讯飞听见开放平台API接入教程及开发指南

必须完成实名认证才能开通API服务；创建应用获取AppID、API Key、APISecret三凭证；配置Python环境并转换音频为16kHz单声道WAV；用密钥生成带签名的wss鉴权URL；发送启动帧、音频帧和结束帧获取识别结果。

你需要在自己的程序里调用讯飞听见的语音转文字服务，但卡在API接入环节——密钥填了没反应、WebSocket连不上、音频发过去没返回结果，根本不知道哪一步出错。

注册账号并完成实名认证

打开讯飞听见开放平台官网（直接搜索“讯飞听见开放平台”即可），用手机号注册新账号。注册后立刻点击右上角头像→「实名认证」，按提示上传身份证正反面照片并人脸识别。这一步【必须完成】，否则后续所有服务都无法开通，控制台里看不到任何API入口。

认证提交后通常5分钟内通过，页面会自动跳转回控制台首页。如果10分钟还没变绿，刷新页面或退出重登一次。

创建应用并获取三组核心凭证

进入控制台→点击「我的应用」→「创建新应用」。

应用名称必须用英文或英文+数字组合，比如meeting_transcribe_v1，不能含中文、空格或特殊符号，否则后续调用会返回401 Unauthorized错误。

提交后立即跳转到应用详情页，在左侧菜单栏找到「语音听写」或「实时语音转写」服务，点击开通。开通成功后，页面右侧会显示三行关键信息：

AppID：一串18位纯数字，如123456789012345678
API Key：32位字母数字混合字符串，如a1b2c3d4e5f6g7h8i9j0k1l2m3n4o5p6
APISecret：同样32位，如q7r8s9t0u1v2w3x4y5z6a7b8c9d0e1f2

这三项必须一次性复制完整，漏一个字符都会导致鉴权失败。建议新建记事本，逐行粘贴并标注用途，不要直接写进代码里。

配置Python开发环境与依赖

确保已安装Python 3.8及以上版本，然后执行：

pip install websocket-client requests pydub

其中pydub用于后续音频格式转换——讯飞要求输入必须是16kHz采样率、16bit、单声道的PCM或WAV，而你手里的MP3或手机录音往往不满足。这一步不能跳过，否则服务器直接拒绝接收数据帧。

如果你用的是VS Code，确认终端当前路径是你项目的根目录，不是桌面或C盘根目录。路径不对会导致ModuleNotFoundError。

生成带签名的WebSocket鉴权URL

讯飞不接受裸连，必须用API Key和APISecret按固定算法生成临时授权地址。以下是Python可直接运行的片段：

第一步：计算当前时间戳（秒级整数）
第二步：拼接签名原文：api_key + 当前时间戳
第三步：用HMAC-SHA256算法对原文做哈希，再Base64编码
第四步：把编码结果拼进URL模板：wss://rtasr.xfyun.cn/v1/ws?appid=你的AppID&ts=时间戳&signa=签名

注意：时间戳必须是整数，不能带小数点；signa参数值是Base64编码后的字符串，不是原始哈希值；URL中wss://不能写成ws://，否则连接会被立即断开。

发送音频帧并接收识别结果

方法一：使用官方SDK（推荐新手）
下载讯飞开放平台提供的Python SDK压缩包，解压后进入sample/rtasr目录，把app_id、api_key、api_secret替换成你自己的值，再把测试音频路径改成本地WAV文件路径，直接运行python demo.py。

方法二：手写WebSocket客户端（适合调试）
建立连接后，先发启动帧（JSON格式，含语言类型、音频格式、是否返回标点等参数）→再循环读取WAV文件每1280字节→每帧调用send()发送→最后一帧发结束帧→监听on_message回调提取data.result字段。

音频文件必须是单声道，双声道WAV会导致识别结果为空。可用Audacity免费软件打开音频→Tracks→Stereo Track to Mono快速转换。