Echtzeit ASR

Echtzeit-ASR ist für Live-Untertitel, Spracheingabe und Transkription im Meeting-Stil vorgesehen. Beim Open API im Ausland ist die Echtzeitverfügbarkeit von ASR vom Konto und der Einführung abhängig. Verwenden Sie das aktuelle GET /api/openapi.json-Schema und die Kontokonfiguration als Quelle der Wahrheit.

Anfrage

Echtzeit ASR verwendet bei Aktivierung ein Streaming-Modell im WebSocket-Stil. Die Verbindung wird mit dem normalen Trägerschlüssel API authentifiziert:

Authorization: Bearer KITTA_API_KEY

Senden Sie Audio in der für das aktivierte Modell erforderlichen Kodierung und Blockgröße. Wenn Ihr Produkt Audio im Browser aufzeichnet, leiten Sie es über Ihr Backend oder einen genehmigten API-Schlüsselaustauschfluss weiter, anstatt den API-Schlüssel in den Clientcode einzubetten.

Antwort

Antworten sind Ereignisströme mit Teiltext, Endtext, Zeitmetadaten und Terminalfehlern. Behandeln Sie Teilergebnisse als temporären UI-Status und behalten Sie endgültige Segmente erst bei, nachdem der Dienst sie als endgültig markiert hat.

Abrechnung und Gutschriften

Echtzeit-ASR kann nach Sitzungsdauer oder verarbeiteter Audiodauer abgerechnet werden. Erzwingen Sie die maximale Sitzungsdauer in Ihrem Produkt und rufen Sie Profile an, bevor Sie teure Live-Sitzungen starten.

Fehler

Wenn Echtzeit-ASR für das Konto nicht verfügbar ist, verwenden Sie den Endpunkt HTTP Speech to Text für die Dateitranskription. Schließen Sie bei Streaming-Fehlern die Verbindung, behalten Sie das letzte endgültige Transkript bei und lassen Sie den Benutzer absichtlich neu starten.