语音转文字（豆包语音 ASR）算子基于豆包语音识别能力，可将语音内容自动转写为文本，帮助用户快速完成音频内容的结构化处理。该算子适用于录音转写、语音内容检索、会议/课堂内容整理等场景，可降低人工听写与整理成本，提升语音数据的分析与利用效率。 # 算子介绍 > 算子 ID : las_asr ## 核心能力 * 接入火山引擎LAS ASR接口 * 支持自动断句、数字规整、说话人或通道分离（可选） * 并发处理多个音频文件，提供结构化 JSON 与可读文本两种输出 * 适合转写最长2小时的录音文件，支持标点补全、智能断句、说话人分离等高级功能。 ## 效果展示 * 输入音频1： [audio](https://p9-arcosite.byteimg.com/tos-cn-i-goo7wpa0wc/48364a9b4e784a91b07cc8b5f70d974e~tplv-goo7wpa0wc-image.image) [下载 audio_5mins.mp3](https://p9-arcosite.byteimg.com/tos-cn-i-goo7wpa0wc/48364a9b4e784a91b07cc8b5f70d974e~tplv-goo7wpa0wc-image.image) * 输入音频2：长音频 [audio](https://p9-arcosite.byteimg.com/tos-cn-i-goo7wpa0wc/b1f93f5aaaad48cabf32d6a7ea35ad23~tplv-goo7wpa0wc-image.image) [下载 audio_38mins.MP3](https://p9-arcosite.byteimg.com/tos-cn-i-goo7wpa0wc/b1f93f5aaaad48cabf32d6a7ea35ad23~tplv-goo7wpa0wc-image.image) * 返回结果1： [audio_5mins_speaker.json](https://p9-arcosite.byteimg.com/tos-cn-i-goo7wpa0wc/00592475edb6473fb986f04a8e4d8bec~tplv-goo7wpa0wc-image.image) * 返回结果2 [audio_38mins_speaker.json](https://p9-arcosite.byteimg.com/tos-cn-i-goo7wpa0wc/dca918fcca564410870afdf6c562a3ea~tplv-goo7wpa0wc-image.image) 返回结果说明：以返回结果1为例 * 标点补齐、智能断句 ```JSON { …… "text": "它现在能帮我实时监测发出视频的评论情况。帮我盯着全球资本市场的波动，经济数据的波动。……" …… } ``` * 说话人分离 ```JSON {…… "utterances": [ { "additions": { "speaker": "1" }, …… ] …… } ``` ## 支持的地域 * 北京：cn\-beijing * 上海：cn\-shanghai ## 算子性能 |细分项 |性能影响说明 | |---|---| |最大 RPM |600 | |耗时 |* 总耗时与音频时长正相关。 | # 输入与输出要求 ## 输入要求 |细分 |详细说明 | |---|---| |支持的输入数据模态 |* 音频 | |输入格式：音频 |* 格式：raw, wav, mp3, ogg

* 音频编码格式：目前支持 raw / opus

* 大小：最长支持 2 小时

* 其他：只支持单个语音文件传入 | |输入路径要求 |通过请求参数 `url`提供给算子输入数据，当前支持公网 URL这种方式。

* 公网 URL：公网可访问的视频 URL，格式为 `http/https`。 | ## 输出要求 |细分 |详细说明 | |---|---| |输出数据模态 |* 文本 | |输出路径：API 返回 |算子处理完成输入的音频文件后，会将转换好的文字直接通过算子 Poll 接口的返回参数将结果返回。 | # 计费说明 * 计费标准 |细分项 |计费标准说明 | |---|---| |计费项 |基于**输入音频的时长**统计用量进行计费。 | |计费类型 |按量计费，单位：`元/小时`，按实际的计费用量每小时出账。计费精度：毫秒级精度，去尾 | |单价 |与选择使用的模型有关。 | * 计费详情计费公式：`总费用 = 单价 * 用量` |细分场景 |单价 | |---|---| |* 模型：Seed\-ASR 2.0 |0.8 元/小时 | |* 模型：Seed\-ASR 1.0 |2.3 元/小时 | # 注意与前提 |细分项 |注意与前提 | |---|---| |开通 LAS |* 如果您是一个全新的火山引擎用户，此前未开通过 LAS 产品，您可先开通 LAS，不使用 LAS 的计费功能仅开通 LAS 产品不会产生费用。开通操作请参见[准备工作](https://docs.volcengine.com/docs/6492/1264537)。

* 开通完成后可查看算子介绍文档，了解算子能力、上手引导等，详情可参见：[LAS 智能数据处理算子](https://docs.volcengine.com/docs/6492/1798368)。 | |费用 |调用算子前，您需先了解使用算子时的模型调用费用，详情请参见[大模型调用计费](https://www.volcengine.com/docs/6492/1544808)。 | |鉴权（API Key） |调用算子前，您需要先生成算子调用的API Key，并建议将API Key配置为环境变量，便于更安全地调用算子，详情请参见[获取 API Key 并配置](https://docs.volcengine.com/docs/6492/2191994)。 | |BaseURL |调用算子前，您需要先根据您当前使用的LAS服务所在地域，了解算子调用的BaseURL，用于配置算子调用路径参数取值。

详情请参见[获取 Base URL](https://docs.volcengine.com/docs/6492/2191993)，下文中的调用示例仅作为参考，实际调用时需替换为您对应地域的路径取值。 | # Rest API 调用 ## API 调用说明 * 本算子的 API 为异步任务接口，您需要通过 `Submit` 接口提交任务获得任务的 `task_id`，再通过 `Poll` 接口获取对应任务（`task_id`）运行状态，并获取算子处理结果。 * 注意，任务提交后，任务的 `task_id` 有效期为 1 天，超过 1 天后即无法通过此 `task_id` 来获取算子处理结果。 ## Submit ### 接口说明提交豆包语音 ASR 异步识别任务。单次任务仅支持传入 1 个音频文件；如需处理多个文件，请并发提交多个任务。 ### 请求参数 **operator_id** string 必选 `示例值: las_asr` 算子 ID。 **operator_version** string 必选 `示例值: v2` 算子版本。 **data** SpeechRecognition 必选语音识别请求。 **user** UserConfig `Optional` 用户相关配置。 **uid** string `Optional` `示例值: user_123` 业务侧用户唯一标识，用于请求追踪。请勿直接传入明文 IMEI、MAC 等敏感设备标识，建议使用匿名化或哈希后的用户 ID。 **audio** Audio 必选音频相关配置。单次任务仅支持 1 个音频文件。 **url** string 必选 `示例值: https://example.com/audio.wav` 音频文件 URL。支持服务端可访问的 HTTP/HTTPS 地址或当前调用身份有读取权限的 TOS 地址；链接需在任务执行期间保持有效。单次任务仅支持 1 个文件，建议音频时长不超过 2 小时。链接无效、过期或不可访问时可能返回 `Parameter.Invalid` 或任务执行失败。 **language** string `Optional` `示例值: en-US` 指定识别语言。不传或传空字符串时自动识别普通话、英语、上海话、闽南语、四川话、陕西话和粤语。显式指定时支持：`en-US`（英语）、`ja-JP`（日语）、`id-ID`（印尼语）、`es-MX`（西班牙语）、`pt-BR`（葡萄牙语）、`de-DE`（德语）、`fr-FR`（法语）、`ko-KR`（韩语）、`fil-PH`（菲律宾语）、`ms-MY`（马来语）、`th-TH`（泰语）、`ar-SA`（阿拉伯语）。其他值返回 `Parameter.Invalid`。 **format** string 必选 `示例值: wav` 音频容器格式。可选值：`raw`、`wav`、`mp3`、`ogg`。 **codec** string `Optional` `示例值: raw` 音频编码格式。可选值：`raw`、`opus`，默认 `raw`（PCM）。 **rate** integer `Optional` `示例值: 16000` 音频采样率，单位 Hz，默认 `16000`。 **bits** integer `Optional` `示例值: 16` 音频采样位数，默认且当前仅支持 `16` bit。 **channel** integer `Optional` `示例值: 1` 音频声道数。可选值：`1`（单声道）、`2`（双声道），默认 `1`。 **resource** string `Optional` `示例值: bigasr` ASR 资源类型。可选值：`bigasr`、`seedasr`，默认 `bigasr`。`bigasr` 支持通过 `model_version` 选择 310 或 400 模型；`seedasr` 不支持传入 `model_version`。其他值返回 `Parameter.Invalid`。 **request** RequestConfig 必选识别与结果配置。 **model_name** string 必选 `示例值: bigmodel` 模型名称，当前仅支持 `bigmodel`。 **model_version** string `Optional` `示例值: 310` 模型版本。仅当 `resource=bigasr` 时可配置；可选值：`310`、`400`，不传默认 `310`。`400` 模型的识别效果和 ITN 能力有所优化。当 `resource=seedasr` 时请勿传入，传入时返回 `Parameter.Invalid`。 **enable_itn** boolean `Optional` `示例值: true` 是否启用文本规范化（ITN），默认 `true`。ITN 将口语化数字转换为书面形式，例如"一九七零年"转换为"1970年"。 **enable_punc** boolean `Optional` `示例值: false` 是否为识别文本补充标点，默认 `false`。 **enable_ddc** boolean `Optional` `示例值: false` 是否启用语义顺滑，默认 `false`。开启后会删除或修改停顿词、语气词和语义重复词等不流畅内容。 **enable_speaker_info** boolean `Optional` `示例值: false` 是否返回说话人信息，默认 `false`。开启后在 `utterances[].additions.speaker` 中返回说话人编号；说话人数不超过 10 人时效果较好，音量和距离变化可能影响区分效果。 **enable_channel_split** boolean `Optional` `示例值: false` 是否启用双声道分离，默认 `false`。开启后在 `utterances[].additions.channel_id` 中返回声道编号：`1` 为左声道，`2` 为右声道；关闭时不返回该字段。 **show_utterances** boolean `Optional` `示例值: false` 是否返回分句和分词信息，默认 `false`。开启后返回 `result.utterances`，每个分句可包含 `words`；关闭时 `utterances` 不返回或为空。 **show_speech_rate** boolean `Optional` `示例值: false` 是否返回分句语速，默认 `false`。开启后在 `utterances[].additions.speech_rate` 中返回，单位 token/s。 **show_volume** boolean `Optional` `示例值: false` 是否返回分句音量，默认 `false`。开启后在 `utterances[].additions.volume` 中返回，单位 dB。 **enable_lid** boolean `Optional` `示例值: false` 是否启用语种识别，默认 `false`。支持普通话、英语、上海话、闽南语、四川话、陕西话和粤语；开启后在结果附加信息中返回识别语种。 **enable_emotion_detection** boolean `Optional` `示例值: false` 是否返回情绪标签，默认 `false`。开启后在 `utterances[].additions.emotion` 中返回：`angry`、`happy`、`neutral`、`sad` 或 `surprise`。 **enable_gender_detection** boolean `Optional` `示例值: false` 是否返回性别标签，默认 `false`。开启后在 `utterances[].additions.gender` 中返回 `male` 或 `female`。 **vad_segment** boolean `Optional` `示例值: false` 是否按静音时长进行 VAD 分句，默认 `false`，即使用语义分句。启用双声道识别时通常建议同时开启。 **end_window_size** integer `Optional` `示例值: 800` VAD 分句的静音窗口，单位毫秒，取值范围 `300`～`5000`，建议设置为 `800` 或 `1000`。配置后按静音时长分句；值过小可能导致分句过碎，值过大可能无法及时切分。 **sensitive_words_filter** string `Optional` 敏感词过滤配置，类型为序列化后的 JSON 字符串。默认不处理并展示原文；可通过 `system_reserved_filter`、`filter_with_empty` 和 `filter_with_signed` 配置系统或自定义敏感词的替换方式。字段说明与示例见下文。 **enable_poi_fc** boolean `Optional` `示例值: false` 是否启用地图领域推荐词，默认 `false`。可通过 `corpus.context` 传入 `loc_info.city_name` 提高特定城市地名的识别效果。 **enable_music_fc** boolean `Optional` `示例值: false` 是否启用音乐领域推荐词，默认 false。 **corpus** Corpus `Optional` 热词或上下文配置。 **context** string `Optional` 热词或上下文配置，类型为序列化后的 JSON 字符串。热词模式最多支持 5000 个热词；对话上下文模式最多支持 800 tokens、20 轮，超出后按时间顺序优先保留较新的内容。`context_data` 按从新到旧的顺序排列。 **callback** string `Optional` `示例值: https://example.com/callback` 异步任务完成后的回调地址，需公网可访问。不传时通过 Poll 接口查询任务状态和结果。 **callback_data** string `Optional` `示例值: trace_123` 回调时原样回传的自定义数据。 ### 返回数据 **metadata** Metadata 任务元信息。 **task_id** string `示例值: xxxxx123ef24ea40546c-las-asr` 异步任务 ID，用于 Poll 查询。 **task_status** string `示例值: ACCEPTED` 任务状态：`ACCEPTED`（已接收，继续轮询）、`RUNNING`（处理中，继续轮询）、`COMPLETED`（成功终态）、`FAILED`（失败终态）、`TIMEOUT`（超时终态）。 **business_code** string `示例值: 0` 业务码。`0` 表示请求成功；非 `0` 时结合 `error_msg` 排查。 **error_msg** string 错误信息；成功时为空。 **request_id** string `示例值: 494022a8a0fc3eadb758cf8b0e8b20ef` 请求 ID，用于问题排查。 ### 示例 #### 请求示例 ```Bash curl --location "https://operator.las.cn-beijing.volces.com/api/v1/submit" \ --header "Content-Type: application/json" \ --header "Authorization: Bearer ${LAS_API_KEY}" \ --data @- <

AI 数据湖服务