ถอดเสียงสด

ถอดเสียงสด API

WebSocket เดียว: ส่งเสียงจากไมค์ รับคำขณะพูดและแต่ละประโยคที่จบพร้อมภาษา

1. 1

   รับคีย์ API

   สร้างคีย์ในคอนโซล คีย์ใช้ยอดเงินเดียวกับส่วนทดลองใช้

   สร้างคีย์
2. 2

   ส่งคำขอแรก

   คำขอเดียวกับที่ส่วนทดลองใช้ส่ง ตั้งค่า OPENNAN_KEY เป็นคีย์ของคุณ

   JavaScriptPythonอีเวนต์

   คัดลอก

   const ws = new WebSocket("wss://api.opennan.com/v1/realtime/stt");
   ws.binaryType = "arraybuffer";
   
   ws.onopen = () => {
     ws.send(JSON.stringify({ type: "auth", ticket: session.ticket }));
     ws.send(JSON.stringify({
       "type": "session.config",
       "language": "auto"
     }));
   };
   
   mic.ondata = (pcm16) => ws.send(pcm16); // 16 kHz mono 16-bit PCM, <= 65536 bytes a frame
   
   ws.onmessage = (e) => {
     const msg = JSON.parse(e.data);
     if (msg.type === "transcript.partial") showDraft(msg.text);
     if (msg.type === "transcript.final") addLine(msg.sentence_id, msg.text, msg.language);
     if (msg.type === "session.end") console.log("ended:", msg.reason);
   };
   
   stop.onclick = () => ws.send(JSON.stringify({ type: "session.end" }));

3. 3

   อ่านอีเวนต์

   ขณะที่คุณพูด เซิร์ฟเวอร์จะส่งอีเวนต์ JSON มา เสียงจะมาเป็นชิ้นเสียง base64 พร้อมระบุรูปแบบ

   session.started

   เซสชันของคุณเปิดแล้ว พร้อมราคาและขีดจำกัด

   transcript.partial

   คำพูดขณะที่คุณยังพูดอยู่

   transcript.final

   ประโยคที่จบแล้วพร้อมภาษา

   usage

   จำนวนวินาทีและค่าใช้จ่ายจนถึงตอนนี้

   error

   ปัญหาที่เกิดขึ้น พร้อมรหัสและคำอธิบายที่เข้าใจง่าย

   session.end

   เหตุผลที่จบ: คุณหยุดเอง ยอดเงิน เงียบนาน หรือครบเวลา