1. 语音转文字ASR
MyVocal AI语音大模型API文档
  • 文字转语音大模型
    • 概览与快速开始
      • 模型介绍
      • 选择模型与接口
      • 支持语言
      • 音频格式与播放
      • 常见问题
      • SDK 与示例
    • 接口参考
      • HTTP 合成
        • HTTP 流式合成
        • HTTP 非流式合成
      • 音色管理
        • 创建声音
        • 获取声音列表
        • 删除声音
      • WebSocket 合成
        • 普通 TTS · 单连接
        • 普通 TTS · 多 Context
        • 多角色对话 · 多 Context
      • 用量与请求查询
        • 查询主key用量
        • Request_id客户端查询
        • 发音人用量查询
      • 子密钥管理
        • 创建子 Key
        • 查询子 Key 列表
        • 获取单个子 Key 详情
        • 更新子 Key
        • 查询子 Key 用量
  • 金融行业定制TTS模型
    • 文字转语音 Skyblight
      • 创建声音
      • 获取声音列表
      • 流式文字转语音
      • 非流式文字转语音
      • 删除声音
      • 用量查询
    • 全双工通信
      • websocket接入说明
      • V2 双向流式合成(WebSocket)
  • 语音转文字ASR
    • 概览与接入
      • 快速开始:文件转录
      • 快速开始:实时转录
      • 模型与能力
      • 更新记录
    • 接口参考
      • 实时转录
      • 创建文件转录
      • 查询用量
  • 企业客户声音定制服务
    • 定制属于你的专属声音
  1. 语音转文字ASR

概览与接入

将录音文件或实时音频转换为文字。根据你的音频来源,选择一种接入方式。

转录已有录音#

适用于已经录制完成的音频文件。上传文件,获取转录文字。
开始文件转录

转录实时音频#

适用于通话或麦克风持续输入。通过 WebSocket 发送音频片段,接收中间结果和最终文本。
开始实时转录

选择模型#

普通录音可使用 echo_v1 或 lexis_v1;医疗录音可使用 echo_v2_medical。实时音频使用 echo_v1_realtime。
医疗模型支持 HTTP 文件转录,不支持实时 WebSocket。查看模型与能力。

接入前准备#

一个有效的 MyVocal 企业 ASR API Key。
文件转录:一段音频文件,以及可运行 cURL 的终端。
实时转录:符合接口格式的音频流;快速开始使用 16 kHz、单声道、16-bit PCM WAV 作为输入。
HTTP 接口通过 API-Key 请求头鉴权;实时接口通过连接 URL 中的 api-key 鉴权。示例使用占位 Key,接入时替换为自己的 Key。

接口参考#

创建文件转录:请求参数、返回结构与错误说明。
实时转录:连接参数、音频消息与服务端事件。
查询用量:日期范围、账户信息与用量字段。

最近更新#

医疗模型 echo_v2_medical 支持 HTTP 文件转录,不支持实时 WebSocket。查看更新记录。
上一页
V2 双向流式合成(WebSocket)
下一页
快速开始:文件转录
Built with