Распознать речь в аудио файле

Обновлено 20 марта 2025

POST

/speech:recognize

Возвращает результат распознавания речи после обработки всей аудиозаписи. Максимальный размер аудио – 2 Мб, максимальная длина – одна минута. Для многоканального аудио распознается только первый канал.

Запрос

Query Parameters

language
string
Возможные значения: [ru-RU, en-US, kk-KZ]
Язык для распознавания речи.
Example: ru-RU
enable_profanity_filter
boolean
Включить/выключить фильтр обсценной лексики
Example: false
model
string
Возможные значения: [general, callcenter]
Название модели для распознавания речи
Example: general
sample_rate
integer
Частота дискретизации
Example: 16000
channels_count
integer
Количество каналов в многоканальном аудио
Example: 2

Header Parameters

X-Request-ID

uuid

Значение должно соответствовать регулярному выражению (([0-9a-fA-F-])36)

Уникальный ID запроса, который используется для поиска запроса в логах. Если ID не задан явно, то сервер сгенерирует его автоматически.

• audio/mpeg
• audio/flac
• audio/ogg;codecs=opus
• audio/x-pcm;bit=16;rate=8000
• audio/x-pcm;bit=16;rate=16000
• audio/pcma;rate=8000
• audio/pcma;rate=16000
• audio/pcmu;rate=8000
• audio/pcmu;rate=16000

Body

required

object

Body

required

object

Body

required

object

Body

required

object

Body

required

object

Body

required

object

Body

required

object

Body

required

object

Body

required

object

Ответы

• 200
• 400
• 401
• 404
• 413
• 429
• 500

OK

• application/json

• Схема
• Пример из схемы

Schema

result

string[]

Массив строк — предложений распознанного текста.

emotions

object[]

Массив эмоций, распознанных в записи.

Array [

neutral

float

Возможные значения: >= 0 и <= 1

Вероятность нейтральной эмоциональной окраски речи.

positive

float

Возможные значения: >= 0 и <= 1

Вероятность позитивной эмоциональной окраски речи.

negative

float

Возможные значения: >= 0 и <= 1

Вероятность негативной эмоциональной окраски речи.

neutral_a

float

нейтральная окраска звука

positive_a

float

позитивная окраска звука

negative_a

float

негативная окраска звука

neutral_t

float

нейтральная окраска распознанного текста

positive_t

float

позитивная окраска распознанного текста

negative_t

float

негативная окраска распознанного текста

]

status

integer

HTTP-код ответа.

{
  "result": [
    "Предложение №1",
    "Предложение №2",
    "Предложение №n"
  ],
  "emotions": [
    {
      "neutral": 1,
      "positive": 0.19889654,
      "negative": 0.5878547645,
      "neutral_a": 0.98964,
      "positive_a": 0.1,
      "negative_a": 0.1567795,
      "neutral_t": 1,
      "positive_t": 0.197864,
      "negative_t": 0.656345487
    }
  ],
  "status": 200
}

Bad request format

Unauthorized

Model determination error

Payload too large

Too many requests

Internal Server Error

Loading...

Loading...