API синхронного распознавания речи (HTTP)

Обновлено 24 мая 2023

Ответ выдается только после обработки всей аудиозаписи.

Максимальный размер аудио – 2 Мб, максимальная длина – одна минута.

Для многоканального аудио распознается только первый канал.

POST HTTP-запрос отправляется по адресу:

https://smartspeech.sber.ru/rest/v1/speech:recognize

Запрос

Заголовки запроса

Authorization required	string <Bearer <Access token>> Информация об аутентификации, переданная через OAuth 2.0. Пример: Bearer eyJhbGciOi.cCI6IkpXVCJ9.eyJzd.1hcnRzcG.KUkw
Content-Type required	string Формат данных, передаваемых в теле запроса. Возможные значения смотрите в разделе Доступные кодировки аудио

{

• "Authorization": "string",
• "Content-Type": "string"

}

Параметры запроса

В теле запроса передается файл.

model	string Название модели для распознавания речи. Подробнее читайте в разделе Акустические модели
enable_profanity_filter	boolean Фильтр обсценной лексики. Значение по умолчанию — false
channels_count	int32 Количество каналов в многоканальном аудио. Об ограничениях читайте в разделе Доступные кодировки аудио

{

• "model": "string",
• "enable_profanity_filter": true,
• "channels_count": null

}

Пример запроса

curl -X POST \
-H "Authorization: Bearer {{token}}" \
-H "Content-Type: audio/x-pcm;bit=16;rate=16000" \
--data-binary @./audio.pcm \ https://smartspeech.sber.ru/rest/v1/speech:recognize

Ответ

Если запрос обработан успешно, в ответе возвращается код 200, а тело ответа содержит JSON с результатом распознавания речи.

Заголовки ответа

X-Request-ID required	string Уникальный ID запроса, генерируемый сервером. 36 символов. Пример: 22345200-abe8-4f60-90c8-0d43c5f6c0f6
Content-Type required	string Формат тела ответа сервиса. Пример: application/json

{

• "X-Request-ID": "string",
• "Content-Type": "string"

}

Параметры ответа

При успешном запросе вы получаете HTTP-код 200.

result	array Список строк — предложений распознанного текста
emotions	array (составной тип, см. ниже — Emotions) Список эмоций для каждой строки распознанного текста с соответствующим индексом. Например, emotions[8] соответствует result[8]. Значения эмоциональной окраски речи приходят в виде коэффициентов в диапазоне от 0 до 1, где 1 — наиболее вероятная эмоция ответа, а 0 — наименее вероятная
Emotions.negative	float Вероятность негативной эмоциональной окраски речи — диапазон от 0 до 1
Emotions.neutral	float Вероятность нейтральной эмоциональной окраски речи — диапазон от 0 до 1
Emotions.positive	float Вероятность позитивной эмоциональной окраски речи — диапазон от 0 до 1
status	int32 HTTP-код. При успешном запросе принимает значение 200

{

• "result": [ ],
• "emotions": null,
• "Emotions.negative": null,
• "Emotions.neutral": null,
• "Emotions.positive": null,
• "status": null

}

Пример ответа

{
   "result":[
      "1 2 3"
   ],
   "emotions":[
      {
         "negative":0.8484364,
         "neutral":0.13225403,
         "positive":0.019309562
      }
   ],
   "status":200
}

Коды ошибок

Код	Описание
400	Ошибка в параметрах запроса Пример {"status": 400, "message": "Id must not be empty"}
401	Не предоставлен токен для аутентификации Пример {"status": 401, "message": "Unauthorized"}
413	Превышен максимальный размер входных данных Пример {"status": 413, "message": "Payload too large"}
429	Слишком много запросов Пример {"status": 429, "message": "Too Many Requests"}
500	Внутренняя ошибка сервиса Пример {"status": 500, "message": "Internal Server Error"|<описание ошибки ASR>"}