腾讯云录音文件快速识别实战教程

前言

• 本文介绍如何基于腾讯云语音识别 快速识别接口，实现通过 HTTPS POST 方式上传音频并快速识别同步返回识别结果的实战流程。

接口简介

• 腾讯云语音识别 快速识别接口 支持上传音频文件并同步返回识别结果，适合以下场景：

- 视频字幕自动生成
- 呼叫中心/质检实时转写
- 会议记录转写

前置条件

• 开通腾讯云语音识别服务。
• 在 API 密钥管理 新建密钥，获取：
  • AppID
  • SecretID
  • SecretKey

实战

添加 Maven 依赖

• 在项目 pom.xml 中引入腾讯云语音识别 SDK：

<dependency><groupId>com.tencentcloudapi</groupId><artifactId>tencentcloud-speech-sdk-java</artifactId><version>1.0.52</version>
</dependency>

核心代码示例

@Component
@Slf4j
public class FlashRecognizerService {private static final String SECRET_KEY = "你的SecretKey";private static final String SECRET_ID = "你的SecretId";private static final String APP_ID = "你的AppId";private final Credential credential = Credential.builder().secretId(SECRET_ID).secretKey(SECRET_KEY).build();public String recognizer(File file) {log.info("开始解析音频文件：{}", file);FlashRecognizer recognizer = SpeechClient.newFlashRecognizer(APP_ID, credential);byte[] data = ByteUtils.inputStream2ByteArray(file);// 初始化识别请求FlashRecognitionRequest recognitionRequest = FlashRecognitionRequest.initialize();recognitionRequest.setEngineType("16k_zh"); // 中文普通话recognitionRequest.setFirstChannelOnly(1);  // 仅识别第一声道recognitionRequest.setVoiceFormat(getFileExtension(file));recognitionRequest.setSpeakerDiarization(0); // 不做说话人分离recognitionRequest.setFilterDirty(0); // 不过滤脏词recognitionRequest.setFilterModal(0); // 不过滤语气词recognitionRequest.setFilterPunc(0);  // 保留标点recognitionRequest.setConvertNumMode(1); // 开启数字转换recognitionRequest.setWordInfo(1); // 返回词级信息// 同步识别FlashRecognitionResponse response = recognizer.recognize(recognitionRequest, data);log.info("音频文件解析完成：{} {}", file, JSONObject.toJSONString(response));return response.getFlashResult().get(0).getText();}/*** 获取文件扩展名*/public static String getFileExtension(File file) {String name = file.getName();int lastIndex = name.lastIndexOf(".");if (lastIndex == -1 || lastIndex == name.length() - 1) {return "";}return name.substring(lastIndex + 1);}
}

参数说明

参数	说明	默认值
EngineType	引擎类型（如 16k_zh 中文普通话）
FirstChannelOnly	是否仅识别第一个声道（1 是，0 否）	1
VoiceFormat	音频格式，如 mp3、wav、m4a
SpeakerDiarization	是否进行说话人分离（0 否，1 是）	0
FilterDirty	过滤脏词（0 不过滤，1 过滤）	0
FilterModal	过滤语气词（0 不过滤，1 过滤）	0
FilterPunc	过滤标点（0 不过滤，1 过滤）	0
ConvertNumMode	数字转换（0 关闭，1 开启）	1
WordInfo	是否返回词级信息（0 否，1 是）	1

个人简介

👋 你好，我是 Lorin 洛林，一位 Java 后端技术开发者！座右铭：Technology has the power to make the world a better place.

🚀 我对技术的热情是我不断学习和分享的动力。我的博客是一个关于Java生态系统、后端开发和最新技术趋势的地方。

🧠 作为一个 Java 后端技术爱好者，我不仅热衷于探索语言的新特性和技术的深度，还热衷于分享我的见解和最佳实践。我相信知识的分享和社区合作可以帮助我们共同成长。

💡 在我的博客上，你将找到关于Java核心概念、JVM 底层技术、常用框架如Spring和Mybatis 、MySQL等数据库管理、RabbitMQ、Rocketmq等消息中间件、性能优化等内容的深入文章。我也将分享一些编程技巧和解决问题的方法，以帮助你更好地掌握Java编程。

🌐 我鼓励互动和建立社区，因此请留下你的问题、建议或主题请求，让我知道你感兴趣的内容。此外，我将分享最新的互联网和技术资讯，以确保你与技术世界的最新发展保持联系。我期待与你一起在技术之路上前进，一起探讨技术世界的无限可能性。

📖 保持关注我的博客，让我们共同追求技术卓越。