实时语音转文字

实时 ASR 适用于实时字幕、语音输入和会议转写。该能力是否开放取决于账户配置和产品发布范围，请以当前账户配置及 GET /api/openapi.json 为准。

请求

能力开放后，实时 ASR 使用 WebSocket 传输，并通过 Bearer API Key 认证：

Authorization: Bearer KITTA_API_KEY

音频编码和分片大小应符合已开通模型的要求。浏览器录音应先发送到自己的后端，或使用经过批准的临时凭据交换流程，不要在客户端代码中嵌入 API Key。

响应

响应为事件流，可包含临时文本、最终文本、时间信息和终止错误。临时结果仅用于界面展示，服务端标记为最终结果后再持久化。

计费与错误

实时 ASR 可能按会话时长或已处理音频时长计费。产品侧应限制最长会话时间，并在开始高成本会话前查询账户与余额。

如果当前账户未开放实时 ASR，请使用 HTTP 语音转文字 接口处理音频文件。流式连接失败时应关闭连接、保存最后一个最终结果，并由用户主动重新开始。