力，本文对应 WAND 非实时、同步语音识别接口，模型为 wand-asr-v1。接口接收音视频文件地址，同步返回识别文本结果。
前提条件
已 注册腾讯云 账号并开通 TokenHub 服务。
已在 TokenHub 控制台 获取 API Key。
接口信息
项
值
地址
https://tokenhub.tencentmaas.com/v1/wand/asrproxy/sync_transcribe
方法
POST
Content-Type
application/json
鉴权
Authorization: Bearer YOUR_API_KEY
支持模型
模型名称
model（调用参数）
能力说明
WAND-ASR-V1
wand-asr-v1
语音识别（ASR），支持音视频文件转写为文本
请求体
请求示例
cURL
curl -X POST 'https://tokenhub.tencentmaas.com/v1/wand/asrproxy/sync_transcribe' \\
  -H 'Authorization: Bearer YOUR_API_KEY' \\
  -H "Content-Type: application/json" \\
  -d '{
    "model": "wand-asr-v1",
    "input_url": "https://cos.example.com/xxx.mp4"
  }'
请求参数
参数
类型
必选
说明
model
string
是
模型名称，固定为 wand-asr-v1。
input_url
string
二选一
待识别的音视频文件地址（支持常见音视频格式）。
 data
string
二选一
音频 Base64（标准 base64，含 padding）；与 input_url 同时传则以 data 为准。
 source
string
否
识别语种：zh / en 等；缺省时后端自动检测。
voice_encode_format
string
否
音频编码：pcm / wav/  ogg / mp3等；缺省 auto。
返回体
返回示例
{
  "id": "th_251416641_700001910665_asrproxy_2dc6dad8df55a082a5a17b01f2426a20",
  "object": "asr.task",
  "created_at": 1721808000,
  "status": "completed",
  "request_id": "fd8a1c2f-feb6-48ff-b904-e14056693b9c",
  "output": {
    "source": "zh",
    "duration_ms": 15230,
    "text": "大家好，欢迎来到今天的会议 今天我们讨论产品规划",
    "sentences": [
      { "begin_ms": 500,  "end_ms": 3200, "text": "大家好，欢迎来到今天的会议" },
      { "begin_ms": 3500, "end_ms": 5800, "text": "今天我们讨论产品规划" }
    ],
    "subtitle_url": "https://xxx.cos.ap-guangzhou.myqcloud.com/subtitle/xxx.srt"
  },
  "usage": { "total_token": 761 }
}
返回字段
字段
类型
说明
output.source
string
实际识别的语种。
output.duration_ms
int64
音频总时长（毫秒）。
output.text
string
全文识别文本（自动拼接所有分句）。
output.sentences[]
array
分句时间戳：{ begin_ms, end_ms, text }。
output.subtitle_url
string
字幕文件下载 URL（SRT 格式）。
usage.total_token
int64
消耗 token 总数。
错误码
请参见 API 错误码说明。
﻿

项	值
地址	https://tokenhub.tencentmaas.com/v1/wand/asrproxy/sync_transcribe
方法	POST
Content-Type	application/json
鉴权	Authorization: Bearer YOUR_API_KEY

模型名称	model（调用参数）	能力说明
WAND-ASR-V1	`wand-asr-v1`	语音识别（ASR），支持音视频文件转写为文本

参数	类型	必选	说明
model	string	是	模型名称，固定为 `wand-asr-v1`。
input_url	string	二选一	待识别的音视频文件地址（支持常见音视频格式）。
data	string	二选一	音频 Base64（标准 base64，含 padding）；与 input_url 同时传则以 data 为准。
source	string	否	识别语种：zh / en 等；缺省时后端自动检测。
voice_encode_format	string	否	音频编码：pcm / wav/ ogg / mp3等；缺省 auto。

字段	类型	说明
output.source	string	实际识别的语种。
output.duration_ms	int64	音频总时长（毫秒）。
output.text	string	全文识别文本（自动拼接所有分句）。
output.sentences[]	array	分句时间戳：{ begin_ms, end_ms, text }。
output.subtitle_url	string	字幕文件下载 URL（SRT 格式）。
usage.total_token	int64	消耗 token 总数。

WAND 同步语音识别

本页目录：

概述

前提条件

接口信息

支持模型

请求体

请求示例

请求参数

返回体

返回示例

返回字段

错误码