一、PYTHON-SDK-DEMO信息获取与运行

1、能力使用的 APPID、APISecret、APIKey获取

请点击控制台进行获取并填写到 .env 文件！

4、DEMO运行说明

获取到信息后填写到项目路径 .env 文件中，找到能力对应的主类运行即可。能力与主类对应说明如下：

AI能力名称	对应主类名称
语音听写	iat_test.py
实时语音转写	rtasr_test.py
音频文件语音转写	lfasr_test.py
语音合成	tts_test.py
语音评测	ise_test.py
小牛翻译及自研机器翻译	translate_test.py
文本纠错	text_check_test.py
智能PPT（新）	ai_ppt_test.py
静默活体检测	anti_spoof_test.py
银行卡识别	bank_card_test.py
名片识别	business_card_test.py
人脸比对	face_compare_test.py
人脸检测和属性分析	face_detect_test.py
配合式活体检测	face_status_test.py
人脸比对sensetime	face_verify_test.py
指尖文字识别	finger_ocr_test.py
印刷文字识别和手写文字识别	general_words_test.py
性别年龄识别	igr_test.py
场景识别和物体识别和场所识别	rec_ocr_test.py
图片类识别（营业执照,出租车发票,火车票,增值税发票 ,身份证,印刷文字）	image_word_test.py
身份证识别 营业执照识别 增值税发票识别 印刷文字识别（多语种）	intsig_ocr_test.py
歌曲识别	qbh_test.py
静默活体检测sensetime	silent_detect_test.py
人脸检测和属性分析	tup_api_test.py
人脸水印照比对	watermark_verify_test.py
超拟人合成	oral_test.py
简历生成	resume_generate_test.py
多语种大模型语音听写、方言大模型语音听写、中文大模型语音听写	spark_iat_test.py
一句话复刻	voice_clone_test.py
一句话训练	train_test.py
音频合规	audio_moderation_test.py
图片合规	image_moderation_test.py
同声传译	sim_interp_test.py
文本合规	text_moderation_test.py
文本校对	text_proof_test.py
文本改写	text_rewrite_test.py
视频合规	video_moderation_test.py
词库操作	wordlib_test.py
星火智能体	agent_test.py
超拟人交互	oral_chat_test.py
通用大模型识别	llm_ocr_test.py
超拟人个性化知识库	aiui_knowledge_test.py

二、讯飞开放平台常用AI能力介绍与常用参数说明

1、语音听写（流式版）

（1）功能说明

语音听写流式接口，用于1分钟内的即时语音转文字技术，支持实时返回识别结果，达到一边上传音频一边获得识别文本的效果。

（2）常用参数

以下仅为常用参数说明，详情请点击语音听写文档 查看。

参数名	类型	必传	描述	示例
vad_eos	int	否	用于设置端点检测的静默时间，单位是毫秒。 即静默多长时间后引擎认为音频结束。 默认2000（小语种除外，小语种不设置该参数默认为未开启VAD）。	3000
dwa	string	否	（仅中文普通话支持）动态修正 wpgs：开启流式结果返回功能 注：该扩展功能若未授权无法使用，可到控制台-语音听写（流式版）-高级功能处免费开通；若未授权状态下设置该参数并不会报错，但不会生效。	"wpgs"

2、实时语音转写

（1）功能说明

实时语音转写（Real-time ASR）基于深度全序列卷积神经网络框架，通过 WebSocket 协议，建立应用与语言转写核心引擎的长连接，开发者可实现将连续的音频流内容，实时识别返回对应的文字流内容。 支持的音频格式： 采样率为16K，采样深度为16bit的pcm_s16le音频

（2）常用参数

以下仅为常用参数说明，详情请点击实时语音转写文档查看。

参数名	类型	必传	描述	示例
lang	string	否	实时语音转写语种，不传默认为中文
语种类型：中文、中英混合识别：cn；英文：en；小语种及方言可到控制台-实时语音转写-方言/语种处添加，添加后会显示该方言/语种参数值。传参示例如："
lang=en"
targetLang	string	否	目标翻译语种	例如：targetLang="en" 如果使用中文实时翻译为英文传参示例如下： "
&lang=cn&transType=normal&transStrategy=2&targetLang=en" 注意：需控制台开通翻译功能

3、音频文件语音转写

（1）功能说明

语音转写（Long Form ASR）基于深度全序列卷积神经网络，将长段音频（5小时以内）数据转换成文本数据，为信息处理和数据挖掘提供基础。 转写的是已录制音频（非实时），音频文件上传成功后进入等待队列，待转写成功后用户即可获取结果，返回结果时间受音频时长以及排队任务量的影响。 如遇转写耗时比平时延长，大概率表示当前时间段出现转写高峰，请耐心等待即可，我们承诺有效任务耗时最大不超过5小时 。 另外，为使转写服务更加通畅，请尽量转写5分钟以上的音频文件。

（2）常用参数

以下仅为常用参数说明，详情请点击音频文件语音转写文档查看。

参数名	类型	必传	描述	示例
speaker_number	string	否	发音人个数，可选值：0-10，0表示盲分 注
：发音人分离目前还是测试效果达不到商用标准，如测试无法满足您的需求，请慎用该功能。	默认：2（适用通话时两个人对话的场景）
has_seperate	string	否	转写结果中是否包含发音人分离信息	false或true，默认为false
role_type	string	否	支持两种参数 1: 通用角色分离 2:
电话信道角色分离（适用于speaker_number为2的说话场景）该字段只有在开通了角色分离功能的前提下才会生效，正确传入该参数后角色分离效果会有所提升。
如果该字段不传，默认采用 1 类型
language	string	否	语种 cn:中英文&中文（默认） en:英文（英文不支持热词）	cn

4、语音合成（流式版）

（1）功能说明

语音合成流式接口将文字信息转化为声音信息，同时提供了众多极具特色的发音人（音库）供您选择，可以在 这里 在线体验发音人效果。

（2）常用参数

以下仅为常用参数说明，详情请点击语音合成文档查看。

参数名	类型	必传	描述	示例
vcn	string	是	发音人，可选值：请到控制台添加试用或购买发音人，添加后即显示发音人参数值	"xiaoyan"
rdn	string	否	合成音频数字发音方式 0：自动判断（默认值） 1：完全数值 2：完全字符串 3：字符串优先	"0"

5、语音评测（流式版）

（1）功能说明

通过智能语音技术自动对发音水平进行评价、发音错误、缺陷定位和问题分析的能力接口。涉及的核心技术主要可分为两个部分：中文普通话发音水平自动评测技术、英文发音水平自动评测技术。

（2）常用参数

以下仅为常用参数说明，详情请点击语音评测文档查看。

参数名	类型	必传	描述	示例
ent	string	是	中文：cn_vip 英文：en_vip	"cn_vip"
category	string	是	中文题型： read_syllable（单字朗读，汉语专有） read_word（词语朗读） read_sentence（句子朗读） read_chapter(篇章朗读) 英文题型： read_word（词语朗读） read_sentence（句子朗读） read_chapter(篇章朗读) simple_expression（英文情景反应） read_choice（英文选择题） topic（英文自由题） retell（英文复述题） picture_talk（英文看图说话） oral_translation（英文口头翻译）	"read_sentence"
text	string	是	待评测文本 utf8 编码，需要加utf8bom 头	'\uFEFF'+text
tte	string	是	待评测文本编码 utf-8 gbk	"utf-8"
extra_ability	string	否	拓展能力（生效条件ise_unite="1", rst="entirety"）多维度分信息显示（准确度分、流畅度分、完整度打分）extra_ability值为multi_dimension（字词句篇均适用,如选多个能力，用分号；隔开。例如：add("extra_ability"," syll_phone_err_msg;pitch;multi_dimension")）单词基频信息显示（基频开始值、结束值）extra_ability值为pitch ，仅适用于单词和句子题型音素错误信息显示（声韵、调型是否正确）extra_ability值为syll_phone_err_msg（字词句篇均适用,如选多个能力，用分号；隔开。例如：add("extra_ability"," syll_phone_err_msg;pitch;multi_dimension")）	"multi_dimension"
aue	string	否	音频格式 raw: 未压缩的pcm格式音频或wav（如果用wav格式音频，建议去掉头部） lame: mp3格式音频 speex-wb;7: 讯飞定制speex格式音频(默认值)	"raw"
auf	string	否	音频采样率 默认 audio/L16;rate=16000	"audio L16；rate=16000"
group	string	否	针对群体不同，相同试卷音频评分结果不同 （仅中文字、词、句、篇章题型支持），此参数会影响准确度得分 adult（成人群体，不设置群体参数时默认为成人） youth（中学群体 pupil（小学群体，中文句、篇题型设置此参数值会有accuracy_score得分的返回））	"adult"
grade	string	否	设置评测的学段参数 （仅中文题型：中小学的句子、篇章题型支持） junior(1,2年级) middle(3,4年级) senior(5,6年级)	"middle"
rst	string	否	评测返回结果与分制控制（评测返回结果与分制控制也会受到ise_unite与plev参数的影响） 完整：entirety（默认值） 中文百分制推荐传参（rst="entirety"且ise_unite="1"且配合extra_ability参数使用） 英文百分制推荐传参（rst="entirety"且ise_unite="1"且配合extra_ability参数使用） 精简：plain（评测返回结果将只有总分），如： <total_score value="98.507320"/>	"entirety"
ise_unite	string	否	返回结果控制 0：不控制（默认值） 1：控制（extra_ability参数将影响全维度等信息的返回）	"0"
plev	string	否	在rst="entirety"（默认值）且ise_unite="0"（默认值）的情况下plev的取值不同对返回结果有影响。 plev：0(给出全部信息，汉语包含rec_node_type、perr_msg、fluency_score、phone_score信息的返回；英文包含accuracy_score、serr_msg、 syll_accent、fluency_score、standard_score、pitch信息的返回)	"0"