开发工具/API 参考/智能音视频/ASR、TTS 与音色/语音识别
语音识别
更新于: 2026-06-25 19:29:14
AI 助手
扣子 AI 帮助与支持
你好，我是 扣子 文档问答助手 🎉
你在阅读当前文档的过程中，无论对文档概念的解释，还是文档内容方面的疑问，都可以随时向我提问，我会全力为你解答
推荐问题
如何快速了解这个空间的核心内容？
有哪些近期更新的重点文档？
我应该从哪些文档开始阅读？
文档反馈
语音识别
将音频文件转录为文本。
接口描述
此 API 用于将指定音频文件转录为文本。
注意
调用语音识别 API 会产生语音识别费用，具体费用详情请参考音视频费用。
语音文件的具体限制如下：
|
限制 |
说明 |
|---|---|
|
文件格式 |
|
|
文件大小 |
每个音频文件最大为 10 MB，并且时长需小于 30 分钟。 |
说明
- 上传的音频文件的采样率和码率等参数无限制。
- 如果语音文件过大，建议调用 WebSocket 的双向流式语音识别 API 分片上传文件。
基础信息
|
请求方式 |
POST |
|---|---|
|
请求地址 |
|
|
权限 |
|
|
接口说明 |
将音频文件转录为文本。 |
请求参数
Header
|
参数 |
取值 |
说明 |
|---|---|---|
|
Authorization |
Bearer $Access_Token |
用于验证客户端身份的访问令牌。你可以在扣子编程中生成访问令牌，详细信息，参考准备工作。 |
|
Content-Type |
multipart/form-data |
解释请求正文的方式。 |
Body
|
参数 |
类型 |
是否必选 |
示例 |
说明 |
|---|---|---|---|---|
|
body |
File |
必选 |
- |
需要语音识别的音频文件的二进制数据，具体文件格式和大小限制请参考接口说明部分。 |
返回参数
|
参数 |
类型 |
示例 |
说明 |
|---|---|---|---|
|
code |
Long |
0 |
状态码。 |
|
msg |
String |
“” |
状态信息。API 调用失败时可通过此字段查看详细错误信息。 |
|
data |
Object of AudioTranscriptionsData |
{“text”:“你好，请问有什么可以帮您的吗？”} |
语音文件对应的文本内容，即语音识别后转换成的文字结果。 |
|
detail |
Object of ResponseDetail |
{“logid”:“20241210152726467C48D89D6DB2****”} |
包含请求的详细信息的对象，主要用于记录请求的日志 ID 以便于排查问题。 |
AudioTranscriptionsData
|
参数 |
类型 |
示例 |
说明 |
|---|---|---|---|
|
text |
String |
你好，请问有什么可以帮您的吗？ |
语音文件对应的文本内容，即语音识别后转换成的文字结果。 |
ResponseDetail
|
参数 |
类型 |
示例 |
说明 |
|---|---|---|---|
|
logid |
String |
20241210152726467C48D89D6DB2**** |
本次请求的日志 ID。如果遇到异常报错场景，且反复重试仍然报错，可以根据此 logid 及错误码联系扣子团队获取帮助。详细说明可参考获取帮助和技术支持。 |
示例
请求示例
curl --location --request POST 'https://api.coze.cn/v1/audio/transcriptions' \
--header 'Authorization: Bearer pat_OYDacMzM3WyOWV3Dtj2bHRMymzxP****' \
--header 'Content-Type: multipart/form-data' \
--form 'file=@"/xx/xx/xx/jay.MP3"'
返回示例
{
"detail": {
"logid": "202410291302044CD1CC3B4AE0897***"
},
"data": {
"text": "你好呀"
},
"code": 0,
"msg": ""
}
错误码
如果成功调用扣子编程的 API，返回信息中 code 字段为 0。如果状态码为其他值，则表示接口调用失败。此时 msg 字段中包含详细错误信息，你可以参考错误码文档查看对应的解决方法。