Распознавание речи

Доступно два вида распознания речи:

• распознавание аудиофайлов;
• распознавание потокового аудио.

Для того чтобы распознать речь из аудиофайла, отправьте аудиофайл в теле POST запроса к https://voice.mcs.mail.ru/asr, указав правильный Content-Type в заголовке.

Пример запроса:

Скопировать
curl -L --request POST 'https://voice.mcs.mail.ru/asr' \--header 'Content-Type: audio/ogg; codecs=opus' \--header 'Authorization: Bearer xxxxxxxxxx'  \--data-binary '@/Users/User/tts.ogg'

Пример ответа:

Скопировать
{	"qid": "0ac6294a351d42ad859404ecd349e4b9",	"result": {		"texts": [			{				"text": "привет алиса",				"confidence": 1.0,				"punctuated_text": "Привет, Алиса."			}		],		"phrase_id": "20220921-1515-4d75-92b4-24b6c101ba6a"	}}

Чтобы распознать чанк (маленький кусочек речи), нужно отправить запрос на создание задачи. После этого появится возможность отправлять чанки и получать конечный результат.

Для того, чтобы создать задачу, достаточно отправить POST запрос на https://voice.mcs.mail.ru/asr_stream/create_task с заголовком авторизации с access_token, в ответ придет task_id, task_token.

Пример запроса:

Скопировать
curl --request POST \  --url https://voice.mcs.mail.ru/asr_stream/create_task \  --header 'Authorization: Bearer access_tokenxxxxxxxx'

Пример ответа:

Скопировать
{  "qid": "61b5cf067c494b4a9a0b87a3c43e37ef",  "result": {    "task_id": "05ad987e-ceee-4186-acdb-956148b91692",    "task_token": "040b2fcfc3d9b9806b691070e873125dfc0450a8251887ba91b19be08eb3951c"  }}

Чанк представляет из себя аудиофрагмент выбранного формата, соответственно, в каждом чанке должны присутствовать заголовки.

Чтобы отправить чанк, достаточно:

• отправить POST-запрос на https://voice.mcs.mail.ru/asr_stream/add_chunk, передав в заголовке Authorization- task_token;
• в GET-параметрах передать task_id и chunk_num (нумерация начинается с 0);
• указать корректный Content-Type в заголовке запроса.
• в теле запроса передается чанк, который представляет собой массив байт в формате wav или ogg.

В ответе придет результат распознавания чанков.

Пример запроса:

Скопировать
curl --request POST \  --url 'https://voice.mcs.mail.ru/asr_stream/add_chunk?task_id=xxxxx&chunk_num=2' \  --header 'Authorization: Bearer task_tokenxxxxxxxx' \  --header 'Content-Type: audio/wave' \  --data 'xxxxxxxxxx'

Пример ответа:

Скопировать
{  "qid": "4d44cb0eb81f4e7f84a7997ec4f2f3c4",  "result": {    "text": "привет маруся"  }}

В любой момент после отправки чанков можно получить результат, для этого необходимо отправить GET-запрос на https://voice.mcs.mail.ru/asr_stream/get_result, передав в заголовке Authorization- task_token, в GET параметрах — task_id.

В ответе придет результат распознавания с текущим статусом задачи.

Пример запроса:

Скопировать
curl --request GET \  --url 'https://voice.mcs.mail.ru/asr_stream/get_result?task_id=xxxxx' \  --header 'Authorization: Bearer task_tokenxxxxxxxx' \

Пример ответа:

Скопировать
{  "qid": "517e5ba9f4a9465c9d73778bedac0808",  "result": {    "text": "привет маруся привет маруся",    "status": "done"  }}