对象存储

动态与公告

产品简介

购买指南

快速入门

控制台指南

工具指南

数据湖加速器 GooseFS

最佳实践

视频教程专区

数据处理 Demo 体验

开发者指南

故障处理

API 文档

SDK 文档

常见问题

服务等级协议

附录

联系我们

词汇表
文档中心 > 对象存储 > API 文档 > 数据处理接口 > AI 内容识别 > 语音识别 > 任务接口 > 提交语音识别任务

提交语音识别任务

最近更新时间：2020-08-25 18:04:07

前往 GitHub 编辑 我的收藏

本页目录：

功能描述

CreateSpeechJobs 接口用于创建一个语音识别任务。

请求

请求示例

POST /asr_jobs HTTP/1.1
Host: <BucketName-APPID>.ci.<Region>.myqcloud.com
Date: <GMT Date>
Authorization: <Auth String>
Content-Length: <length>
Content-Type: application/xml

<body>

说明：

  • 此接口 Host 需要填写数据万象域名。
  • Authorization: Auth String（详情请参见 请求签名 文档）。

请求头

此接口仅使用公共请求头部，详情请参见数据万象 公共请求头部 文档。

请求体

该请求操作的实现需要有如下请求体。

<Request>
  <Tag>SpeechRecognition</Tag>
  <Input>
    <Object></Object>
  </Input>
  <Operation>
    <SpeechRecognition></SpeechRecognition>
    <Output>
      <Region></Region>
      <Bucket></Bucket>
      <Object></Object>
    </Output>
  </Operation>
  <QueueId></QueueId>
</Request>

具体的数据描述如下：

节点名称（关键字） 父节点 描述 类型 是否必选
Request 无 保存请求的容器 Container 是

Container 类型 Request 的具体数据描述如下：

节点名称（关键字） 父节点 描述 类型 是否必选
Tag Request 创建任务的 Tag，目前仅支持：SpeechRecognition String 是
Input Request 待操作的语音文件 Container 是
Operation Request 操作规则 Container 是
QueueId Request 任务所在的队列 ID String 是

Container 类型 Input 的具体数据描述如下：

节点名称（关键字） 父节点 描述 类型 是否必选
Object Request.Input 语音文件在 COS 上的 key，Bucket 由 Host 指定 String 是

Container 类型 Operation 的具体数据描述如下：

节点名称（关键字） 父节点 描述 类型 是否必选
SpeechRecognition Request.Operation 当 Tag 为 SpeechRecognition 时有效，指定该任务的参数 Container 否
Output Request.Operation 结果输出地址 Container 是

Container 类型 SpeechRecognition 的具体数据描述如下：

节点名称（关键字） 父节点 描述 类型 是否必选
EngineModelType Request.Operation.Speech
Recognition		 引擎模型类型，分为电话场景和非电话场景。
电话场景：
  • 8k_zh：电话 8k 中文普通话通用（可用于双声道音频）；
  • 8k_zh_s：电话 8k 中文普通话话者分离（仅适用于单声道音频）；
    非电话场景：
  • 16k_zh：16k 中文普通话通用；
  • 16k_zh_video：16k 音视频领域；
  • 16k_en：16k 英语；
  • 16k_ca：16k 粤语。
    		•  String 是
    ChannelNum Request.Operation.Speech
    Recognition    		 语音声道数：
  • 1表示单声道；
  • 2表示双声道（仅支持 8k_zh 引擎模型）。
    		•  Integer 是
    ResTextFormat Request.Operation.Speech
    Recognition    		 识别结果返回形式：
  • 0表示识别结果文本（含分段时间戳）；
  • 1表示仅支持16k中文引擎，含识别结果详情（词时间戳列表，一般用于生成字幕场景）。
    		•  Integer 是
    FilterDirty Request.Operation.Speech
    Recognition    		 是否过滤脏词（目前支持中文普通话引擎）：
  • 0表示不过滤脏词；
  • 1表示过滤脏词；
  • 2表示将脏词替换为 *。默认值为0。
    		•  Integer 否
    FilterModal Request.Operation.Speech
    Recognition    		 是否过语气词（目前支持中文普通话引擎）：
  • 0表示不过滤语气词；
  • 1表示部分过滤；
  • 2表示严格过滤 。默认值为 0。
    		•  Integer 否
    ConvertNumMode Request.Operation.Speech
    Recognition    		 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表示不转换，直接输出中文数字；
  • 1表示根据场景智能转换为阿拉伯数字。默认值为1。
    		•  Integer 否

    Container 类型 Output 的具体数据描述如下：

    节点名称（关键字） 父节点 描述 类型 是否必选
    Region Request.Operation.Output 存储桶的地域 String 是
    Bucket Request.Operation.Output 存储结果的存储桶 String 是
    Object Request.Operation.Output 结果文件的名称 String 是

    响应

    响应头

    此接口仅返回公共响应头部，详情请参见数据万象 公共响应头部 文档。

    响应体

    该响应体返回为 application/xml 数据，包含完整节点数据的内容展示如下：

    <Response>
  <JobsDetail>
    <Code></Code>
    <Message></Message>
    <JobId></JobId>
    <State></State>
    <CreationTime></CreationTime>
    <QueueId></QueueId>
    <Tag><Tag>
    <Input>
      <Object></Object>
    </Input>
    <Operation>
      <SpeechRecognition></SpeechRecognition>
      <Output>
        <Region></Region>
        <Bucket></Bucket>
        <Object></Object>
      </Output>
      <MediaInfo>
      </MeidaInfo>
    </Operation>
  </JobsDetail>
</Response>

    具体的数据内容如下：

    节点名称（关键字） 父节点 描述 类型
    Response 无 保存结果的容器 Container

    Container 节点 Response 的内容：

    节点名称（关键字） 父节点 描述 类型
    JobsDetail Response 任务的详细信息 Container

    Container 节点 JobsDetail 的内容：

    节点名称（关键字） 父节点 描述 类型
    Code Response.JobsDetail 错误码，只有 State 为 Failed 时有意义 String
    Message Response.JobsDetail 错误描述，只有 State 为 Failed 时有意义 String
    JobId Response.JobsDetail 新创建任务的 ID String
    Tag Response.JobsDetail 新创建任务的 Tag：SpeechRecognition String
    State Response.JobsDetail 任务的状态，为 Submitted、Running、Success、Failed、Pause、Cancel 其中一个 String
    CreationTime Response.JobsDetail 任务的创建时间 String
    QueueId Response.JobsDetail 任务所属的队列 ID String
    Input Response.JobsDetail 该任务的输入资源地址 Container
    Operation Response.JobsDetail 该任务的规则 Container

    Container 节点 Input 的内容：
    同上面请求中的 Request.Input 节点。

    Container 节点 Operation 的内容：

    节点名称（关键字） 父节点 描述 类型
    TemplateId Response.JobsDetail.Operation 任务的模版 ID String
    Output Response.JobsDetail.Operation 文件的输出地址 Container
    MediaInfo Response.JobsDetail.Operation 转码输出视频的信息，没有时不返回 Container

    Container 节点 Output 的内容：
    同上面请求中的 Request.Operation.Output 节点。

    Container 节点 SpeechRecognition 的内容：
    同上面请求中的 Request.Operation.SpeechRecognition节点。

    错误码

    该请求操作无特殊错误信息，常见的错误信息请参见数据万象 错误码 文档。

    实际案例

    请求:创建语音识别任务

    POST /asr_jobs HTTP/1.1
Connection: keep-alive
Accept-Encoding: gzip, deflate
Accept: */*
User-Agent: cos-python-sdk-v5.3.2
Host: examplebucket-1250000000.ci.ap-chongqing.myqcloud.com
Content-Type: application/xml
Content-Length: 411
Authorization: q-sign-algorithm=sha1&q-ak=AKIDnOr9IDiIUNYWGrrWb2IJ4YmywDXc****&q-sign-time=1597915249;1597925309&q-key-time=1597915249;1597925309&q-header-list=content-type;host&q-url-param-list=&q-signature=cb18718939be449e84d22358e8f0e****

<?xml version="1.0" encoding="utf-8"?>

<Request>
  <Input>
    <Object>music.mp3</Object>
  </Input>
  <Operation>
    <Output>
      <Region>ap-chongqing</Region>
      <Object>music.mp3</Object>
      <Bucket>examplebucket-1250000000</Bucket>
    </Output>
    <SpeechRecognition>
      <ChannelNum>1</ChannelNum>
      <EngineModelType>16k_zh</EngineModelType>
    </SpeechRecognition>
  </Operation>
  <Tag>SpeechRecognition</Tag>
  <QueueId>p2e11b0a26d404d029c15f06c48803dde</QueueId>
</Request>

    响应

    HTTP/1.1 200 OK
Date: Date
Content-Type: application/xml
Content-Length: 863
Connection: keep-alive
Server: tencent-ci
x-ci-request-id: request-id

<?xml version="1.0" encoding="utf-8"?>
<Response>
        <JobsDetail>
                <Code>Success</Code>
                <CreationTime>2020-08-20T17:35:11+0800</CreationTime>
                <EndTime>-</EndTime>
                <Input>
                        <Object>16k.mp3</Object>
                </Input>
                <JobId>s716d8c8ee2c811ea94a0b170ddb38f60</JobId>
                <Message/>
                <Operation>
                        <Output>
                                <Bucket>test005-1251704708</Bucket>
                                <Object>music.txt</Object>
                                <Region>ap-chongqing</Region>
                        </Output>
                        <SpeechRecognition>
                                <ChannelNum>1</ChannelNum>
                                <ConvertNumMode>1</ConvertNumMode>
                                <EngineModelType>16k_zh</EngineModelType>
                                <FilterDirty>0</FilterDirty>
                                <FilterModal>0</FilterModal>
                                <ResTextFormat>0</ResTextFormat>
                        </SpeechRecognition>
                </Operation>
                <QueueId>p5275b560c7fd498db9a36e5e202827b6</QueueId>
                <State>Submitted</State>
                <Tag>SpeechRecognition</Tag>
        </JobsDetail>
</Response>

    目录