TRTC-ASR C++ SDK

本文档是旧版协议（在线 v2、离线 v1）的完整说明。

本 SDK 同时提供新版 v3 协议客户端：只需 SDKAppID + SecretKey（无需腾讯云 AppID）， auth/params 分块、全 snake_case、扁平响应 + 数字错误码。v3 的快速开始与完整参数见 README。v2/v1 客户端继续维护，存量用户无需任何改动。

基于 TRTC 鉴权体系的语音识别（ASR）C++ SDK，支持实时语音识别（WebSocket）、一句话识别（HTTP）和录音文件识别（异步 HTTP）三种模式。

其他语言 SDK：Go | Python | Node.js | Java | Rust

前提条件

使用本 SDK 前，您需要准备三个凭证：AppID、SDKAppID、SecretKey。国内站与国际站的账号体系不同，请按您的站点参照官方快速接入指南完成注册、创建应用与服务开通：

国内站：快速接入指南 — 注册腾讯云账号并完成实名认证 → 在 TRTC 控制台创建应用 → 开通「AI 智能识别」（体验版可免费试用）
国际站：Quick Start — 在 trtc.io 注册（自动开通 Tencentcloud 账号，无需实名认证）→ 在 console.trtc.io 创建应用 → 开通「AI Speech Recognition」（仅 RTC Engine Lite 及以上包月套餐，Free Trial 不支持）

注意：国际站的 AppID 不在 trtc.io 控制台显示，需在 Tencentcloud 控制台「账号信息」页查看（头像 → Account Information）；SDKAppID 与 SecretKey 均在应用详情页获取。

协议说明

WebSocket 连接

连接地址：
- 国内站：wss://asr.cloud-rtc.com/asr/v2/<appid>?{请求参数}
- 国际站：wss://asr-intl.cloud-rtc.com/asr/v2/<appid>?{请求参数}（credential.set_site(trtc_asr::kSiteIntl)，须在构造识别器之前调用）

其中 <appid> 为腾讯云账号的 APPID，国内站可通过 API 密钥管理页面获取，国际站见 Tencentcloud 控制台「账号信息」。

鉴权方式

鉴权信息携带在 URL query 参数中（浏览器原生 WebSocket 无法自定义 header，因此走 query 传递）：

参数	说明
`sdkappid`	TRTC 应用 ID，从 TRTC 控制台获取（国内站 / 国际站）
`usersig`	TRTC 签名，计算文档，UserID 等于 `voice_id`

两者均由 SDK 自动填充，用户无需关心。

请求参数

参数	必填	类型	说明
`secretid`	是	String	SDK 内部自动用 APPID 填充
`sdkappid`	是	Integer	TRTC 应用 ID，SDK 内部自动填充
`usersig`	是	String	TRTC 签名，SDK 内部自动生成（值与 `signature` 一致）
`timestamp`	是	Integer	当前 UNIX 时间戳（秒）
`expired`	是	Integer	签名有效期截止时间戳，必须大于 timestamp
`nonce`	是	Integer	随机正整数，最长10位
`engine_model_type`	是	String	引擎类型：`bigmodel`(大模型，推荐，配 `language`)、`8k_zh`(中文电话)、`16k_zh`(中文通用)、`16k_zh_en`(中英文)
`voice_id`	是	String	音频流全局唯一标识（推荐 UUID），最长128位
`voice_format`	否	Integer	语音编码：`1` PCM（默认）
`needvad`	否	Integer	`0` 关闭 VAD，`1` 开启（默认）
`hotword_id`	否	String	热词表 ID
`hotword_list`	否	String	临时热词列表：`词1
`customization_id`	否	String	自学习模型 ID
`replace_text_id`	否	String	替换词表 ID
`filter_dirty`	否	Integer	过滤脏词：`0` 不过滤，`1` 过滤，`2` 替换为 *
`filter_modal`	否	Integer	过滤语气词：`0` 不过滤，`1` 部分，`2` 严格
`filter_punc`	否	Integer	过滤句末句号：`0` 不过滤，`1` 过滤
`filter_empty_result`	否	Integer	空结果回调：`0` 回调，`1` 不回调（服务端默认）
`convert_num_mode`	否	Integer	数字转换：`0` 不转，`1` 智能转换（默认），`3` 数学转换
`word_info`	否	Int	显示词级时间：`0` 不显示，`1` 显示，`2` 含标点
`vad_silence_time`	否	Integer	静音断句阈值（ms），范围 240-2000，默认 800
`vad_level`	否	Integer	VAD 场景档：`0` 高召回，`1` 远场过滤（服务端默认）
`noise_threshold`	否	Float	VAD 噪声微调，范围 `0.0-4.0`；设置后覆盖 `vad_level` 档位
`max_speak_time`	否	Integer	强制断句时间（ms），范围 5000-90000，默认 60000
`input_sample_rate`	否	Integer	输入 PCM 采样率，仅支持 `8000`（8k 音频喂 16k 引擎）
`speaker_diarization`	否	Integer	说话人分离：`0` 关闭（默认），`1` 匿名聚类，`3` 声纹角色认证
`speaker_number`	否	Integer	说话人数量提示（分离开启时生效，用于在线聚类）；`0` 自动检测
`speaker_roles`	否	String	临时声纹角色 JSON 数组，仅 `speaker_diarization=3`，如 `[{"RoleName":"teacher","AudioUrl":"https://.../a.wav"}]`
`voiceprintids`	否	String	已注册声纹 ID JSON 数组，仅 `speaker_diarization=3`
`language`	否	String	指定识别语言（如 `zh`、`en`），留空为自动检测
`signature`	是	String	接口签名参数，值与 `usersig` 一致

实时识别响应

字段	类型	说明
`code` / `message`	Integer / String	错误码与提示，`0` 表示成功
`voice_id` / `message_id`	String	音频流 ID / 单条消息 ID
`final`	Integer	`1` 表示会话结束包
`result.slice_type`	Integer	`0` 句子开始，`1` 中间结果，`2` 句末稳定结果
`result.index`	Integer	句子序号
`result.start_time` / `end_time`	Integer	当前结果起止时间（ms）
`result.voice_text_str`	String	当前结果文本
`result.word_size` / `word_list`	Integer / Array	词级（字级）时间戳，需 `word_info != 0`
`result.speaker_segments`	Array	说话人分段，开启说话人分离后返回
`result.language`	String	识别语言（引擎上报时）
`result.finish_silence_ms`	Integer	触发断句的尾部静音时长（ms）
`result.last_token_runtime_ms`	Integer	末字服务端解码耗时（ms）

说话人分离（实时）

开启 speaker_diarization 后，说话人归属通过两个入口返回：

result.speaker_segments[]：推荐入口。一个 result 可能包含多个说话人，句子级归属天然有歧义，因此协议按说话人切段返回。len(speaker_segments) == 1 即为单说话人句。
result.word_list[].speaker_id：字级归属，需同时设置 word_info != 0。

speaker_id 语义：会话内有效，从 1 开始编号，-1 表示未知，0 为保留值。

speaker_segments[] 字段：

字段	类型	说明
`speaker_id`	Integer	说话人编号
`speaker_name`	String	角色名，仅 `speaker_diarization=3` 命中注册声纹时返回，等于请求侧 `RoleName`
`start_time` / `end_time`	Integer	该分段起止时间（ms）
`text`	String	该分段文本
`word_start` / `word_end`	Integer	对应 `word_list` 的闭区间下标，即 `word_list[word_start:word_end+1]`；`word_info=0` 时不返回
`stable_flag`	Integer	该分段是否稳定：`1` 稳定，`0` 非稳定

C++ 用法示例：

trtc_asr::SpeechRecognizer recognizer(credential, "16k_zh", &listener);
recognizer.SetWordInfo(1);  // 需要字级说话人时开启
recognizer.SetSpeakerDiarization(trtc_asr::kSpeakerDiarizationCluster);  // 1：匿名聚类

// 声纹角色认证（返回角色名）：
// recognizer.SetSpeakerDiarization(trtc_asr::kSpeakerDiarizationVoiceprint); // 3
// recognizer.SetSpeakerRoles({{"teacher", "https://example.com/teacher.wav"}});
// recognizer.SetVoiceprintIds({"vp-1"});
// recognizer.SetSpeakerNumber(2); // 0 = 自动检测

void OnSentenceEnd(const trtc_asr::SpeechRecognitionResponse& r) override {
  for (const auto& seg : r.result.speaker_segments) {
    std::string name = seg.speaker_name.empty()
        ? "spk" + std::to_string(seg.speaker_id) : seg.speaker_name;
    std::cout << "[" << name << "] " << seg.text << "\n";
  }
}

VAD 调优（noise_threshold / vad_level）

方法	取值	说明
`SetVadLevel(level)`	`0` / `1`	`0` 高召回，`1` 远场过滤（服务端默认）
`SetNoiseThreshold(v)`	`0.0` - `4.0`	噪声抑制微调，值越大抑制越强、召回越低；设置后覆盖 `vad_level` 档位
`SetVadSilenceTime(ms)`	240 - 2000	静音断句阈值

两者都是三态语义：只有显式调用 setter 才会下发，因此显式传 0 与「不配置」可以区分（服务端 vad_level 默认是 1）。超出范围会在 Start() 阶段本地报错，不会浪费一次连接。

一句话识别接口

请求地址：
- 国内站：https://asr.cloud-rtc.com/v1/SentenceRecognition?{请求参数}
- 国际站：https://asr-intl.cloud-rtc.com/v1/SentenceRecognition?{请求参数}
请求方法：HTTP POST，Content-Type 为 application/json; charset=utf-8

鉴权方式

HTTP 接口的鉴权信息携带在请求 Header 中（与流式不同，不走 query）：

Header	说明
`X-TRTC-SdkAppId`	TRTC 应用 ID，从 TRTC 控制台获取（国内站 / 国际站）
`X-TRTC-UserSig`	TRTC 签名，UserID 等于 URL 参数中的 `RequestId`（SDK 内部自动生成）

URL 请求参数

参数	必填	类型	说明
`AppId`	是	String	腾讯云 APPID
`Secretid`	是	String	SDK 内部自动用 APPID 填充
`RequestId`	是	String	全局请求唯一 ID（UUID），用于生成 UserSig
`Timestamp`	是	Integer	当前 UNIX 时间戳（秒）

请求体参数（JSON）

参数	必填	类型	说明
`EngSerViceType`	是	String	引擎类型：`bigmodel`(大模型，推荐)、`16k_zh`(中文)、`16k_zh_en`(中英文)
`SourceType`	是	Integer	`0` URL 上传、`1` 本地数据（base64）
`VoiceFormat`	是	String	音频格式：`wav`、`pcm`、`ogg-opus`、`mp3`、`m4a`
`Data`	条件	String	base64 编码的音频数据（SourceType=1 时必填）
`DataLen`	条件	Integer	音频数据原始长度（SourceType=1 时必填）
`Url`	条件	String	音频 URL（SourceType=0 时必填）
`WordInfo`	否	Integer	词级时间：`0` 不显示、`1` 显示、`2` 含标点
`FilterDirty`	否	Integer	脏词过滤：`0` 不过滤、`1` 过滤、`2` 替换
`FilterModal`	否	Integer	语气词过滤：`0` 不过滤、`1` 部分、`2` 严格
`FilterPunc`	否	Integer	标点过滤：`0` 不过滤、`2` 过滤全部
`ConvertNumMode`	否	Integer	数字转换：`0` 不转、`1` 智能转换（默认）
`HotwordId`	否	String	热词表 ID
`HotwordList`	否	String	临时热词列表
`CustomizationId`	否	String	自学习模型 ID
`InputSampleRate`	否	Integer	PCM 输入采样率（仅 PCM 格式，支持 8000）
`Language`	否	String	指定识别语言，留空为自动检测

限制：音频时长 ≤ 60s，文件大小 ≤ 3MB，单账号并发 ≤ 30次/秒

录音文件识别接口

录音文件识别是异步接口，适用于较长音频（≤12h）。工作流程为：提交任务 → 轮询结果。

创建任务：CreateRecTask

请求地址：
- 国内站：https://asr.cloud-rtc.com/v1/CreateRecTask?{请求参数}
- 国际站：https://asr-intl.cloud-rtc.com/v1/CreateRecTask?{请求参数}
请求方法：HTTP POST，Content-Type 为 application/json; charset=utf-8
并发限制：默认 20次/秒

鉴权方式（Header 中的 X-TRTC-SdkAppId / X-TRTC-UserSig）与 URL 请求参数（AppId、Secretid、RequestId、Timestamp）均与一句话识别相同。

请求体参数（JSON）

参数	必填	类型	说明
`EngineModelType`	是	String	引擎类型：`bigmodel`(大模型，推荐)、`16k_zh`(中文)、`16k_zh_en`(中英文)
`ChannelNum`	是	Integer	声道数：`1` 单声道；`2` 双声道（8k 电话，自动区分说话人并返回 `ChannelId`：1=左/2=右）
`ResTextFormat`	是	Integer	结果格式：`0` 基础、`1` 含词级时间、`2` 含标点时间
`SourceType`	是	Integer	`0` URL 上传、`1` 本地数据（base64）
`Url`	条件	String	音频 URL（SourceType=0，时长≤12h，大小≤1GB）
`Data`	条件	String	base64 编码音频数据（SourceType=1，大小≤5MB）
`DataLen`	条件	Integer	音频数据原始长度（SourceType=1）
`CallbackUrl`	否	String	回调 URL，任务完成后 POST 结果
`FilterDirty`	否	Integer	脏词过滤
`FilterModal`	否	Integer	语气词过滤
`FilterPunc`	否	Integer	标点过滤
`ConvertNumMode`	否	Integer	数字转换
`HotwordId`	否	String	热词表 ID
`HotwordList`	否	String	临时热词列表
`CustomizationId`	否	String	自学习模型 ID
`ReplaceTextId`	否	String	替换词表 ID
`Language`	否	String	指定识别语言，留空为自动检测
`SpeakerDiarization`	否	Integer	说话人分离：`0` 关闭（默认），`1` 匿名聚类，`3` 声纹角色认证
`SpeakerNumber`	否	Integer	说话人数量提示，`0` 自动检测
`SpeakerRoles`	否	Array	临时声纹角色，元素含 `RoleName` 与 `AudioUrl`，仅 `SpeakerDiarization=3`
`VoiceprintIds`	否	Array	已注册声纹 ID 列表，仅 `SpeakerDiarization=3`
`VadSilenceMs`	否	Integer	静音断句阈值（ms）
`VadLevel`	否	Integer	VAD 场景档：`0` 高召回（默认），`1` 远场过滤
`NoiseThreshold`	否	Float	VAD 噪声微调，范围 `0.0-4.0`；设置后覆盖 `VadLevel` 档位

VadLevel / NoiseThreshold 在 C++ 里是 std::optional，因为 0 是合法取值，用 optional 才能区分「显式传 0」与「不配置」。

响应

返回 RecTaskId（任务 ID），用于后续查询。任务有效期 24 小时。

查询结果：DescribeTaskStatus

请求地址：
- 国内站：https://asr.cloud-rtc.com/v1/DescribeTaskStatus?{请求参数}
- 国际站：https://asr-intl.cloud-rtc.com/v1/DescribeTaskStatus?{请求参数}
请求方法：HTTP POST
并发限制：默认 50次/秒

请求体参数（JSON）

参数	必填	类型	说明
`RecTaskId`	是	String	CreateRecTask 返回的任务 ID

响应（TaskStatus）

字段	类型	说明
`RecTaskId`	String	任务 ID
`Status`	Integer	`0` 等待、`1` 执行中、`2` 成功、`3` 失败
`StatusStr`	String	waiting / executing / success / failed
`Progress`	Integer	处理进度（0-100）
`Result`	String	识别结果文本
`ErrorMsg`	String	失败原因
`ResultDetail`	Array	句级详细结果（含词级时间偏移）
`AudioDuration`	Float	音频时长（秒）

ResultDetail[] 中与说话人相关的字段：

字段	类型	说明
`SpeakerId`	Integer	说话人编号，开启 `SpeakerDiarization` 后返回
`SpeakerRoleName`	String	角色名，`SpeakerDiarization=3` 命中注册声纹时返回
`ChannelId`	Integer	双声道（`ChannelNum=2`）时的声道编号：1=左、2=右；此场景下优先用它区分说话人
`Language`	String	该句识别语言（引擎上报时）

构建

要求：CMake ≥ 3.16、C++17 编译器、OpenSSL、zlib、libcurl。

cmake -B build -DCMAKE_BUILD_TYPE=Release
cmake --build build -j

产物：

build/libtrtc_asr.a — SDK 静态库（公共头文件在 include/trtc_asr/）
build/realtime_asr / sentence_asr / file_asr — 示例程序
build/trtc_asr_tests — 测试（googletest 由 CMake FetchContent 自动拉取）

构建选项（作为顶层项目时示例与测试默认开启，被 add_subdirectory 引入时默认关闭）：

选项	默认值	说明
`TRTC_ASR_BUILD_SHARED`	`OFF`	构建动态库而非静态库
`TRTC_ASR_BUILD_EXAMPLES`	顶层为 `ON`	构建示例程序
`TRTC_ASR_BUILD_TESTS`	顶层为 `ON`	构建测试（会下载 googletest）
`TRTC_ASR_INSTALL`	顶层为 `ON`	生成 install 规则

集成

方式一：源码集成（推荐）

add_subdirectory(path/to/trtc-asr-sdk-cpp)
target_link_libraries(your_app PRIVATE trtc_asr::trtc_asr)

方式二：安装后 find_package

cmake -B build -DCMAKE_BUILD_TYPE=Release -DCMAKE_INSTALL_PREFIX=/usr/local
cmake --build build -j
cmake --install build

find_package(trtc_asr 1.0 REQUIRED)
target_link_libraries(your_app PRIVATE trtc_asr::trtc_asr)

也提供 pkg-config：pkg-config --cflags --libs trtc_asr。

方式三：使用预编译包

./scripts/package.sh              # 同时产出静态与动态包
./scripts/package.sh --static     # 仅静态
./scripts/package.sh --shared --output /tmp/out

脚本会在 dist/ 下生成 trtc-asr-sdk-cpp-<版本>-<系统>-<架构>-<static|shared>.tar.gz，解包后目录结构为：

include/trtc_asr/*.h          公共头文件
lib/libtrtc_asr.{a,so,dylib}  库文件
lib/cmake/trtc_asr/           CMake 包配置，供 find_package 使用
lib/pkgconfig/trtc_asr.pc     pkg-config 配置
share/doc/trtc-asr-sdk-cpp/   README

使用时把解包目录传给 CMAKE_PREFIX_PATH 即可：

cmake -B build -DCMAKE_PREFIX_PATH=/path/to/trtc-asr-sdk-cpp-1.0.0-linux-x86_64-static

打包脚本在生成压缩包前，会用一个独立的最小工程通过 find_package 链接并运行产物，确保头文件、导出目标和依赖传递都是完整可用的。

二进制兼容性说明

公共接口使用了 std::string、std::vector、std::optional 等标准库类型，因此预编译产物与调用方需使用同一套编译器与标准库（相同的 libstdc++/libc++ ABI、相同的 C++ 标准）。跨编译器场景请使用源码集成方式。

SDK 版本可在编译期通过 trtc_asr/version.h 的 TRTC_ASR_VERSION_STRING 获取， CMake 工程版本与打包产物版本均以该头文件为唯一来源。

快速开始

实时语音识别

#include "trtc_asr/speech_recognizer.h"

class Printer : public trtc_asr::SpeechRecognitionListener {
 public:
  void OnSentenceEnd(const trtc_asr::SpeechRecognitionResponse& r) override {
    std::cout << "[end] " << r.result.voice_text_str << "\n";
    for (const auto& seg : r.result.speaker_segments) {
      std::string name = seg.speaker_name.empty()
          ? "spk" + std::to_string(seg.speaker_id) : seg.speaker_name;
      std::cout << "  [" << name << "] " << seg.text << "\n";
    }
  }
  void OnFail(const trtc_asr::SpeechRecognitionResponse*,
              const trtc_asr::ASRError& e) override {
    std::cerr << "[fail] " << e.what() << "\n";
  }
};

trtc_asr::Credential credential(app_id, sdk_app_id, "your-sdk-secret-key");
// credential.set_site(trtc_asr::kSiteIntl); // 国际站；须在构造识别器之前调用
Printer listener;
trtc_asr::SpeechRecognizer recognizer(credential, "16k_zh", &listener);

// 可选配置（全部在 Start 前调用）：
// recognizer.SetHotwordList("词1|5,词2|11");
// recognizer.SetSpeakerDiarization(trtc_asr::kSpeakerDiarizationCluster);
// recognizer.SetWordInfo(1);
// recognizer.SetNoiseThreshold(1.5);   // VAD 噪声微调（0.0-4.0）

recognizer.Start();                  // 连接 WebSocket
recognizer.Write(pcm.data(), n);     // 发送音频（PCM）
recognizer.Stop();                   // 发送结束信号并等待最终结果

所有 API 失败时抛出 trtc_asr::ASRError（code() 与 Go SDK 错误码一致，1001-1010，服务端错误码原样透传）。

一句话识别

#include "trtc_asr/sentence_recognizer.h"

trtc_asr::SentenceRecognizer recognizer(credential);
auto result = recognizer.RecognizeData(pcm_bytes, "pcm", "bigmodel");
// result.result / result.audio_duration / result.word_list
// 或从 URL：recognizer.RecognizeURL("https://example.com/a.wav", "wav", "bigmodel");

录音文件识别

#include "trtc_asr/file_recognizer.h"

trtc_asr::FileRecognizer recognizer(credential);
std::string task_id = recognizer.CreateTaskFromData(pcm_bytes, "pcm", "bigmodel");
auto status = recognizer.WaitForResult(task_id);  // 默认 1s 轮询，10min 超时
// status.result / status.result_detail（句级 + 词级时间戳 + 说话人）
// 或从 URL（≤1GB / ≤12h）：recognizer.CreateTaskFromURL(url, "bigmodel");

设计说明

生命周期：SpeechRecognizer 单例使用——stopped 后不可重启；回调在 SDK 内部 reader 线程上顺序派发；Stop() 可在回调中安全调用（通过 reader 线程 ID 检测重入，非终态回调里发送 end 后立即返回，看门狗线程兜底超时强关）。
并发安全：运行时状态（连接、写锁、done 条件变量、终态标记）收拢在 internal::RecognizerSharedState 里由 shared_ptr 共享——reader 线程与看门狗线程持有的是状态而非 this，识别器析构不会造成悬垂访问。锁分层：连接锁（临界区不含网络 I/O）+ 写锁（串行化音频帧与 end 信号）。
三态参数：vad_level / noise_threshold / filter_empty_result 用 std::optional 区分「显式传 0」与「不配置」。
UserSig：内置 TLS sig API v2 兼容实现（SHA-256/HMAC-SHA256 自带实现、zlib 压缩、腾讯 base64url 变体），不依赖 OpenSSL 的已弃用低层 API。
WebSocket：内置最小 RFC 6455 客户端（ws/wss，TLS 走 OpenSSL 系统根证书 + 主机名校验；客户端帧按规范 mask；ping 自动应答 pong）。
HTTP：libcurl，强制 TLS 证书校验。

测试

cmake -B build && cmake --build build -j
ctest --test-dir build --output-on-failure
# 或直接运行：./build/trtc_asr_tests

67 个测试全部在本机回环 mock 服务器上运行（无需真实凭证/网络；HTTP 与 WebSocket mock 均为测试内置的最小实现，WS 复用 SDK 的帧编解码）：

tests/usersig_test.cc — UserSig 结构/zlib/base64url 往返，HMAC-SHA256 与 OpenSSL EVP_MAC 交叉校验
tests/signature_test.cc — URL query 构建（说话人分离、VAD 三态、转义、排序）
tests/params_test.cc — 参数校验（声纹 URL、VAD 范围含 NaN/Inf、枚举）
tests/sentence_recognizer_test.cc / file_recognizer_test.cc — mock HTTP：请求头/query/body 断言、错误路径、轮询、超时
tests/speech_recognizer_test.cc — mock WebSocket：握手鉴权参数、ack 帧不误派 sentence begin、服务端错误/final/终态状态机、回调重入 Stop、监听器异常恢复、Stop 超时强关、并发写+Stop 不死锁

示例

export TRTC_ASR_APP_ID=13xxxxxxxx
export TRTC_ASR_SDK_APP_ID=14xxxxxxxx
export TRTC_ASR_SECRET_KEY=your-sdk-secret-key

./build/realtime_asr path/to/audio.pcm bigmodel [zh]
./build/sentence_asr path/to/audio.pcm pcm bigmodel zh
./build/file_asr path/to/audio.pcm bigmodel
./build/file_asr -u https://example.com/audio.wav bigmodel

License

MIT License

FilesExpand file tree

v2_protocol.md

Latest commit

History

v2_protocol.md

File metadata and controls

TRTC-ASR C++ SDK

前提条件

协议说明

WebSocket 连接

鉴权方式

请求参数

实时识别响应

说话人分离（实时）

VAD 调优（noise_threshold / vad_level）

一句话识别接口

鉴权方式

URL 请求参数

请求体参数（JSON）

录音文件识别接口

创建任务：CreateRecTask

请求体参数（JSON）

响应

查询结果：DescribeTaskStatus

请求体参数（JSON）

响应（TaskStatus）

构建

集成

方式一：源码集成（推荐）

方式二：安装后 find_package

方式三：使用预编译包

二进制兼容性说明

快速开始

实时语音识别

一句话识别

录音文件识别

设计说明

测试

示例

License