6.8 KiB
接口文档
开启服务后可参照：
ASR
【POST】/asr/offline
说明：上传 16k, 16bit wav 文件，返回 offline 语音识别模型识别结果
返回: JSON
前端接口： ASR-端到端识别，音频文件识别；语音指令-录音上传
示例:
{
"code": 0,
"result": "你也喜欢这个天气吗",
"message": "ok"
}
【POST】/asr/offlinefile
说明：上传16k,16bit wav文件，返回 offline 语音识别模型识别结果 + wav 数据的 base64
返回: JSON
前端接口： 音频文件识别(播放这段base64还原后记得添加 wav 头，采样率 16k, int16，添加后才能播放)
示例:
{
"code": 0,
"result": {
"asr_result": "今天天气真好",
"wav_base64": "///+//3//f/8/////v/////////////////+/wAA//8AAAEAAQACAAIAAQABAP"
},
"message": "ok"
}
【POST】/asr/collectEnv
说明： 通过采集环境噪音，上传 16k, int16 wav 文件，来生成后台 VAD 的能量阈值， 返回阈值结果
前端接口：ASR-环境采样
返回: JSON
{
"code": 0,
"result": 3624.93505859375,
"message": "采集环境噪音成功"
}
【GET】/asr/stopRecord
说明：通过 GET 请求 /asr/stopRecord, 后台停止接收 offlineStream 中通过 WS 协议 上传的数据
前端接口：语音聊天-暂停录音（获取 NLP，播放 TTS 时暂停）
返回: JSON
{
"code": 0,
"result": null,
"message": "停止成功"
}
【GET】/asr/resumeRecord
说明：通过 GET 请求 /asr/resumeRecord, 后台停止接收 offlineStream 中通过 WS 协议 上传的数据
前端接口：语音聊天-恢复录音（ TTS 播放完毕时，告诉后台恢复录音）
返回: JSON
{
"code": 0,
"result": null,
"message": "Online录音恢复"
}
【Websocket】/ws/asr/offlineStream
说明：通过 WS 协议，将前端音频持续上传到后台，前端采集 16k，Int16 类型的PCM片段，持续上传到后端
前端接口：语音聊天-开始录音，持续将麦克风语音传给后端，后端推送语音识别结果
返回：后端返回识别结果，offline 模型识别结果， 由WS推送
【Websocket】/ws/asr/onlineStream
说明：通过 WS 协议，将前端音频持续上传到后台，前端采集 16k，Int16 类型的 PCM 片段，持续上传到后端
前端接口：ASR-流式识别开始录音，持续将麦克风语音传给后端，后端推送语音识别结果
返回：后端返回识别结果，online 模型识别结果， 由 WS 推送
NLP
【POST】/nlp/chat
说明：返回闲聊对话的结果
前端接口：语音聊天-获取到ASR识别结果后，向后端获取闲聊文本
上传示例：
{
"chat": "天气非常棒"
}
返回示例：
{
"code": 0,
"result": "是的,我也挺喜欢的",
"message": "ok"
}
【POST】/nlp/ie
说明：返回信息抽取结果
前端接口：语音指令-向后端获取信息抽取结果
上传示例：
{
"chat": "今天我从马来西亚出发去香港花了五十万元"
}
返回示例：
{
"code": 0,
"result": [
{
"时间": [
{
"text": "今天",
"start": 0,
"end": 2,
"probability": 0.9817976247505698
}
],
"出发地": [
{
"text": "马来西亚",
"start": 4,
"end": 8,
"probability": 0.974892389414169
}
],
"目的地": [
{
"text": "马来西亚",
"start": 4,
"end": 8,
"probability": 0.7347504438136951
}
],
"费用": [
{
"text": "五十万元",
"start": 15,
"end": 19,
"probability": 0.9679076530644402
}
]
}
],
"message": "ok"
}
TTS
【POST】/tts/offline
说明：获取 TTS 离线模型音频
前端接口：TTS-端到端合成
上传示例：
{
"text": "天气非常棒"
}
返回示例：对应音频对应的 base64 编码
{
"code": 0,
"result": "UklGRrzQAABXQVZFZm10IBAAAAABAAEAwF0AAIC7AAACABAAZGF0YZjQAAADAP7/BAADAAAA...",
"message": "ok"
}
【POST】/tts/online
说明：流式获取语音合成音频
前端接口：流式合成
上传示例：
{
"text": "天气非常棒"
}
返回示例：
二进制PCM片段，16k Int 16类型
VPR
【POST】/vpr/enroll
说明：声纹注册，通过表单上传 spk_id（字符串，非空）, 与 audio (文件)
前端接口：声纹识别-声纹注册
上传示例：
curl -X 'POST' \
'http://0.0.0.0:8010/vpr/enroll' \
-H 'accept: application/json' \
-H 'Content-Type: multipart/form-data' \
-F 'spk_id=啦啦啦啦' \
-F 'audio=@demo_16k.wav;type=audio/wav'
返回示例：
{
"status": true,
"msg": "Successfully enroll data!"
}
【POST】/vpr/recog
说明：声纹识别，识别文件，提取文件的声纹信息做比对 音频 16k, int 16 wav 格式
前端接口：声纹识别-上传音频，返回声纹识别结果
上传示例：
curl -X 'POST' \
'http://0.0.0.0:8010/vpr/recog' \
-H 'accept: application/json' \
-H 'Content-Type: multipart/form-data' \
-F 'audio=@demo_16k.wav;type=audio/wav'
返回示例：
[
[
"啦啦啦啦",
[
"",
100
]
],
[
"test1",
[
"",
11.64
]
],
[
"test2",
[
"",
6.09
]
]
]
【POST】/vpr/del
说明： 根据 spk_id 删除用户数据
前端接口：声纹识别-删除用户数据
上传示例：
{
"spk_id":"啦啦啦啦"
}
返回示例
{
"status": true,
"msg": "Successfully delete data!"
}
【GET】/vpr/list
说明：查询用户列表数据，无需参数，返回 spk_id 与 vpr_id
前端接口：声纹识别-获取声纹数据列表
返回示例：
[
[
"test1",
"test2"
],
[
9,
10
]
]
【GET】/vpr/data
说明： 根据 vpr_id 获取用户vpr时使用的音频
前端接口：声纹识别-获取vpr对应的音频
访问示例：
curl -X 'GET' \
'http://0.0.0.0:8010/vpr/data?vprId=9' \
-H 'accept: application/json'
返回示例：
对应音频文件
【GET】/vpr/database64
说明： 根据 vpr_id 获取用户 vpr 时注册使用音频转换成 16k, int16 类型的数组，返回 base64 编码
前端接口：声纹识别-获取 vpr 对应的音频（注意：播放时需要添加 wav头，16k,int16, 可参考 tts 播放时添加 wav 的方式，注意更改采样率）
访问示例：
curl -X 'GET' \
'http://localhost:8010/vpr/database64?vprId=12' \
-H 'accept: application/json'
返回示例：
{
"code": 0,
"result":"AAAAAAAAAAAAAAAAAAAAAAAAAAAAAAA",
"message": "ok"