语音识别转写

音频文件转写，支持多种 ASR 模型

POST /v1/audio/transcriptions

SenseASR 语音识别（HTTP）

cURL

curl --request POST \
  --url https://api.senseaudio.cn/v1/audio/transcriptions \
  --header 'Authorization: Bearer <token>' \
  --header 'Content-Type: multipart/form-data' \
  --form file='@example-file' \
  --form model=senseaudio-asr-1.5-260319

200

{
  "text": "<string>",
  "duration": 123,
  "audio_info": {
    "duration": 123,
    "format": "<string>"
  },
  "segments": [
    {
      "id": 123,
      "start": 123,
      "end": 123,
      "text": "<string>",
      "speaker": "<string>",
      "translation": "<string>"
    }
  ],
  "words": [
    {
      "word": "<string>",
      "start": 123,
      "end": 123
    }
  ]
}

​

说明

基于 HTTP 协议的语音识别服务，兼容 OpenAI Audio API 风格，便于从现有系统迁移。

• 接口地址：https://api.senseaudio.cn/v1/audio/transcriptions
• Content-Type：multipart/form-data
• 鉴权方式：Bearer Token，详见 快速接入
• 模型矩阵：Lite / Standard / Pro / DeepThink，能力差异详见 语音识别介绍
• 实时识别：低延迟场景请使用 WebSocket 实时识别

​

Authorizations

Authorization · string · 必填

Bearer 鉴权头，格式为 Bearer SENSEAUDIO_API_KEY，其中 SENSEAUDIO_API_KEY 为您的 API Key。

​

Body

multipart/form-data

file · file · 必填

音频文件（wav / mp3 / ogg / flac / aac / m4a / mp4 等），≤ 10 MB。

model · string · 必填

模型名称。可选值：senseaudio-asr-lite-1.5-260319、senseaudio-asr-1.5-260319、senseaudio-asr-pro-1.5-260319、senseaudio-asr-deepthink-1.5-260319。

language · string

音频内容语言代码（ISO-639-1，部分 ISO-639-3），如 zh / en / ja；不设置则自动检测。

response_format · string · 默认值: "json"

响应格式：json / text / verbose_json。

stream · boolean · 默认值: "false"

是否流式返回（lite 不支持）。

enable_punctuation · boolean · 默认值: "false"

自动标点（仅 asr / pro，deepthink 静默忽略）。

enable_speaker_diarization · boolean · 默认值: "false"

说话人分离（仅 asr / pro）。

max_speakers · integer

最大说话人数 1–20，配合说话人分离使用（仅 asr-pro 支持）。

timestamp_granularities[] · string[]

时间戳粒度：word = 字级 / segment = 句级（仅 asr / pro）。

target_language · string

翻译目标语言代码（lite 不支持，pro / deepthink 支持）。

hotwords · string

热词增强，英文逗号分隔（仅 lite）。

recognize_mode · string · 默认值: "auto"

识别模式：auto / record_only（仅 deepthink 流式模式生效）。

abbreviations · boolean · 默认值: "false"

缩写词自动替换。

​

Response

200 — application/json

text · string

识别出的文本内容（所有 response_format 均返回）。

duration · number

音频时长（秒），verbose_json 下返回。

audio_info · object

音频元信息，verbose_json / 流式下返回。

显示 child attributes

audio_info.duration · integer

音频时长（ms）。

audio_info.format · string

音频格式。

segments · object[]

分段结果（需 response_format=verbose_json 或 timestamp_granularities[]=segment）。

显示 child attributes

segments.id · integer

分段索引。

segments.start · number

起始时间（秒）。

segments.end · number

结束时间（秒）。

segments.text · string

本段识别文本。

segments.speaker · string

说话人标识，需开启 enable_speaker_diarization。

segments.translation · string

翻译结果，需设置 target_language。

words · object[]

字级结果，需设置 timestamp_granularities[]=word。

显示 child attributes

words.word · string

字符。

words.start · number

起始时间（秒）。

words.end · number

结束时间（秒）。

​

响应格式详解

​

JSON（默认）

{ "text": "识别出的文本内容" }

​

Text

纯文本，Content-Type: text/plain。

识别出的文本内容

​

Verbose JSON

{
  "text": "道可道非常道",
  "duration": 2.1,
  "audio_info": { "duration": 5230, "format": "wav" },
  "segments": [
    {
      "id": 0,
      "start": 0.0,
      "end": 2.0,
      "text": "道可道非常道",
      "speaker": "speaker_0",
      "translation": "Translated"
    }
  ],
  "words": [
    { "word": "道", "start": 0.27, "end": 0.51 },
    { "word": "可", "start": 0.57, "end": 0.81 }
  ]
}

​

流式响应 (SSE)

Content-Type: text/event-stream

data: {"delta": {"text": "增量文本"}, "finish_reason": null}
data: {"delta": {"text": "。"}, "finish_reason": "stop", "audio_info": {...}}
data: [DONE]

字段	说明
delta.text	本次返回的增量文本
finish_reason	null（进行中）/ stop（完成）/ error（错误）

​

语言支持

language 用于指定音频内容的语言（留空则自动检测）；target_language 将识别结果翻译为另一语言。

​

各模型参数支持

模型	language	target_language
senseaudio-asr-lite-1.5-260319	✅	❌
senseaudio-asr-1.5-260319	✅	❌
senseaudio-asr-pro-1.5-260319	✅	✅
senseaudio-asr-deepthink-1.5-260319	✅	✅

部分模型仅支持 language 或 target_language，请以上表为准。

​

senseaudio-asr-lite-1.5-260319 支持语种

代码	语言	代码	语言	代码	语言
zh	中文	en	英文	yue	粤语
ja	日文	ko	韩文	vi	越南语
id	印尼语	th	泰语	ms	马来语
tl/fil	菲律宾语	ar	阿拉伯语	hi	印地语
bg	保加利亚语	hr	克罗地亚语	cs	捷克语
da	丹麦语	nl	荷兰语	et	爱沙尼亚语
fi	芬兰语	el	希腊语	hu	匈牙利语
ga	爱尔兰语	lv	拉脱维亚语	lt	立陶宛语
mt	马耳他语	pl	波兰语	pt	葡萄牙语
ro	罗马尼亚语	sk	斯洛伐克语	sl	斯洛文尼亚语
sv	瑞典语

​

senseaudio-asr-1.5-260319 / senseaudio-asr-pro-1.5-260319 支持语种

代码	语言	代码	语言	代码	语言
ar	阿拉伯语	yue	粤语	zh	中文
nl	荷兰语	en	英文	fr	法语
de	德语	id	印尼语	it	意大利语
ja	日文	ko	韩文	ms	马来语
pt	葡萄牙语	ru	俄语	es	西班牙语
th	泰语	tr	土耳其语	ur	乌尔都语
vi	越南语

​

senseaudio-asr-deepthink-1.5-260319 支持语种

同 senseaudio-asr-1.5-260319 / senseaudio-asr-pro-1.5-260319 表，用于翻译输出。

​

各模型调用示例

​

senseaudio-asr-lite-1.5-260319

轻量级模型。热词增强示例：

curl https://api.senseaudio.cn/v1/audio/transcriptions \
  -H "Authorization: Bearer $SENSEAUDIO_API_KEY" \
  -F file="@meeting.wav" \
  -F model="senseaudio-asr-lite-1.5-260319" \
  -F language="zh" \
  -F hotwords="张三,李四,项目Alpha,季度复盘"

{ "text": "张三和李四负责项目Alpha的季度复盘工作" }

​

senseaudio-asr-1.5-260319

标准模型。字级 / 句级时间戳示例：

curl https://api.senseaudio.cn/v1/audio/transcriptions \
  -H "Authorization: Bearer $SENSEAUDIO_API_KEY" \
  -F file="@interview.wav" \
  -F model="senseaudio-asr-1.5-260319" \
  -F response_format="verbose_json" \
  -F "timestamp_granularities[]=word"

​

senseaudio-asr-pro-1.5-260319

专业版。说话人分离 + 字级时间戳 + 翻译：

curl https://api.senseaudio.cn/v1/audio/transcriptions \
  -H "Authorization: Bearer $SENSEAUDIO_API_KEY" \
  -F file="@meeting.wav" \
  -F model="senseaudio-asr-pro-1.5-260319" \
  -F response_format="verbose_json" \
  -F enable_speaker_diarization="true" \
  -F max_speakers="4" \
  -F "timestamp_granularities[]=word" \
  -F target_language="en"

​

senseaudio-asr-deepthink-1.5-260319

深度理解模型。翻译示例：

curl https://api.senseaudio.cn/v1/audio/transcriptions \
  -H "Authorization: Bearer $SENSEAUDIO_API_KEY" \
  -F file="@complex_audio.mp3" \
  -F model="senseaudio-asr-deepthink-1.5-260319" \
  -F target_language="en"

{ "text": "The weather is nice today, suitable for going out for a walk." }

​

错误处理

错误时返回非 200 状态码，响应体：

{
  "code": "invalid",
  "message": "file is required"
}

HTTP	code	说明
400	invalid	参数错误
429	rate_limit_error	请求频率过高
500	internal_error	服务端错误

​

相关指南

• 语音识别介绍
• WebSocket 实时识别
• 音频质量检测
• 语音识别历史
• 计费说明

授权

Authorization · string · header · 必填

格式：Bearer <API_KEY>

请求体

multipart/form-data

file · file · 必填

音频文件（wav/mp3/ogg/flac/aac/m4a/mp4 等），≤10MB

model · enum<string> · 必填

模型名称

可用选项: senseaudio-asr-lite-1.5-260319, senseaudio-asr-1.5-260319, senseaudio-asr-pro-1.5-260319, senseaudio-asr-deepthink-1.5-260319

language · string

语言代码（ISO-639-1/3），如 zh/en/ja，不设置会自动检测

示例:

"zh"

response_format · enum<string> · 默认值: json

响应格式

可用选项: json, text, verbose_json

stream · boolean · 默认值: false

是否流式返回（lite 不支持）

enable_punctuation · boolean · 默认值: false

自动标点（仅 asr/pro）

enable_speaker_diarization · boolean · 默认值: false

说话人分离（仅 asr/pro）

max_speakers · integer

最大说话人数 1-20（仅 asr-pro）

必填范围: 1 <= x <= 20

示例:

4

timestamp_granularities[] · enum<string>[]

word=字级 / segment=句级（仅 asr/pro）

可用选项: word, segment

target_language · string

翻译目标语言代码（lite 不支持）

示例:

"en"

hotwords · string

热词增强，逗号分隔（仅 lite）

示例:

"张三,李四,项目Alpha"

recognize_mode · enum<string> · 默认值: auto

识别模式（仅 deepthink 流式）

可用选项: auto, record_only

abbreviations · boolean · 默认值: false

缩写词自动替换

响应

200

application/json

识别结果。格式取决于 response_format。

json 或 verbose_json 响应

text · string

识别出的文本内容

duration · number

识别时长（秒）

audio_info · object

Show child attributes

segments · object[]

Show child attributes

words · object[]

Show child attributes