您可以通过 AI MediaKit 调用已在[豆包语音](https://console.volcengine.com/speech/app)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 * **开通模型**：在[豆包语音控制台](https://console.volcengine.com/speech/app)开通豆包语音识别（标准版），并记录可用的模型标识。 * **进行跨服务授权**：前往 AI MediaKit 控制台[授权管理页面](https://console.volcengine.com/imp/ai-mediakit/settings?tab=authorization&projectName=default)，为 AI MediaKit 授予访问您**豆包语音**资源的权限。 * **获取访问凭证**：访问 AI MediaKit 控制台的 [API Key 管理页面](https://console.volcengine.com/imp/ai-mediakit/settings)，创建并获取 **MediaKit API Key**。 * **准备音频文件**：准备一个待识别的录音文件，并将其上传至公网可访问的地址，以获取可供调用的 URL。 ### 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： 1. 调用 `POST /api/v1/tools/call-maas-proxy` 提交任务，`api` 设为 `doubao.asr`，即可获得一个任务 ID。 2. 轮询 `GET /api/v1/tasks/{task_id}` 接口，直到任务状态 `status` 变为 `completed`；或使用[事件回调](https://docs.volcengine.com/docs/6448/2288701)自动接收任务状态变化。 3. 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](https://docs.volcengine.com/docs/6448/2700933)。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。 ```Bash curl -X POST 'https://mediakit.cn-beijing.volces.com/api/v1/tools/call-maas-proxy' \ -H 'Authorization: Bearer {Your_API_Key}' \ -H 'Content-Type: application/json' \ -d '{ "api": "doubao.asr", "maas_params": { "audio": { "url": "https://example.com/your-audio.mp3", "format": "mp3" }, "request": { "model_name": "bigmodel", "enable_itn": true, "enable_punc": false, "enable_ddc": false, "enable_speaker_info": false, "enable_channel_split": false, "show_utterances": false } } }' ```

说明

将 {Your_API_Key} 替换为您的有效 MediaKit API Key。

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。 ```JSON { "success": true, "task_id": "amk-tool-call-maas-proxy-123456789", "request_id": "20240523100000ABCDEFG12345" } ``` #### 第 2 步：获取识别结果您需要轮询[查询任务信息 API](https://docs.volcengine.com/docs/6448/2278532)，直到任务状态 `status` 变为 `completed`。 ```Bash curl -X GET 'https://mediakit.cn-beijing.volces.com/api/v1/tasks/{task_id}' \ -H 'Authorization: Bearer {Your_API_Key}' ```

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](https://docs.volcengine.com/docs/6561/2606791?lang=zh) 为准。 ```JSON { "success": true, "task_id": "amk-tool-call-maas-proxy-123456789", "status": "completed", "result": { "api": "doubao.asr", "duration": 34.167, "maas_result": { "audio_info": { "duration": 34167 }, "result": { "text": "人间忽晚，山河依旧。一个转身，秋天成了风景，冬天成了期待。好好生活，慢慢相遇。", "additions": { "duration": "34167" } } } } } ``` ## 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](https://docs.volcengine.com/docs/DoubaoVoice/Billinginstructions-21?lang=zh)。 ## 相关 API 文档 * [MaaS 模型代理 API](https://docs.volcengine.com/docs/6448/2700933) * [查询任务信息 API](https://docs.volcengine.com/docs/6448/2278532) * [事件回调](https://docs.volcengine.com/docs/6448/2288701)