短語(yǔ)音識(shí)別 API 簡(jiǎn)介

概念解釋

短語(yǔ)音識(shí)別：將一段不超過(guò)60秒的語(yǔ)音轉(zhuǎn)換成文本，將音頻文件中的文字信息識(shí)別出來(lái)，代替?zhèn)鹘y(tǒng)輸入場(chǎng)景。

說(shuō)明

Hi，您好，歡迎使用有道智云短語(yǔ)音識(shí)別API接口服務(wù)。

如果您想快速體驗(yàn)服務(wù)，建議您前往 語(yǔ)音識(shí)別體驗(yàn)中心 或者在體驗(yàn)中心右下側(cè)找到小程序二維碼，掃描進(jìn)行體驗(yàn)。

本文檔主要針對(duì)需要集成API的技術(shù)開(kāi)發(fā)工程師，詳細(xì)描述短語(yǔ)音識(shí)別能力相關(guān)的技術(shù)內(nèi)容。

如果您有與我們商務(wù)合作的需求，可以通過(guò)以下方式聯(lián)系我們：

商務(wù)郵箱： AIcloud_Business@corp.youdao.com

如果您對(duì)文檔內(nèi)容有任何疑問(wèn)，可以通過(guò)以下幾種方式聯(lián)系我們：

客服QQ：1906538062

智云語(yǔ)音技術(shù)交流QQ群：861723255

聯(lián)系郵箱： zyservice@corp.youdao.com

溫馨提示：

• 本文檔主要針對(duì)開(kāi)發(fā)人員，接入測(cè)試前需要在后臺(tái)創(chuàng)建API應(yīng)用，獲取應(yīng)用ID和應(yīng)用密鑰；如果您還沒(méi)有，請(qǐng)按照 新手指南 獲取。
• 平臺(tái)向每個(gè)賬戶贈(zèng)送50元的體驗(yàn)金，供用戶集成前測(cè)試所用，具體資費(fèi)規(guī)則詳見(jiàn) 短語(yǔ)音識(shí)別服務(wù)報(bào)價(jià) 。

接口說(shuō)明

有道短語(yǔ)音識(shí)別API接口提供有道的短語(yǔ)音識(shí)別服務(wù)，包含了中文和英文的識(shí)別功能。您只需要通過(guò)調(diào)用有道語(yǔ)音識(shí)別API，傳入待識(shí)別的音頻文件，并指定要識(shí)別的源語(yǔ)言種類，以POST方式請(qǐng)求就可以得到相應(yīng)的識(shí)別結(jié)果。

有道語(yǔ)音識(shí)別API HTTPS地址：

https://openapi.youdao.com/asrapi

語(yǔ)音支持：

格式支持：wav（不壓縮，pcm編碼，采樣率：推薦16k ，編碼：16bit位深的單聲道），aac，mp3

注：上傳的文件時(shí)長(zhǎng)不能超過(guò)60s，文件大小不能超過(guò)10M。

接口調(diào)用參數(shù)

調(diào)用API需要向接口發(fā)送以下字段來(lái)訪問(wèn)服務(wù)。

簽名sign生成方法如下：
1、將請(qǐng)求參數(shù)中的 應(yīng)用ID "appKey" , Base64編碼字符串 "q" ,UUID "salt" , 時(shí)間戳 "curTime"和 應(yīng)用密鑰 按照 應(yīng)用ID+q+salt+curTime+應(yīng)用密鑰 的順序拼接得到字符串 str 。

其中，q的計(jì)算方式為：q=q前10個(gè)字符 + q長(zhǎng)度 + q后10個(gè)字符（當(dāng)q長(zhǎng)度大于20）或 input=q字符串（當(dāng)q長(zhǎng)度小于等于20）；

注意:

1. 請(qǐng)先將需要翻譯的音頻文件轉(zhuǎn)換為 Base64 編碼
2. 在發(fā)送 HTTP 請(qǐng)求之前需要對(duì)各字段做 URL encode。
3. 在生成簽名拼接 應(yīng)用ID+q+salt+curTime+密鑰 字符串時(shí)，q 不需要做 URL encode，在生成簽名之后，發(fā)送 HTTP 請(qǐng)求之前才需要對(duì)要發(fā)送的待翻譯文本字段 q 做 URL encode。

輸出結(jié)果

響應(yīng)結(jié)果是以json形式輸出，包含字段如下表所示：

示例

{
    "result": [
        "今天天氣不錯(cuò)" //識(shí)別結(jié)果
    ],    
    "errorCode": "0",    //錯(cuò)誤碼。一定存在
}

支持語(yǔ)言

服務(wù)配置

• 注意：如需上調(diào)調(diào)用量請(qǐng)聯(lián)系技術(shù)人員咨詢。

錯(cuò)誤代碼列表

音頻轉(zhuǎn)換

本部分描述如何把其他格式的音頻轉(zhuǎn)成符合語(yǔ)音識(shí)別輸入要求的格式文件。

語(yǔ)音識(shí)別底層使用的是wav格式，因此推薦使用wav格式音頻。音頻格式轉(zhuǎn)換推薦使用ffmpeg

ffmpeg簡(jiǎn)介

ffmpeg是一個(gè)自由軟件，可以運(yùn)行音頻、視頻多種格式的錄影、轉(zhuǎn)換、流功能，包含libavcodec--這是一個(gè)用于多個(gè)項(xiàng)目中的音頻、視頻的解碼器庫(kù)，以及l(fā)ibavformat--一個(gè)音頻和視頻格式轉(zhuǎn)換庫(kù)。

ffmpeg官網(wǎng)：https://www.ffmpeg.org/

ffmpeg的github地址：https://github.com/FFmpeg/FFmpeg

ffmpeg編譯參數(shù)

ffmpeg默認(rèn)支持pcm與wav（pcm編碼）格式，額外的編譯參數(shù)如下：

—enable-libopencore-amrnb 支持amr-nb(8000 采樣率) 讀寫

—enable-libopencore-amrwb 支持amr-wb(16000 采樣率) 讀取

—enable-libvo-amrwbenc 支持amr-wb(16000 采樣率) 寫入

—enable-libmp3lame 支持mp3 寫入

ffmpeg -codecs 可以查看所有的格式：

D..... = Decoding supported  # 讀取
.E.... = Encoding supported  # 寫入
..A... = Audio codec      # 音頻編碼
....L. = Lossy compression # 有損
.....S = Lossless compression # 無(wú)損
DEA..S pcm_s16le            PCM signed 16-bit little-endian
DEA.LS wavpack              WavPack
DEA.L. mp3  MP3 (MPEG audio layer 3)
DEA.L. amr_nb       AMR-NB (Adaptive Multi-Rate NarrowBand)
DEA.L. amr_wb       AMR-WB (Adaptive Multi-Rate WideBand)

主要參數(shù)

-i 設(shè)定輸入流

-f 設(shè)定格式

-ss 開(kāi)始時(shí)間

wav、mp3、amr格式都自帶頭部，包含采樣率、編碼、多聲道等信息。而pcm為原始音頻信息，沒(méi)有頭部信息。wav（pcm編碼）就是pcm文件加了wav的頭部信息。

輸入wav、mp3、amr：

ffmpeg -i audio.wav/audio.mp3/audio.amr

輸入pcm格式：pcm需要額外告知編碼格式，采樣率，單聲道信息

-f s16le -ac 1 -ar 16000 -i 16k.pcm    //單聲道、16000采樣率、16bits編碼的pcm文件

音頻參數(shù)

-ar 設(shè)定采樣率

-ac 設(shè)定聲音的channel數(shù)

-acodec 設(shè)定聲音編解碼器，未設(shè)定時(shí)則使用與輸入流相同的編解碼器

-an 不處理音頻

-ab 設(shè)置比特率（單位：bit/s,也許老版是kb/s），前面ac設(shè)置為立體聲時(shí)要以一半的比特率來(lái)設(shè)置，比如192kbps的就設(shè)置為96，轉(zhuǎn)換默認(rèn)比特率都較小，轉(zhuǎn)換默認(rèn)比特率都較小，要聽(tīng)到高品質(zhì)聲音的話建議設(shè)到160kbps（80）以上。

在原始采樣率 大于或者接近16000的時(shí)候，推薦使用16000,8000采樣率會(huì)降低識(shí)別效果。

輸出wav和amr時(shí)，如果沒(méi)有指定聲音編解碼器，則會(huì)選擇默認(rèn)的編碼器。

輸出pcm：

-f s16le -ac 1 -ar 16000 16k.pcm  // 單聲道 16000 采樣率 16bits編碼 pcm文件

輸出wav：

-ac 1 -ar 16000 16k.wav //單聲道 16000 采樣率 16bits編碼 pcm編碼的wav文件

amr-nb:全稱是：Adaptive Multi-Rate，自適應(yīng)多速率，是一種音頻編碼文件格式，專用于有效地壓縮語(yǔ)音頻率。amr-nb格式只能選 8000采樣率。bit rates越高音質(zhì)越好，但是文件越大

bit rates 4.75k, 5.15k, 5.9k, 6.7k, 7.4k, 7.95k, 10.2k or 12.2k

輸出 amr-wb 格式，采樣率 16000。 bit rates越高音質(zhì)越好，但是文件越大。

6600 8850 12650 14250 15850 18250 19850 23050 23850

常用參數(shù)

-y 覆蓋同名文件

-v 日志輸出 基本如-v ERROR -v quiet等

轉(zhuǎn)換命令示例

ffmpeg {常用參數(shù)} {輸入音頻參數(shù)} {輸出音頻參數(shù)}

wav 文件轉(zhuǎn) 16k 16bits 位深的單聲道pcm文件

ffmpeg -y  -i 16k.wav  -acodec pcm_s16le -f s16le -ac 1 -ar 16000 16k.pcm

pcm文件轉(zhuǎn)wav：

ffmpeg -y -f s16le -ar 16000 -ac 1 -acodec pcm_s16le 16k.pcm 16k.wav

m4a文件轉(zhuǎn)16k 16bits 位深的單聲道pcm文件

D:\ffmpeg\bin>ffmpeg -y -i test.m4a -acodec pcm_s16le -f s16le -ac 1 -ar 1600
0 16k.pcm

PCM文件音頻介紹

pcm保存的是未壓縮的音頻信息,沒(méi)有頭文件

16bits編碼是指每次采樣信息用2個(gè)字節(jié)保存。

16000采樣率，是指1秒采樣16000次，常見(jiàn)的音頻是44100HZ，即一秒采樣44100次。

單聲道： 只有一個(gè)聲道。

根據(jù)這些信息，可以得出：

1ms的16采樣率音頻文件大小是 2*16 = 32字節(jié) 。

1ms的8采樣率音頻文件大小是 2*8 = 16字節(jié)，由此即可得到音頻的長(zhǎng)度。

版本更新記錄

常用語(yǔ)言 Demo

Java 示例

package com.youdao.ai;

import org.apache.http.Header;
import org.apache.http.HttpEntity;
import org.apache.http.NameValuePair;
import org.apache.http.client.entity.UrlEncodedFormEntity;
import org.apache.http.client.methods.CloseableHttpResponse;
import org.apache.http.client.methods.HttpPost;
import org.apache.http.impl.client.CloseableHttpClient;
import org.apache.http.impl.client.HttpClients;
import org.apache.http.message.BasicNameValuePair;
import org.apache.http.util.EntityUtils;
import java.io.FileInputStream;
import java.io.IOException;
import java.io.InputStream;
import java.security.MessageDigest;
import java.security.NoSuchAlgorithmException;
import java.util.UUID;
import java.util.Base64;
import java.util.ArrayList;
import java.util.HashMap;
import java.util.List;
import java.util.Map;

public class AsrV2Demo {
    private static final String YOUDAO_URL = "https://openapi.youdao.com/asrapi";

    private static final String APP_KEY = "您的應(yīng)用ID";

    private static final String APP_SECRET = "您的應(yīng)用密鑰";

    public static String truncate(String q) {
        if (q == null) {
            return null;
        }
        int len = q.length();
        String result;
        return len <= 20 ? q : (q.substring(0, 10) + len + q.substring(len - 10, len));
    }

    public static String loadAsBase64(String filename) {
        InputStream in = null;
        byte[] data = null;
        try {
            in = new FileInputStream(filename);
            data = new byte[in.available()];
            in.read(data);
            in.close();
        } catch (IOException e) {
            e.printStackTrace();
        }
        return Base64.getEncoder().encodeToString(data);
    }

    public static String doRequest(String url, Map<String,String> requestParams) throws Exception{
        String result = null;
        CloseableHttpClient httpClient = HttpClients.createDefault();
        HttpPost httpPost = new HttpPost(url);
        List<NameValuePair> params = new ArrayList<NameValuePair>();
        for (String key : requestParams.keySet()) {
            params.add(new BasicNameValuePair(key, requestParams.get(key)));
        }
        httpPost.setEntity(new UrlEncodedFormEntity(params, "UTF-8"));
        CloseableHttpResponse httpResponse = httpClient.execute(httpPost);
        try {
            HttpEntity httpEntity = httpResponse.getEntity();
            result = EntityUtils.toString(httpEntity, "utf-8");
            EntityUtils.consume(httpEntity);
        } finally {
            try {
                if (httpResponse != null) {
                    httpResponse.close();
                }
            } catch(IOException e) {
                System.out.println("## release resouce error ##" + e);
            }
        }
        return result;
    }

    public static String getDigest(String string) {
        if (string == null) {
            return null;
        }
        char hexDigits[] = {'0', '1', '2', '3', '4', '5', '6', '7', '8', '9', 'A', 'B', 'C', 'D', 'E', 'F'};
        byte[] btInput = string.getBytes(StandardCharsets.UTF_8);
        try {
            MessageDigest mdInst = MessageDigest.getInstance("SHA-256");
            mdInst.update(btInput);
            byte[] md = mdInst.digest();
            int j = md.length;
            char str[] = new char[j * 2];
            int k = 0;
            for (byte byte0 : md) {
                str[k++] = hexDigits[byte0 >>> 4 & 0xf];
                str[k++] = hexDigits[byte0 & 0xf];
            }
            return new String(str);
        } catch (NoSuchAlgorithmException e) {
            return null;
        }
    }

    public static void main(String[] args) throws Exception {
        Map<String, String> params = new HashMap<String, String>();
        String filename = "音頻的路徑";
        String langType = "合成文本的語(yǔ)言類型";
        params.put("appKey", APP_KEY);
        String q = loadAsBase64(filename);
        params.put("q", q);
        params.put("format", "wav");
        params.put("rate", "16000");
        params.put("channel", "1");
        params.put("docType", "json");
        params.put("type", "1");
        String salt = UUID.randomUUID().toString();
        params.put("salt", salt);
        params.put("langType", langType);
        String curtime = String.valueOf(System.currentTimeMillis() / 1000);
        params.put("curtime", curtime);
        String signStr = APP_KEY + truncate(q) + salt + curtime + APP_SECRET;
        String sign = getDigest(signStr);
        params.put("sign", sign);
        params.put("signType", "v2");

        String result = doRequest(YOUDAO_URL, params);
        System.out.println(result);
    }
}

Python2 示例

# -*- coding: utf-8 -*-
import sys
import uuid
import requests
import wave
import base64
import hashlib
import time

reload(sys)
sys.setdefaultencoding('utf-8')

YOUDAO_URL = 'https://openapi.youdao.com/asrapi'
APP_KEY = '您的應(yīng)用ID'
APP_SECRET = '您的應(yīng)用密鑰'

def truncate(q):
    if q is None:
        return None
    q_utf8 = q.decode("utf-8")
    size = len(q_utf8)
    return q_utf8 if size <= 20 else q_utf8[0:10] + str(size) + q_utf8[size - 10:size]

def encrypt(signStr):
    hash_algorithm = hashlib.sha256()
    hash_algorithm.update(signStr.encode('utf-8'))
    return hash_algorithm.hexdigest()

def do_request(data):
    headers = {'Content-Type': 'application/x-www-form-urlencoded'}
    return requests.post(YOUDAO_URL, data=data, headers=headers)

def connect():
    audio_file_path = '音頻的路徑'
    lang_type = '合成文本的語(yǔ)言類型'
    extension = audio_file_path[audio_file_path.rindex('.')+1:]
    if extension != 'wav':
        print '不支持的音頻類型'
        sys.exit(1)
    wav_info = wave.open(audio_file_path, 'rb')
    sample_rate = wav_info.getframerate()
    nchannels = wav_info.getnchannels()
    wav_info.close()
    with open(audio_file_path, 'rb') as file_wav:
        q = base64.b64encode(file_wav.read())

    data = {}
    curtime = str(int(time.time()))
    data['curtime'] = curtime
    salt = str(uuid.uuid1())
    signStr = APP_KEY + truncate(q) + salt + curtime + APP_SECRET
    sign = encrypt(signStr)
    data['appKey'] = APP_KEY
    data['q'] = q
    data['salt'] = salt
    data['sign'] = sign
    data['signType'] = "v2"
    data['langType'] = lang_type
    data['rate'] = sample_rate
    data['format'] = 'wav'
    data['channel'] = nchannels
    data['type'] = 1

    response = do_request(data)
    print response.content

if __name__ == '__main__':
    connect()

Python3 示例

# -*- coding: utf-8 -*-
import sys
import uuid
import requests
import wave
import base64
import hashlib

from imp import reload

import time

reload(sys)

YOUDAO_URL = 'https://openapi.youdao.com/asrapi'
APP_KEY = '您的應(yīng)用ID'
APP_SECRET = '您的應(yīng)用密鑰'

def truncate(q):
    if q is None:
        return None
    size = len(q)
    return q if size <= 20 else q[0:10] + str(size) + q[size-10:size]

def encrypt(signStr):
    hash_algorithm = hashlib.sha256()
    hash_algorithm.update(signStr.encode('utf-8'))
    return hash_algorithm.hexdigest()

def do_request(data):
    headers = {'Content-Type': 'application/x-www-form-urlencoded'}
    return requests.post(YOUDAO_URL, data=data, headers=headers)

def connect():
    audio_file_path = '音頻的路徑'
    lang_type = '合成文本的語(yǔ)言類型'
    extension = audio_file_path[audio_file_path.rindex('.')+1:]
    if extension != 'wav':
        print('不支持的音頻類型')
        sys.exit(1)
    wav_info = wave.open(audio_file_path, 'rb')
    sample_rate = wav_info.getframerate()
    nchannels = wav_info.getnchannels()
    wav_info.close()
    with open(audio_file_path, 'rb') as file_wav:
        q = base64.b64encode(file_wav.read()).decode('utf-8')

    data = {}
    curtime = str(int(time.time()))
    data['curtime'] = curtime
    salt = str(uuid.uuid1())
    signStr = APP_KEY + truncate(q) + salt + curtime + APP_SECRET
    sign = encrypt(signStr)
    data['appKey'] = APP_KEY
    data['q'] = q
    data['salt'] = salt
    data['sign'] = sign
    data['signType'] = "v2"
    data['langType'] = lang_type
    data['rate'] = sample_rate
    data['format'] = 'wav'
    data['channel'] = nchannels
    data['type'] = 1

    response = do_request(data)
    print(response.content)

if __name__ == '__main__':
    connect()

C#示例

using System;
using System.IO;
using System.Web;
using System.Net;
using System.Linq;
using System.Text;
using System.Drawing;
using System.Threading.Tasks;
using System.Collections.Generic;
using System.Collections.Specialized;
using System.Security.Cryptography;

namespace zhiyun_csharp_demo
{
    class AsrV2Demo
    {
        public static void Main()
        {
            String url = "https://openapi.youdao.com/asrapi";
            Dictionary<String, String> dic = new Dictionary<String, String>();

            string q = LoadAsBase64("音頻的路徑");
            string appKey = "您的應(yīng)用ID";
            string appSecret = "您的應(yīng)用密鑰";
            string langType = "合成文本的語(yǔ)言類型";
            string format = "wav";
            string rate = "16000";
            string channel = "1";
            string type = "1";
            string salt = Guid.NewGuid().ToString();
            TimeSpan ts = (DateTime.UtcNow - new DateTime(1970, 1, 1, 0, 0, 0, DateTimeKind.Utc));
            long millis = (long) ts.TotalMilliseconds;
            string curtime = Convert.ToString(millis / 1000);
            dic.Add("curtime", curtime);
            string signStr = appKey + Truncate(q) + salt + curtime + appSecret;;
            string sign = ComputeHash(signStr, new SHA256CryptoServiceProvider());
            dic.Add("q", System.Web.HttpUtility.UrlEncode(q));
            dic.Add("appKey", appKey);
            dic.Add("langType", langType);
            dic.Add("format", format);
            dic.Add("rate", rate);
            dic.Add("channel", channel);
            dic.Add("type", type);
            dic.Add("salt", salt);
            dic.Add("sign", sign);
            dic.Add("signType", "v2");

            string result = Post(url, dic);
            Console.WriteLine(result);
        }

        protected static string ComputeHash(string input, HashAlgorithm algorithm)
        {
          Byte[] inputBytes = Encoding.UTF8.GetBytes(input);
          Byte[] hashedBytes = algorithm.ComputeHash(inputBytes);
          return BitConverter.ToString(hashedBytes).Replace("-", "");
        }

        protected static string Truncate(string q)
        {
            if (q == null)
            {
               return null;
            }
            int len = q.Length;
            return len <= 20 ? q : (q.Substring(0, 10) + len + q.Substring(len - 10, 10));
        }

        protected static string LoadAsBase64(string filename)
        {
            try
            {
                FileStream filestream = new FileStream(filename, FileMode.Open);
                byte[] arr = new byte[filestream.Length];
                filestream.Position = 0;
                filestream.Read(arr, 0, (int)filestream.Length);
                filestream.Close();
                return Convert.ToBase64String(arr);
            }
            catch (Exception ex)
            {
                return null;
            }
        }

        protected static string Post(string url, Dictionary<String, String> dic)
        {
            string result = "";
            HttpWebRequest req = (HttpWebRequest)WebRequest.Create(url);
            req.Method = "POST";
            req.ContentType = "application/x-www-form-urlencoded";
            StringBuilder builder = new StringBuilder();
            int i = 0;
            foreach (var item in dic)
            {
                if (i > 0)
                    builder.Append("&");
                builder.AppendFormat("{0}={1}", item.Key, item.Value);
                i++;
            }
            byte[] data = Encoding.UTF8.GetBytes(builder.ToString());
            req.ContentLength = data.Length;
            using (Stream reqStream = req.GetRequestStream())
            {
                reqStream.Write(data, 0, data.Length);
                reqStream.Close();
            }
            HttpWebResponse resp = (HttpWebResponse)req.GetResponse();
            Stream stream = resp.GetResponseStream();
            using (StreamReader reader = new StreamReader(stream, Encoding.UTF8))
            {
                result = reader.ReadToEnd();
            }
            return result;
        }
    }
}

PHP 示例

<?php
define("CURL_TIMEOUT",   2000);
define("URL",            "https://openapi.youdao.com/asrapi");
define("APP_KEY",        "您的應(yīng)用ID"); // 替換為您的應(yīng)用ID
define("SEC_KEY",        "您的應(yīng)用密鑰"); // 替換為您的密鑰

function do_request($q, $langType, $channel, $rate, $format)
{
    $salt = create_guid();
    $args = array(
        'q' => $q,
        'appKey' => APP_KEY,
        'salt' => $salt,
        'langType' => $langType,
        'channel' => $channel,
        'rate' => $rate,
        'format' => $format,
        'type' => "1",
        'signType' => "v2",
    );
    $curtime = strtotime("now");
    $args['curtime'] = $curtime;
    $signStr = APP_KEY . truncate($q) . $salt . $curtime . SEC_KEY;
    $args['sign'] = hash("sha256", $signStr);
    $ret = call(URL, $args);
    print_r($ret);
    $ret = json_decode($ret, true);
    return $ret;
}

// 發(fā)起網(wǎng)絡(luò)請(qǐng)求
function call($url, $args=null, $method="post", $testflag = 0, $timeout = CURL_TIMEOUT, $headers=array())
{
    $ret = false;
    $i = 0;
    while($ret === false)
    {
        if($i > 1)
            break;
        if($i > 0)
        {
            sleep(1);
        }
        $ret = callOnce($url, $args, $method, false, $timeout, $headers);
        $i++;
    }
    return $ret;
}

function callOnce($url, $args=null, $method="post", $withCookie = false, $timeout = CURL_TIMEOUT, $headers=array())
{
    $ch = curl_init();
    if($method == "post")
    {
        $data = convert($args);
        curl_setopt($ch, CURLOPT_POSTFIELDS, $data);
        curl_setopt($ch, CURLOPT_POST, 1);
    }
    else
    {
        $data = convert($args);
        if($data)
        {
            if(stripos($url, "?") > 0)
            {
                $url .= "&$data";
            }
            else
            {
                $url .= "?$data";
            }
        }
    }
    curl_setopt($ch, CURLOPT_URL, $url);
    curl_setopt($ch, CURLOPT_TIMEOUT, $timeout);
    curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);
    if(!empty($headers))
    {
        curl_setopt($ch, CURLOPT_HTTPHEADER, $headers);
    }
    if($withCookie)
    {
        curl_setopt($ch, CURLOPT_COOKIEJAR, $_COOKIE);
    }
    $r = curl_exec($ch);
    curl_close($ch);
    return $r;
}

function convert(&$args)
{
    $data = '';
    if (is_array($args))
    {
        foreach ($args as $key=>$val)
        {
            if (is_array($val))
            {
                foreach ($val as $k=>$v)
                {
                    $data .= $key.'['.$k.']='.rawurlencode($v).'&';
                }
            }
            else
            {
                $data .="$key=".rawurlencode($val)."&";
            }
        }
        return trim($data, "&");
    }
    return $args;
}

// uuid generator
function create_guid(){
    $microTime = microtime();
    list($a_dec, $a_sec) = explode(" ", $microTime);
    $dec_hex = dechex($a_dec* 1000000);
    $sec_hex = dechex($a_sec);
    ensure_length($dec_hex, 5);
    ensure_length($sec_hex, 6);
    $guid = "";
    $guid .= $dec_hex;
    $guid .= create_guid_section(3);
    $guid .= '-';
    $guid .= create_guid_section(4);
    $guid .= '-';
    $guid .= create_guid_section(4);
    $guid .= '-';
    $guid .= create_guid_section(4);
    $guid .= '-';
    $guid .= $sec_hex;
    $guid .= create_guid_section(6);
    return $guid;
}

function truncate($q) {
    $len = abslength($q);
    return $len <= 20 ? $q : (mb_substr($q, 0, 10) . $len . mb_substr($q, $len - 10, $len));
}

function abslength($str)
{
    if(empty($str)){
        return 0;
    }
    if(function_exists('mb_strlen')){
        return mb_strlen($str,'utf-8');
    }
    else {
        preg_match_all("/./u", $str, $ar);
        return count($ar[0]);
    }
}

function ensure_length(&$string, $length){
    $strlen = strlen($string);
    if($strlen < $length)
    {
        $string = str_pad($string, $length, "0");
    }
    else if($strlen > $length)
    {
        $string = substr($string, 0, $length);
    }
}

function create_guid_section($characters){
    $return = "";
    for($i = 0; $i < $characters; $i++)
    {
        $return .= dechex(mt_rand(0,15));
    }
    return $return;
}

$file = "音頻的路徑";
$langType = "合成文本的語(yǔ)言類型";

$fp = fopen($file, "r") or die("Can't open file");

// base64編碼
$q = chunk_split(base64_encode(fread($fp, filesize($file))));

fclose($fp);

do_request($q, $langType, "1", 16000, "wav");
?>