Baller-Tech ASR WebSocket API开发指南

"语音识别（ASR）WebSocket协议WebAPI开发文档1" 本文档主要介绍了如何使用WebSocket协议来实现语音识别服务，适用于开发者希望通过轻量级、跨平台、跨开发语言的方式集成语音转文字功能。服务由Baller-Tech公司提供，其API地址为`ws://api.baller-tech.com/v1/service/ws/v1/asr`，并且要求字符编码为UTF-8，遵循WebSocket版本13(RFC6455)。 接口调用流程包括三个关键步骤： 1. **计算签名并建立WebSocket连接**：使用hmac-sha256算法生成鉴权签名，然后将`host`（请求的主机名）、`date`（当前的GMT时间）和经过Base64编码的`authorization`（鉴权信息）作为参数，发送WebSocket握手请求给服务器。 2. **数据传输**：握手成功后，开发者可以通过WebSocket连接向服务器上传音频数据，同时接收识别结果。服务器会以JSON格式回应。 3. **关闭连接**：当接收到服务器推送的结束标记后，客户端应断开WebSocket连接。 **音频数据发送模式**： - **一次性发送**：适合已录制且较短的音频（通常60秒内），可以一次性发送，也可以分多次发送。 - **分次发送**：对于较长的音频或实时录音，推荐分多次发送，以便服务器能实时处理并返回识别结果。 **握手和接口鉴权**： 在握手过程中，请求方需要提供签名相关参数，如`task_id`（本次任务的唯一标识）用于排查问题，以及错误信息`message`。这些参数需要URL编码后附加到请求URL后面。`date`参数用于确保请求的时间有效性，防止重放攻击。 在实际应用中，开发者需要根据具体需求选择合适的音频发送模式，并正确实现握手和鉴权过程，以确保与Baller-Tech的ASR服务有效交互。通过这个WebSocket API，开发者能够灵活地构建语音识别功能，适应各种应用场景，如智能助手、语音输入系统等。