长音频文件的转录
本教程将逐步说明如何使用 API 将会议、演讲、呼叫中心通话录音等长音频转换为文本。我们将使用 curl 命令和 jq 命令来说明，而不是编写程序。
准备
要执行此教程，您需要以下内容：
- curl
- jq
- 注册 AmiVoice API 并获取
APPKEY - 准备要转录的音频文件
备注
我们使用 jq 命令来格式化结果，使其更易于阅读。即使没有安装 jq，您也可以继续进行本教程的音频转录，不安装也没关系。
curl
请检查您的系统是否已安装 curl 命令。
curl -V
如果没有显示版本信息，请从 https://curl.se/ 下载适合您操作系统的 package，或使用 package 管理器安装 curl。
jq
请检查您的系统是否已安装 jq 命令。
jq -V
如果没有显示版本信息，请从 https://stedolan.github.io/jq/ 下载适合您操作系统的 package，或使用 package 管理器安装 jq。
获取 APPKEY
- 注册 AmiVoice API。
- 登录个人页面，记录 [连接信息] 标签中 [通用连接信息] 中列出的 APPKEY。
提示
AmiVoice Tech Blog 详细描述了获取 APPKEY 的步骤。有关获取 APPKEY 的信息，请参阅 尝试使用 AmiVoice API。
音频文件
准备要转录的音频文件。
在这里，我们将使用与客户端库的示例程序一起提供的音频文件 test.wav。
执行
1. 语音识别请求
语音识别请求时指定的参数与同步 HTTP 接口完全相同。
curl https://acp-api-async.amivoice.com/v1/recognitions \
-F d=-a-general \
-F u={APP_KEY} \
-F a=@test.wav
请求成功后，您将收到如下响应。请求将作为Job进入队列，并按顺序处理。
{"sessionid":"017c25ec12c00a304474a999","text":"..."}
2. 获取Job状态和结果
您可以使用请求中获得的 sessionid 来获取Job状态(status)和结果。在获得语音识别结果之前，需要多次执行此操作。请在 Authorization header 中指定 {APPKEY}。
curl -H "Authorization: Bearer {APPKEY}" \
https://acp-api-async.amivoice.com/v1/recognitions/017c25ec12c00a304474a999
发送请求后，status 初始状态为 queued。
{"service_id":"{YOUR_SERVICE_ID}","session_id":"017c25ec12c00a304474a999","status":"queued"}
当Job从队列中取出时，status 变为 started 状态。
{"service_id":"{YOUR_SERVICE_ID}","session_id":"017c25ec12c00a304474a999","status":"started"}
当实际开始语音识别处理时，status 变为 processing 状态。您可以使用 API 接收到的音频大小和 MD5 校验和来确认所发送的音频是否正确处理。processing 状态所需的时间取决于音频的长度。
{'audio_md5': '40f59fe5fc7745c33b33af44be43f6ad', 'audio_size': 306980, 'service_id': '{YOUR_SERVICE_ID}', 'session_id': '017c25ec12c00a304474a999', 'status': 'processing'}
结果
语音识别完成后，status 变为 completed 状态。此时，您可以在 results 中获取语音识别结果。我们使用 jq 命令来格式化结果，使其更易于阅读。
curl -H "Authorization: Bearer {APPKEY}" \
https://acp-api-async.amivoice.com/v1/recognitions/017c25ec12c00a304474a999 | jq
以下是完整的响应示例。除了转录结果外，您还可以获得单词级别的结果、音频时间和置信度等信息。有关详细信息，请参阅语音识别结果。
响应
{
"audio_md5": "40f59fe5fc7745c33b33af44be43f6ad",
"audio_size": 306980,
"results": {
"code": "",
"message": "",
"segments": [
{
"code": "",
"message": "",
"results": [
{
"confidence": 1.0,
"endtime": 8778,
"rulename": "",
"starttime": 250,
"tags": [],
"text": "アドバンスト・メディアは、人と機械等の自然なコミュニケーションを実現し、豊かな未来を創造していくことをめざします。",
"tokens": [
{
"confidence": 1.0,
"endtime": 1578,
"spoken": "あどばんすとめでぃあ",
"starttime": 570,
"written": "アドバンスト・メディア"
},
{
"confidence": 1.0,
"endtime": 1850,
"spoken": "は",
"starttime": 1578,
"written": "は"
},
{
"confidence": 0.77,
"endtime": 2010,
"spoken": "_",
"starttime": 1850,
"written": "、"
},
{
"confidence": 1.0,
"endtime": 2314,
"spoken": "ひと",
"starttime": 2010,
"written": "人"
},
{
"confidence": 1.0,
"endtime": 2426,
"spoken": "と",
"starttime": 2314,
"written": "と"
},
{
"confidence": 1.0,
"endtime": 2826,
"spoken": "きかい",
"starttime": 2426,
"written": "機械"
},
{
"confidence": 0.76,
"endtime": 2922,
"spoken": "とう",
"starttime": 2826,
"written": "等"
},
{
"confidence": 1.0,
"endtime": 3082,
"spoken": "の",
"starttime": 2922,
"written": "の"
},
{
"confidence": 1.0,
"endtime": 3434,
"spoken": "しぜん",
"starttime": 3082,
"written": "自然"
},
{
"confidence": 1.0,
"endtime": 3530,
"spoken": "な",
"starttime": 3434,
"written": "な"
},
{
"confidence": 1.0,
"endtime": 4362,
"spoken": "こみゅにけーしょん",
"starttime": 3530,
"written": "コミュニケーション"
},
{
"confidence": 1.0,
"endtime": 4442,
"spoken": "を",
"starttime": 4362,
"written": "を"
},
{
"confidence": 1.0,
"endtime": 4906,
"spoken": "じつげん",
"starttime": 4442,
"written": "実現"
},
{
"confidence": 1.0,
"endtime": 5242,
"spoken": "し",
"starttime": 4906,
"written": "し"
},
{
"confidence": 0.83,
"endtime": 5642,
"spoken": "_",
"starttime": 5242,
"written": "、"
},
{
"confidence": 1.0,
"endtime": 5978,
"spoken": "ゆたか",
"starttime": 5642,
"written": "豊か"
},
{
"confidence": 1.0,
"endtime": 6090,
"spoken": "な",
"starttime": 5978,
"written": "な"
},
{
"confidence": 1.0,
"endtime": 6490,
"spoken": "みらい",
"starttime": 6090,
"written": "未来"
},
{
"confidence": 1.0,
"endtime": 6554,
"spoken": "を",
"starttime": 6490,
"written": "を"
},
{
"confidence": 0.92,
"endtime": 7034,
"spoken": "そうぞう",
"starttime": 6554,
"written": "創造"
},
{
"confidence": 1.0,
"endtime": 7210,
"spoken": "して",
"starttime": 7034,
"written": "して"
},
{
"confidence": 1.0,
"endtime": 7402,
"spoken": "いく",
"starttime": 7210,
"written": "いく"
},
{
"confidence": 0.8,
"endtime": 7674,
"spoken": "こと",
"starttime": 7402,
"written": "こと"
},
{
"confidence": 1.0,
"endtime": 7706,
"spoken": "を",
"starttime": 7674,
"written": "を"
},
{
"confidence": 0.78,
"endtime": 7962,
"spoken": "めざ",
"starttime": 7706,
"written": "めざ"
},
{
"confidence": 0.78,
"endtime": 8490,
"spoken": "します",
"starttime": 7962,
"written": "します"
},
{
"confidence": 0.83,
"endtime": 8778,
"spoken": "_",
"starttime": 8490,
"written": "。"
}
]
}
],
"text": "アドバンスト・メディアは、人と機械等の自然なコミュニケーションを実現し、豊かな未来を創造していくことをめざします。"
}
],
"text": "アドバンスト・メディアは、人と機械等の自然なコミュニケーションを実現し、豊かな未来を創造していくことをめざします。",
"utteranceid": "20210927/06/017c25ed38cc0a30425239d0_20210927_062436[nolog]"
},
"service_id": "{YOUR_SERVICE_ID}",
"session_id": "017c25ec12c00a304474a999",
"status": "completed"
}
下一步
- 在使用指南中说明了包括此处使用的 AmiVoice API 的异步 HTTP 接口在内的使用 AmiVoice API 进行语音转文字的方法。
- 在使用指南中，特别是关于请求时可以设置的参数，请参阅请求参数；关于响应的详细信息，请参阅语音识别结果；关于 AmiVoice API 的异步 HTTP 接口，请参阅异步 HTTP 接口。
- 此外，API 参考请参阅异步 HTTP 接口。