转写音频

选择当前凭据可用的语音识别模型,上传一段短音频并读取完整转写文本。批量文件处理与知识库入库使用音频工作流。

前提条件

按调用前准备准备具有 Genesis 模型权限的凭据和服务地址。先通过查询与选择模型确认当前凭据可用的语音识别模型 ID,并准备一份本地音频文件。

调用顺序

  1. 从查询与选择模型选择公开语音识别模型,保留模型 ID。

  2. 准备短音频文件(如 WAV、MP3、M4A、WebM、OGG 或 FLAC),通过语音转写以 multipart 表单上传文件。

  3. 读取同步返回的转写文本,并保留模型标识、可用的请求 ID 与用量信息。

API 操作

要完成的事

API 操作

何时使用或确认什么

上传短音频并同步获取转写文本

语音转写

对单份短音频执行同步语音转写时使用。

结果确认

检查响应中的 text 字段是否为预期转写内容,并记录返回的 model、可用的 request_id 与 usage 用量。上游成功但未返回有效文本时,接口会返回错误。

限制和注意事项

音频经过 Base64 编码后不得超过 10 MiB(原始文件约不超过 7.5 MiB),且需满足部署请求体上限。Qwen3-ASR Flash 同步路径适用于约 5 分钟以内的音频,不返回时间戳或说话人分离。批量解析见使用工作流批量转录音频。

最后更新于