跳到主要内容

腾讯云语音识别工具

概述​

腾讯云语音识别工具是一个基于腾讯云语音识别API的智能语音转文字工具。它支持多种音频格式和语言，能够将音频文件或音频数据流转换为准确的文字内容，广泛应用于语音转录、智能客服、会议记录等场景。

核心特性​

  • ✅ 多格式支持: 支持WAV、MP3、PCM、M4A、AAC等主流音频格式
  • ✅ 多语言识别: 支持中文、英文、日文、韩文等9种主要语言
  • ✅ 高精度识别: 基于腾讯云先进的语音识别技术
  • ✅ 灵活输入: 支持base64编码、Buffer数据、文件路径等多种输入方式
  • ✅ 安全可靠: 内置数据验证和错误处理机制
  • ✅ 详细报告: 提供完整的识别结果和执行统计信息

重要限制说明​

⚠️ 使用前请注意以下限制：

  • 音频时长: 最大支持60秒音频（腾讯云API限制）
  • 文件大小: 最大支持5MB音频文件
  • 识别模式: 仅支持一句话识别，不支持实时转录
  • 网络要求: 需要稳定的网络连接访问腾讯云API

配置参数​

腾讯云凭据配置​

参数类型默认值必填说明
secretIdstring-✅腾讯云API密钥ID（以AKID开头）
secretKeystring-✅腾讯云API密钥Key（最少20位）
regionstring'ap-beijing'❌服务区域

识别参数配置​

参数类型默认值说明
engineModelTypestring'16k_zh'引擎模型类型，详见支持的语言列表
voiceFormatnumber1音频格式：1-wav, 2-speex, 3-silk, 4-mp3, 6-m4a
usrAudioKeystring'audio'用户音频数据标识
needvadnumber1是否开启静音检测：0-关闭，1-开启
hotwordIdstring''热词表ID（可选）

支持的语言和格式​

支持的语言​

语言引擎模型类型说明
中文普通话16k_zh支持中文普通话识别
英文16k_en支持英文识别
中英文混合16k_zh_en支持中英文混合识别
日文16k_ja支持日文识别
韩文16k_ko支持韩文识别
西班牙文16k_es支持西班牙文识别
法文16k_fr支持法文识别
意大利文16k_it支持意大利文识别
德文16k_de支持德文识别

支持的音频格式​

格式voiceFormat文件扩展名说明
WAV1.wav无损音频格式，推荐使用
MP34.mp3常用压缩音频格式
M4A6.m4aApple音频格式
PCM-.pcm原始音频数据
AAC-.aac高级音频编码

输入参数​

基本参数​

参数类型必填说明
audioDatastring/Buffer✅音频数据（base64编码或Buffer）
languagestring❌识别语言，默认为'zh'（中文）
formatstring❌音频格式，默认为'wav'

高级参数​

参数类型说明
customConfigobject自定义配置覆盖默认设置
hotwordIdstring热词表ID，提高特定词汇识别准确率
needvadboolean是否开启静音检测

输出结果​

成功响应结构​

{
  "success": true,
  "text": "识别出的文字内容",
  "audioInfo": {
    "format": "wav",
    "language": "zh",
    "estimatedDuration": 5.2,
    "dataSize": 83200
  },
  "requestInfo": {
    "requestId": "12345678-1234-1234-1234-123456789012",
    "engineModelType": "16k_zh",
    "voiceFormat": 1,
    "region": "ap-beijing"
  },
  "executionInfo": {
    "executedAt": "2024-01-15T10:30:00.000Z",
    "executionTime": 1250,
    "apiCallTime": 1100
  }
}

字段说明​

识别结果 (Recognition Result)​

  • success: 识别是否成功
  • text: 识别出的文字内容

音频信息 (Audio Info)​

  • format: 音频格式
  • language: 识别语言
  • estimatedDuration: 预估音频时长（秒）
  • dataSize: 音频数据大小（字节）

请求信息 (Request Info)​

  • requestId: 请求唯一标识
  • engineModelType: 使用的引擎模型
  • voiceFormat: 音频格式代码
  • region: 服务区域

执行信息 (Execution Info)​

  • executedAt: 执行时间
  • executionTime: 总执行时间（毫秒）
  • apiCallTime: API调用时间（毫秒）

错误响应结构​

{
  "success": false,
  "error": "音频时长65.5秒超过60秒限制",
  "errorCode": "AUDIO_TOO_LONG",
  "audioInfo": {
    "format": "wav",
    "language": "zh",
    "estimatedDuration": 65.5,
    "dataSize": 2097152
  },
  "executionInfo": {
    "executedAt": "2024-01-15T10:30:00.000Z",
    "executionTime": 50,
    "failed": true
  }
}

使用示例​

1. 基础语音识别​

最简单的使用方式，识别中文语音：

{
  "id": "speech-recognition",
  "type": "tencent-speech",
  "config": {
    "secretId": "AKIDxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx",
    "secretKey": "xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx",
    "region": "ap-beijing"
  },
  "inputs": {
    "audioData": "UklGRigAAABXQVZFZm10IBAAAAABAAEAQB8AAEAfAAABAAgAZGF0YQQAAAAAAA==",
    "language": "zh",
    "format": "wav"
  }
}

2. 多语言识别​

识别英文语音：

{
  "id": "english-recognition",
  "type": "tencent-speech",
  "config": {
    "secretId": "AKIDxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx",
    "secretKey": "xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx",
    "engineModelType": "16k_en"
  },
  "inputs": {
    "audioData": "{{base64_audio_data}}",
    "language": "en",
    "format": "mp3"
  }
}

3. 文件上传识别​

处理上传的音频文件：

{
  "workflow": [
    {
      "id": "file-upload",
      "type": "file-input",
      "config": {
        "acceptedTypes": ["audio/wav", "audio/mp3", "audio/m4a"]
      }
    },
    {
      "id": "speech-recognition",
      "type": "tencent-speech",
      "config": {
        "secretId": "{{TENCENT_SECRET_ID}}",
        "secretKey": "{{TENCENT_SECRET_KEY}}"
      },
      "inputs": {
        "audioData": "{{file-upload.content}}",
        "format": "{{file-upload.format}}"
      }
    }
  ]
}

4. 批量处理​

批量处理多个音频文件：

{
  "workflow": [
    {
      "id": "batch-recognition",
      "type": "js-executor",
      "inputs": {
        "audioFiles": [
          {"name": "audio1.wav", "data": "base64_data_1"},
          {"name": "audio2.mp3", "data": "base64_data_2"},
          {"name": "audio3.m4a", "data": "base64_data_3"}
        ],
        "code": `
          let results = [];
          for (let file of inputs.audioFiles) {
            try {
              const result = await callOperator('tencent-speech', {
                audioData: file.data,
                format: file.name.split('.').pop()
              });
              results.push({
                filename: file.name,
                text: result.text,
                success: true
              });
            } catch (error) {
              results.push({
                filename: file.name,
                error: error.message,
                success: false
              });
            }
          }
          return { results };
        `
      }
    }
  ]
}

5. 中英混合识别​

处理包含中英文混合的音频：

{
  "id": "mixed-language-recognition",
  "type": "tencent-speech",
  "config": {
    "secretId": "{{TENCENT_SECRET_ID}}",
    "secretKey": "{{TENCENT_SECRET_KEY}}",
    "engineModelType": "16k_zh_en"
  },
  "inputs": {
    "audioData": "{{mixed_audio_data}}",
    "language": "zh_en",
    "format": "wav"
  }
}

6. 热词优化识别​

使用热词表提高专业术语识别准确率：

{
  "id": "hotword-recognition",
  "type": "tencent-speech",
  "config": {
    "secretId": "{{TENCENT_SECRET_ID}}",
    "secretKey": "{{TENCENT_SECRET_KEY}}",
    "hotwordId": "your_hotword_table_id"
  },
  "inputs": {
    "audioData": "{{professional_audio_data}}",
    "language": "zh",
    "format": "wav"
  }
}

环境配置​

1. 获取腾讯云密钥​

  1. 登录 腾讯云控制台
  2. 进入 访问管理 > API密钥管理
  3. 点击 新建密钥 创建新的API密钥
  4. 记录 SecretId 和 SecretKey

2. 环境变量配置​

在环境变量中设置密钥信息：

# .env 文件
TENCENT_SECRET_ID=AKIDxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx
TENCENT_SECRET_KEY=xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx
TENCENT_REGION=ap-beijing

3. 权限配置​

确保API密钥具有语音识别服务权限：

{
  "version": "2.0",
  "statement": [
    {
      "effect": "allow",
      "action": [
        "asr:SentenceRecognition"
      ],
      "resource": "*"
    }
  ]
}

工作流集成​

在工作流中使用​

  1. 添加语音识别节点

    • 从工具库中选择"腾讯云语音识别"
    • 配置腾讯云凭据和识别参数

  2. 连接数据源

    • 将音频输入节点的输出连接到语音识别节点
    • 支持文件上传、URL下载等多种数据源

  3. 后续处理

    • 将识别结果传递给文本处理节点
    • 或用于内容分析、情感分析等场景

与其他工具配合​

{
  "workflow": [
    {
      "id": "audio-input",
      "type": "file-input",
      "config": {
        "acceptedTypes": ["audio/*"]
      }
    },
    {
      "id": "speech-to-text",
      "type": "tencent-speech",
      "config": {
        "secretId": "{{TENCENT_SECRET_ID}}",
        "secretKey": "{{TENCENT_SECRET_KEY}}"
      },
      "inputs": {
        "audioData": "{{audio-input.content}}",
        "format": "{{audio-input.format}}"
      }
    },
    {
      "id": "text-analysis",
      "type": "text-analyzer",
      "inputs": {
        "text": "{{speech-to-text.text}}"
      }
    },
    {
      "id": "save-result",
      "type": "database-save",
      "inputs": {
        "table": "transcriptions",
        "data": {
          "original_audio": "{{audio-input.filename}}",
          "transcribed_text": "{{speech-to-text.text}}",
          "confidence": "{{text-analysis.confidence}}",
          "created_at": "{{now}}"
        }
      }
    }
  ]
}

性能优化​

最佳实践​

  1. 音频质量优化

    • 使用16kHz采样率的音频文件
    • 保持音频清晰，避免背景噪音
    • 控制音频时长在60秒以内

  2. 格式选择

    • 优先使用WAV格式获得最佳识别效果
    • MP3格式在保持质量的同时减小文件大小
    • 避免过度压缩的音频格式

  3. 批量处理优化

    • 对于大量音频文件，考虑分批处理
    • 使用并发控制避免API调用频率限制
    • 实现重试机制处理临时网络问题

性能指标​

  • 识别准确率: 在清晰音频条件下可达95%以上
  • 处理速度: 通常在1-3秒内完成识别
  • 支持时长: 最大60秒音频
  • 文件大小: 最大5MB音频文件

错误处理​

常见错误类型​

错误代码错误信息原因解决方案
INVALID_CREDENTIALS凭据无效SecretId或SecretKey错误检查腾讯云API密钥
AUDIO_TOO_LONG音频时长超限音频超过60秒分割音频或使用其他识别方案
FILE_TOO_LARGE文件过大音频文件超过5MB压缩音频或降低音质
UNSUPPORTED_FORMAT格式不支持音频格式不在支持列表中转换为支持的格式
NETWORK_ERROR网络错误网络连接问题检查网络连接和防火墙设置

错误响应处理​

{
  "workflow": [
    {
      "id": "speech-recognition",
      "type": "tencent-speech",
      "config": {
        "secretId": "{{TENCENT_SECRET_ID}}",
        "secretKey": "{{TENCENT_SECRET_KEY}}"
      },
      "inputs": {
        "audioData": "{{audio_data}}"
      },
      "onError": {
        "continue": true,
        "defaultValue": {
          "success": false,
          "text": "",
          "error": "语音识别失败，请检查音频格式和网络连接"
        }
      }
    },
    {
      "id": "handle-result",
      "type": "js-executor",
      "inputs": {
        "result": "{{speech-recognition}}",
        "code": `
          if (inputs.result.success) {
            return {
              status: 'success',
              message: '识别成功',
              text: inputs.result.text
            };
          } else {
            return {
              status: 'error',
              message: inputs.result.error || '识别失败',
              text: ''
            };
          }
        `
      }
    }
  ]
}

故障排除​

调试技巧​

  1. 检查音频数据

    // 验证base64音频数据
    const isValidBase64 = (str) => {
      try {
        return btoa(atob(str)) === str;
      } catch (err) {
        return false;
      }
    };

  2. 测试API连接

    # 使用curl测试腾讯云API连接
    curl -X POST https://asr.tencentcloudapi.com/ \
      -H "Content-Type: application/json" \
      -d '{"Action":"SentenceRecognition","Version":"2018-08-08"}'

  3. 音频格式检查

    // 检查音频文件头部信息
    const checkAudioFormat = (buffer) => {
      const header = buffer.slice(0, 12).toString('ascii');
      if (header.startsWith('RIFF') && header.includes('WAVE')) {
        return 'wav';
      } else if (buffer[0] === 0xFF && (buffer[1] & 0xE0) === 0xE0) {
        return 'mp3';
      }
      return 'unknown';
    };

常见问题​

Q: 为什么我的音频识别准确率很低？ A: 检查音频质量，确保采样率为16kHz，音频清晰无噪音，说话清楚。

Q: 如何处理超过60秒的长音频？ A: 需要将长音频分割成60秒以内的片段分别识别，然后合并结果。

Q: 支持实时语音识别吗？ A: 当前版本仅支持一句话识别，不支持实时流式识别。

Q: 如何提高专业术语的识别准确率？ A: 可以创建热词表并在配置中指定hotwordId参数。

版本信息​

  • 当前版本: 1.1.0
  • 兼容性: Node.js 14+
  • 依赖项: tencentcloud-sdk-nodejs
  • 更新日志:
    • v1.1.0: 修正功能限制，移除不支持的实时转录功能
    • v1.0.0: 初始版本发布

相关资源​