文档中心

AI MediaKit

大模型处理工具

通过 AI MediaKit 调用语音识别大模型

您可以通过 AI MediaKit 调用已在豆包语音开通的豆包语音识别（标准版），将录音文件转写为文本，无需再单独对接豆包语音接口。

本篇开发指南将引导您快速体验如何通过 AI MediaKit 调用语音识别大模型，将一段录音文件转写为文本。

快速入门

本节以将一个 mp3 录音文件转写为文本为例，演示通过 AI MediaKit 调用语音识别大模型的完整流程。

准备工作

操作流程

通过 AI MediaKit 调用语音识别大模型以异步任务方式进行，其标准流程如下：

任务完成后，从响应 result.maas_result 中读取豆包语音识别接口的原始结果（如识别文本），并从 result.duration 获取识别音频的总时长（秒）。

第 1 步：提交语音识别任务

调用MaaS 模型代理 API。可直接复制以下 cURL 命令，为一个录音文件提交语音识别任务。

说明

maas_params 内为豆包语音识别接口的原始业务参数，以豆包语音 - 录音文件识别 API 为准。其中 audio.url 替换为您自己的录音文件地址，request.model_name 请按您已开通的模型填写。

请求成功后，您会收到如下包含 task_id 的响应，请保存此 ID 用于后续查询。

第 2 步：获取识别结果

您需要轮询查询任务信息 API，直到任务状态 status 变为 completed。

说明

将 URL 末尾的 {task_id} 替换为第 1 步返回的任务 ID。

任务成功完成后，您将收到如下响应。result.maas_result 为豆包语音识别接口的原始响应，含识别文本，其结构以豆包语音 - 录音文件识别 API 为准。

参考信息

计费说明

语音识别的用量由豆包语音产品按其定价计费，请在豆包语音中查看用量与账单；AI MediaKit 不对该调用额外收费。具体价格请参考豆包语音价格说明。