Doubao-流式语音识别（WebSocket）

双向流式 ASR：实时将音频流转写为文本。二进制协议与请求流程与火山官方一致，详见 官方 · 大模型流式语音识别 API。

URL：wss://<BASE>/v3/sauc/bigmodel

Method：GET（WebSocket 升级）

模型：Doubao-ASR-Stream（可选 query ?model= 覆盖）

与官方直连的差异

• 鉴权：握手时使用本平台颁发的 API Key，不要使用火山控制台 AppKey。
• 上游凭证：网关会使用 Provider 配置中的上游 api_key 或火山 app_key / access_key 连接。
• 数据帧：full client request、audio only request、full server response 等二进制帧 原样透传，无需修改 payload。

授权

以下任选其一（值为平台 API Key）：

Authorization

• 类型 string · 位置 header
• 格式 Bearer <API_KEY>

X-Api-App-Key

• 类型 string · 位置 header
• 说明 与 openspeech 官方头同名，但此处填 平台 API Key。

api_key

• 类型 string · 位置 query
• 说明 部分 WebSocket 客户端无法自定义 Header 时可用：wss://.../v3/sauc/bigmodel?api_key=<API_KEY>

协议与交互

1. 客户端发起 WebSocket 握手（带 API Key）。
2. 发送 full client request（gzip JSON 参数）。
3. 多次发送 audio only request（gzip 音频分片）；最后一包需按官方文档设置 message type specific flags。
4. 服务端返回 full server response（识别结果 JSON，gzip）；最后一包结果帧用于标识会话结束。

完整 header 位域、message type、压缩方式等见 官方文档 · WebSocket 二进制协议。

计费

• 模型：Doubao-ASR-Stream（type=audio）
• 维度：asr_duration_ms（识别音频时长，毫秒）
• 单价：在控制台为该模型单独配置（与极速版 Doubao-ASR-Flash 独立）

参考

• 火山引擎 · 大模型流式语音识别 API
• 录音文件极速版（HTTP）：站内 录音文件 ASR（极速版）