API Reference

语音转文本字幕版 API

REQUEST audio-to-text-api ID 42

将音视频转为文本与字幕（含时间轴信息），适合口播转写、字幕生成与混剪预处理。

REQUEST https://xiaoapis.com/api/audio/audiototext

获取 API Key 工作台 / 调试打开 Markdown

概述

ASR 转写
字幕/时间轴
异步任务

适用场景

口播转写
字幕生成
智能剪辑预处理

调用约定

网关 · https://xiaoapis.com
鉴权 · 请求携带 key（Query 或 JSON Body，以本接口为准）
回包 · JSON；请同时校验业务码与 HTTP 状态，不要只看 200

鉴权

请求需携带平台 API Key（查询参数 key 或 JSON 字段 key，以本接口说明为准）。在控制台 API Key 管理创建密钥。

REQUEST https://xiaoapis.com/api/audio/audiototext
Content-Type: application/json

{
  "key": "YOUR_API_KEY"
}

请求示例

/api/audio/audiototext?key=你的key&url=https://example.com/demo.mp3

详细说明

请求HEADER：

名称	值
Content-Type	application/x-www-form-urlencoded;charset:utf-8; 或 application/json

请求参数说明：

名称	必填	类型	示例值	说明
key	是	string	35kj5jnlj53453kl5j43nj5	接口密钥,在控制台->密钥管理查看
url	否	string	https://example.com/demo.mp3	视频或音频公网 URL，提交任务时必填（兼容 audio_url）。支持 mp3、mp4、wav、m4a、aac、flac、ogg 等，最大 2GB / 12 小时
taskId	否	string	640c4f3f-6545-4102-88f6-703a826bdd14	查询任务 ID，查询时必填（兼容 task_id）；提交任务时不用传
language	否	string	zh	识别语言，留空自动识别。支持：zh 中文、en 英文、ja 日语、yue 粤语、ko 韩语、de 德语、fr 法语、ru 俄语

提交传 url，查询传 taskId。计费按音频时长，不足 1 分钟按 1 分钟；单价 5 点/分钟（约 0.05 元/分钟）。查询不扣费。提交成功即扣费；若未能探测时长，先按 1 分钟预扣，查询成功后若实际更长再补扣差额。

返回参数说明：

名称	类型	说明
code	int	状态码，200 表示成功
msg	string	状态信息
data	object	请求结果数据集
data.taskId	string	任务ID
data.url	string	音频/视频地址
data.format	string	格式
data.seconds	string	时长（秒）
data.sampling_rate	string	采样率
data.task_status	string	PENDING 已提交、RUNNING 处理中、SUCCEEDED 成功、FAILED 失败、UNKNOWN 过期或不存在
data.submission_time	string	提交时间
data.completion_time	string	完成时间
data.text	string	识别文本
data.subtitle	string	组装好的 SRT 字幕，可直接保存为 .srt
data.srt	string	同 subtitle，便于直接使用
data.sentences	array	含 speaker 说话人、句级时间戳、words 词级时间戳
data.bill_minutes	int	计费分钟数（提交时返回）
data.power_cost	number	本次扣除点数（提交时返回）
debug	string/array	调试数据
exec_time	float	执行耗时
ip	string	客户端IP

返回示例

{"code": 200, "msg": "查询成功", "data": {"taskId": "640c4f3f-6545-4102-88f6-703a826bdd14", "task_id": "640c4f3f-6545-4102-88f6-703a826bdd14", "url": "https://example.com/demo.mp3", "format": "mp3", "seconds": "12.8", "sampling_rate": "16000", "task_status": "SUCCEEDED", "text": "大家好，欢迎使用语音转文本字幕接口。", "subtitle": "1\n00:00:00,500 --> 00:00:04,200\n大家好，欢迎使用语音转文本字幕接口。\n", "srt": "1\n00:00:00,500 --> 00:00:04,200\n大家好，欢迎使用语音转文本字幕接口。\n", "sentences": [{"speaker": "1", "sentence": "大家好，欢迎使用语音转文本字幕接口。", "start_time": 500, "end_time": 4200, "words": [{"word": "大", "start_time": 500, "end_time": 700}, {"word": "家", "start_time": 700, "end_time": 900}]}]}, "exec_time": 0.32, "ip": "1.2.3.4"}

错误码

错误码	类型	说明
403	int	没有权限 / 密钥无效
400	int	参数传递不正确或点数不足
500	int	服务器内部错误

常见问题

语音转文本 API 怎么用？

提交公网音视频 URL 创建任务，查询完成后获取 text / srt / sentences 等字段。

支持哪些格式？

常见音视频格式以文档为准，注意大小与时长上限。

能直接给智能剪辑用吗？

可以。转写得到的字幕结构常用于真人口播等接口的 subtitle 字段。

是同步还是异步？

一般为异步：先拿 task_id，再查询任务状态。

返回字幕格式？

通常提供文本与 SRT/分句时间戳，详见返回示例。

识别不准确怎么办？

尽量使用清晰人声、减少噪声；必要时人工校对后再写入剪辑参数。

完整控制台文档（含调试台）：/doc/42