语音技术 · 同步接口

语音识别API（录音转文字）接入指南

语音识别API用于把音频文件转换成文字：上传wav、mp3等常见格式音频，接口同步返回识别出的文本内容。适合会议纪要、语音消息归档、视频字幕制作、语音质检等场景，单次调用约0.035元，按量计费。

2026年8月20日更新 · 参数与计费已按当前生产接口核对

在线调试接口免费在线工具

接口速览

以下信息来自轻语API开放平台生产环境接口元数据，可直接用于技术选型评估。

接口地址	POST /data/api/fetchTextByVoice
计费	约0.035元/次
频率限制	100次/分钟
超时时间	30秒
鉴权方式	apikey（注册后获取）
内容类型	multipart/form-data

请求参数

参数名	必填	类型	说明
`apikey`	必填	`string`	用户的apikey，身份凭证
`audio`	必填	`file`	音频文件，wav、mp3等格式均支持

响应示例

成功响应（HTTP 200）

{
  "code": 200,
  "message": "语音识别成功",
  "data": {
    "partial": "语音识别出的内容"
  }
}

调用示例

cURL 示例

curl -X POST 'https://5555api.com/data/api/fetchTextByVoice' \
  -F 'apikey=YOUR_APIKEY' \
  -F 'audio=@meeting.wav'

JavaScript 示例

const fd = new FormData();
fd.append('apikey', 'YOUR_APIKEY');
fd.append('audio', audioInput.files[0]); // wav、mp3均可

const resp = await fetch('https://5555api.com/data/api/fetchTextByVoice', {
  method: 'POST',
  body: fd
});
const result = await resp.json();
if (result.code === 200) {
  console.log('识别结果:', result.data.partial);
}

Python 示例

import requests

resp = requests.post(
    'https://5555api.com/data/api/fetchTextByVoice',
    data={'apikey': 'YOUR_APIKEY'},
    files={'audio': open('meeting.wav', 'rb')}
)
result = resp.json()
if result['code'] == 200:
    print('识别结果:', result['data']['partial'])

示例中的 YOUR_APIKEY 请替换为你在轻语API控制台获取的apikey；不要在公开页面或客户端代码中暴露正式API Key。

应用场景

会议纪要自动生成

会议录音直接转文字，配合标点规则整理成纪要初稿，人工只需校对补充。

语音消息归档检索

客服语音留言、微信群语音批量转文本入库，实现全文搜索和关键词告警。

视频字幕与口播稿

采访、口播音频先转文字再生成字幕文件，省去逐句听打时间。

常见问题

语音识别API支持哪些音频格式？

支持wav、mp3等常见音频格式。建议使用16kHz及以上采样率的清晰录音，识别准确率更高。

语音识别怎么收费？

按调用次数计费，约0.035元/次，按量扣费无需预付套餐。注册账号并充值后即可调用。

能识别长录音吗，有时长限制吗？

受接口30秒超时限制，建议单次上传的音频控制在合理时长内；长录音可先切分再逐段识别，最后拼接文本。

支持实时流式识别吗？

当前接口为文件转写模式：提交完整音频文件后同步返回文本。实时流式识别可关注平台后续更新。

识别中文准确率怎么样？

普通话识别准确率较高，安静环境、单人说话的效果最好；多人 overlapping 说话或强噪声环境建议先做音频降噪。

和文字转语音API是什么关系？

语音识别（ASR）把音频转成文字，文字转语音（TTS）把文字合成为音频，两者互为逆过程，可组合实现语音对话机器人。