实时转录

通过长连接发送音频片段，接收中间文本和最终文本。第一次接入请阅读快速开始：实时转录。

建立连接

wss://openapi.myvocal.ai/asr/realtime?api-key=YOUR_API_KEY&model_id=echo_v1_realtime&audio_format=pcm_16000&commit_mode=manual

api-key 与 model_id 必填。通过 commit_mode 选择提交方式，完整连接参数见下方“请求参数”。

本接口使用 echo_v1_realtime。医疗模型 echo_v2_medical 不支持此接口，使用时握手返回 HTTP 400；医疗录音请使用文件转录。

发送音频消息

连接建立并收到 session_started 后，以 JSON 文本消息发送音频。以下字段属于消息体，不属于连接 URL：

字段	类型	说明
`message_type`	string	固定为 `input_audio_chunk`
`audio_base_64`	string	PCM 音频数据的 Base64，不包含 WAV 文件头
`sample_rate`	integer	与连接的音频格式一致，例如 16000
`commit`	boolean	手动模式需要提交时设为 true
`previous_text`	string，可选	仅会话第一帧音频允许传入的上下文文本

消息结构示例（BASE64_PCM_BYTES 需替换为真实音频数据）：

{
  "message_type": "input_audio_chunk",
  "audio_base_64": "BASE64_PCM_BYTES",
  "sample_rate": 16000,
  "commit": false
}

需要上下文时，将 previous_text 添加到第一帧消息。后续音频帧不要重复携带该字段；也不要把它放入 URL Query。

选择提交方式

手动提交 · commit_mode=manual
持续发送 commit=false 的音频帧，在一个片段的最后一帧设置 commit=true，随后等待最终结果。

自动断句 · commit_mode=vad
持续发送音频，服务端根据语音活动和静音判断提交时机。需要调整断句时再配置 VAD 参数；第一次接入可使用默认设置。

接收服务端事件

根据 message_type 分发事件。事件类型与示例如下。

事件	用途
`session_started`	会话已建立，可以发送音频
`partial_transcript`	中间结果，文本可能继续变化
`committed_transcript`	当前片段的最终文本
`committed_transcript_with_timestamps`	带逐词信息的最终结果

{"message_type":"partial_transcript","text":"Hello"}

{"message_type":"committed_transcript","text":"Hello world."}

开启 word_timestamps=true 后，处理 committed_transcript_with_timestamps 中的 words。开启 include_language_detection=true 时，关注带时间戳的最终事件中返回的语言信息；同一片段可能先收到普通最终事件，再收到增强事件，不要重复保存两份文本。

错误与关闭

握手阶段的 HTTP 400 通常表示连接参数或模型不合法；鉴权错误应检查 Key。握手成功不等于后续参数和音频已经全部通过校验。

连接建立后，处理 error、auth_error、quota_exceeded_error、input_error、invalid_request 等错误事件。例如后续音频帧重复传 previous_text 会触发输入错误。

停止采集后，先完成提交并等待最终结果，再主动关闭连接。不要将异常断连当作转录完成。

用量与接入建议

实时转录按音频推流时长计费，计费单位为秒，价格以企业合同为准。查询用量。

音频格式使用 PCM 16-bit 单声道，采样率与 audio_format 匹配。建议以小片段持续发送，同时持续接收事件。连接 URL 中包含 Key，不要完整记录到日志。

建立连接#

发送音频消息#

选择提交方式#

接收服务端事件#

错误与关闭#