跳转到主要内容
POST
/
v1
/
audio
/
transcriptions
SenseASR 语音识别（HTTP）
curl --request POST \
  --url https://api.senseaudio.cn/v1/audio/transcriptions \
  --header 'Authorization: Bearer <token>' \
  --header 'Content-Type: multipart/form-data' \
  --form file='@example-file' \
  --form model=senseaudio-asr-1.5-260319
{
  "text": "<string>",
  "duration": 123,
  "audio_info": {
    "duration": 123,
    "format": "<string>"
  },
  "segments": [
    {
      "id": 123,
      "start": 123,
      "end": 123,
      "text": "<string>",
      "speaker": "<string>",
      "translation": "<string>"
    }
  ],
  "words": [
    {
      "word": "<string>",
      "start": 123,
      "end": 123
    }
  ]
}

Documentation Index

Fetch the complete documentation index at: https://docs.senseaudio.cn/llms.txt

Use this file to discover all available pages before exploring further.

​
说明

基于 HTTP 协议的语音识别服务，兼容 OpenAI Audio API 风格，便于从现有系统迁移。
  • 接口地址：https://api.senseaudio.cn/v1/audio/transcriptions
  • Content-Type：multipart/form-data
  • 鉴权方式：Bearer Token，详见 快速接入
  • 模型矩阵：Lite / Standard / Pro / DeepThink，能力差异详见 语音识别介绍
  • 实时识别：低延迟场景请使用 WebSocket 实时识别

​
Authorizations

​
Authorization
string
必填
Bearer 鉴权头，格式为 Bearer SENSEAUDIO_API_KEY，其中 SENSEAUDIO_API_KEY 为您的 API Key。

​
Body

multipart/form-data
​
file
file
必填
音频文件（wav / mp3 / ogg / flac / aac / m4a / mp4 等），≤ 10 MB。
​
model
string
必填
模型名称。可选值：senseaudio-asr-lite-1.5-260319、senseaudio-asr-1.5-260319、senseaudio-asr-pro-1.5-260319、senseaudio-asr-deepthink-1.5-260319。
​
language
string
音频内容语言代码（ISO-639-1，部分 ISO-639-3），如 zh / en / ja；不设置则自动检测。
​
response_format
string
默认值:"json"
响应格式：json / text / verbose_json。
​
stream
boolean
默认值:"false"
是否流式返回（lite 不支持）。
​
enable_punctuation
boolean
默认值:"false"
自动标点（仅 asr / pro，deepthink 静默忽略）。
​
enable_speaker_diarization
boolean
默认值:"false"
说话人分离（仅 asr / pro）。
​
max_speakers
integer
最大说话人数 1–20，配合说话人分离使用（仅 asr-pro 支持）。
​
timestamp_granularities[]
string[]
时间戳粒度：word = 字级 / segment = 句级（仅 asr / pro）。
​
target_language
string
翻译目标语言代码（lite 不支持，pro / deepthink 支持）。
​
hotwords
string
热词增强，英文逗号分隔（仅 lite）。
​
recognize_mode
string
默认值:"auto"
识别模式：auto / record_only（仅 deepthink 流式模式生效）。
​
abbreviations
boolean
默认值:"false"
缩写词自动替换。

​
Response

200 — application/json
​
text
string
识别出的文本内容（所有 response_format 均返回）。
​
duration
number
音频时长（秒），verbose_json 下返回。
​
audio_info
object
音频元信息，verbose_json / 流式下返回。
​
segments
object[]
分段结果（需 response_format=verbose_json 或 timestamp_granularities[]=segment）。
​
words
object[]
字级结果，需设置 timestamp_granularities[]=word。

​
响应格式详解

​
JSON（默认）

{ "text": "识别出的文本内容" }

​
Text

纯文本，Content-Type: text/plain。 
识别出的文本内容

​
Verbose JSON

{
  "text": "道可道非常道",
  "duration": 2.1,
  "audio_info": { "duration": 5230, "format": "wav" },
  "segments": [
    {
      "id": 0,
      "start": 0.0,
      "end": 2.0,
      "text": "道可道非常道",
      "speaker": "speaker_0",
      "translation": "Translated"
    }
  ],
  "words": [
    { "word": "道", "start": 0.27, "end": 0.51 },
    { "word": "可", "start": 0.57, "end": 0.81 }
  ]
}

​
流式响应 (SSE)

Content-Type: text/event-stream 
data: {"delta": {"text": "增量文本"}, "finish_reason": null}
data: {"delta": {"text": "。"}, "finish_reason": "stop", "audio_info": {...}}
data: [DONE]
字段说明
delta.text本次返回的增量文本
finish_reasonnull（进行中）/ stop（完成）/ error（错误）

​
语言支持

language 用于指定音频内容的语言（留空则自动检测）；target_language 将识别结果翻译为另一语言。

​
各模型参数支持

模型languagetarget_language
senseaudio-asr-lite-1.5-260319✅❌
senseaudio-asr-1.5-260319✅❌
senseaudio-asr-pro-1.5-260319✅✅
senseaudio-asr-deepthink-1.5-260319✅✅
部分模型仅支持 language 或 target_language，请以上表为准。

​
senseaudio-asr-lite-1.5-260319 支持语种

代码语言代码语言代码语言
zh中文en英文yue粤语
ja日文ko韩文vi越南语
id印尼语th泰语ms马来语
tl/fil菲律宾语ar阿拉伯语hi印地语
bg保加利亚语hr克罗地亚语cs捷克语
da丹麦语nl荷兰语et爱沙尼亚语
fi芬兰语el希腊语hu匈牙利语
ga爱尔兰语lv拉脱维亚语lt立陶宛语
mt马耳他语pl波兰语pt葡萄牙语
ro罗马尼亚语sk斯洛伐克语sl斯洛文尼亚语
sv瑞典语

​
senseaudio-asr-1.5-260319 / senseaudio-asr-pro-1.5-260319 支持语种

代码语言代码语言代码语言
ar阿拉伯语yue粤语zh中文
nl荷兰语en英文fr法语
de德语id印尼语it意大利语
ja日文ko韩文ms马来语
pt葡萄牙语ru俄语es西班牙语
th泰语tr土耳其语ur乌尔都语
vi越南语

​
senseaudio-asr-deepthink-1.5-260319 支持语种

同 senseaudio-asr-1.5-260319 / senseaudio-asr-pro-1.5-260319 表，用于翻译输出。

​
各模型调用示例

​
senseaudio-asr-lite-1.5-260319

轻量级模型。热词增强示例： 
curl https://api.senseaudio.cn/v1/audio/transcriptions \
  -H "Authorization: Bearer $SENSEAUDIO_API_KEY" \
  -F file="@meeting.wav" \
  -F model="senseaudio-asr-lite-1.5-260319" \
  -F language="zh" \
  -F hotwords="张三,李四,项目Alpha,季度复盘"

{ "text": "张三和李四负责项目Alpha的季度复盘工作" }

​
senseaudio-asr-1.5-260319

标准模型。字级 / 句级时间戳示例： 
curl https://api.senseaudio.cn/v1/audio/transcriptions \
  -H "Authorization: Bearer $SENSEAUDIO_API_KEY" \
  -F file="@interview.wav" \
  -F model="senseaudio-asr-1.5-260319" \
  -F response_format="verbose_json" \
  -F "timestamp_granularities[]=word"

​
senseaudio-asr-pro-1.5-260319

专业版。说话人分离 + 字级时间戳 + 翻译： 
curl https://api.senseaudio.cn/v1/audio/transcriptions \
  -H "Authorization: Bearer $SENSEAUDIO_API_KEY" \
  -F file="@meeting.wav" \
  -F model="senseaudio-asr-pro-1.5-260319" \
  -F response_format="verbose_json" \
  -F enable_speaker_diarization="true" \
  -F max_speakers="4" \
  -F "timestamp_granularities[]=word" \
  -F target_language="en"

​
senseaudio-asr-deepthink-1.5-260319

深度理解模型。翻译示例： 
curl https://api.senseaudio.cn/v1/audio/transcriptions \
  -H "Authorization: Bearer $SENSEAUDIO_API_KEY" \
  -F file="@complex_audio.mp3" \
  -F model="senseaudio-asr-deepthink-1.5-260319" \
  -F target_language="en"

{ "text": "The weather is nice today, suitable for going out for a walk." }

​
错误处理

错误时返回非 200 状态码，响应体： 
{
  "code": "invalid",
  "message": "file is required"
}
HTTPcode说明
400invalid参数错误
429rate_limit_error请求频率过高
500internal_error服务端错误

​
相关指南

授权

​
Authorization
string
header
必填

格式：Bearer <API_KEY>

请求体

multipart/form-data
​
file
file
必填

音频文件（wav/mp3/ogg/flac/aac/m4a/mp4 等），≤10MB

​
model
enum<string>
必填

模型名称

可用选项:
senseaudio-asr-lite-1.5-260319,
senseaudio-asr-1.5-260319,
senseaudio-asr-pro-1.5-260319,
senseaudio-asr-deepthink-1.5-260319
​
language
string

语言代码（ISO-639-1/3），如 zh/en/ja，不设置会自动检测

示例:

"zh"

​
response_format
enum<string>
默认值:json

响应格式

可用选项:
json,
text,
verbose_json
​
stream
boolean
默认值:false

是否流式返回（lite 不支持）

​
enable_punctuation
boolean
默认值:false

自动标点（仅 asr/pro）

​
enable_speaker_diarization
boolean
默认值:false

说话人分离（仅 asr/pro）

​
max_speakers
integer

最大说话人数 1-20（仅 asr-pro）

必填范围: 1 <= x <= 20
示例:

4

​
timestamp_granularities[]
enum<string>[]

word=字级 / segment=句级（仅 asr/pro）

可用选项:
word,
segment
​
target_language
string

翻译目标语言代码（lite 不支持）

示例:

"en"

​
hotwords
string

热词增强，逗号分隔（仅 lite）

示例:

"张三,李四,项目Alpha"

​
recognize_mode
enum<string>
默认值:auto

识别模式（仅 deepthink 流式）

可用选项:
auto,
record_only
​
abbreviations
boolean
默认值:false

缩写词自动替换

响应

识别结果。格式取决于 response_format。

json 或 verbose_json 响应

​
text
string

识别出的文本内容

​
duration
number

识别时长（秒）

​
audio_info
object
​
segments
object[]
​
words
object[]