语音转文字ASR
POST
https://openapi.myvocal.ai/asr/v1/transcriptions
重点字段说明
模型选择
特点：数字、专有名词、金额、时间等细粒度要素的还原更稳；更少主观补全，更接近原话（包括语气词）。
适合：字幕与合规留档、法务/医务记录、培训数据制作、质检取证等更关注“逐字精准度”的场景。
特点：对嘈杂环境、断句不清、口语化表达更宽容，遇到缺词、含糊或被遮挡片段时，会结合上下文做合理补全与语义重组，让整段话读起来更通顺。
适合：坐席摘要、客服质检、会议纪要、舆情/语义检索、实时助理等更关注“听懂在说什么”的场景。
| 维度 | lexis_v1 | echo_v1 |
|---|---|---|
| 设计目标 | 听懂要点、保证可读性 | 逐字准确、还原创话 |
| 抗噪表现 | 强：高噪声/远讲也能读顺 | 中-强：音质越好越准 |
| 语义补全/改写 | 适度补全、重组语序以提升可读性 | 尽量不补全，更贴近原始表达 |
| 数字/专名/金额 | 中-强（嘈杂时可能“意译”） | 强（更可靠的精确还原） |
| 口语与语气词 | 可能适度清理或规整 | 忠实保留为主 |
| 适用典型场景 | 摘要、检索、实时助理 | 字幕、合规、取证、数据制作 |
Audio_Events
ASR识别语言对照表
Endpoint
计费说明
说话人角色识别
detect_speaker_roles 用于在说话人分离基础上尝试输出更贴近业务场景的角色标签。建议与 diarize=true 配合使用；不建议与多声道独立转写同时使用。model_id=echo_v1
file=@sample.wav
diarize=true
detect_speaker_roles=true请求参数
Header 参数
Body 参数multipart/form-data
返回响应
请求示例请求示例
Shell
JavaScript
Java
Swift
curl --location 'https://openapi.myvocal.ai/asr/v1/transcriptions' \
--header 'API-Key;' \
--form 'model_id="echo_v1"' \
--form 'file=@""' \
--form 'cloud_url="https://example.com/audio.mp3"' \
--form 'language="eng"' \
--form 'audio_events="false";type=false' \
--form 'speakers="1"' \
--form 'timestamps="word";type=word' \
--form 'speaker_diarization="true";type=true' \
--form 'speaker_diarization_threshold="0.1";type=0.1' \
--form 'trans_temp="0";type=0.0' \
--form 'trans_seed="12345"' \
--form 'separate_channel="false";type=false' \
--form 'webhook="false";type=false' \
--form 'webhook_id="callback123"' \
--form 'hotwords="technical issue"' \
--form 'content_detection="all"' \
--form 'clean_transcript="false"' \
--form 'Phare_list="hello world"' \
--form 'detect_speaker_roles="true"'响应示例响应示例
{}