ASR API 接口文档

🌐 语言切换

中文版 | English

接口信息

POST /openapi/autosubrt/v1/asr

这是语音识别服务

本接口的基地址是 https://autosubrt.jcaigc.cn，与剪映小助手（https://capcut-mate.jcaigc.cn）不是同一个服务，路径前缀也不同。

完整请求地址 = https://autosubrt.jcaigc.cn + /openapi/autosubrt/v1/asr

功能描述

语音识别：把音频识别成带标点的完整文案，并按句末标点切成一句一句，同时给出每句话里每个字的时间线。适合「拿到音频 → 直接出文案或字幕」的场景。

只要纯文本用 语音转文本，只要 SRT 字幕文件用 语音转 SRT 字幕，要按自己写的文本对齐时间线用 文本对齐时间线。

标点由独立的标点模型恢复（whisper 对中文标点不可靠），因此 text 一定带标点，分句文本同样带标点。

请求参数

{
  "audio_url": "https://example.com/audio.mp3",
  "apiKey": "123e4567-e89b-12d3-a456-426614174000"
}

参数说明

参数名	类型	必填	默认值	说明
audio_url	string	✅	-	音频文件 URL，需可被服务端直接下载
apiKey	string	开启计费时必填	-	合法 UUID；可登录 https://jcaigc.cn 获取

参数详解

audio_url

• 类型: string
• 说明: 服务端会先把这个 URL 下载到本地再识别，因此必须是可直接访问的直链（不能是需要登录的网页地址）
• 格式: 常见音视频文件均可，如 wav、mp3、m4a、aac、flac、ogg，mp4、mov 等视频文件也能直接传（服务端自动抽取音轨）
• 限制: 单文件最大 100MB（服务端 FILE_SIZE_LIMIT 默认 104857600 字节）

apiKey

• 类型: string
• 说明: 必须是合法 UUID；计费开启时（默认开启）必填，且账户积分需大于 1

响应格式

成功响应 (200)

{
  "code": 0,
  "message": "成功",
  "data": {
    "text": "多谢，请入席吧。",
    "utterances": [
      {
        "text": "多谢，请入席吧。",
        "words": [
          { "text": "多", "start_time": 2810, "end_time": 3070 },
          { "text": "谢", "start_time": 3070, "end_time": 3330 },
          { "text": "请", "start_time": 4889, "end_time": 5320 },
          { "text": "入", "start_time": 5320, "end_time": 5620 },
          { "text": "席", "start_time": 5620, "end_time": 5860 },
          { "text": "吧", "start_time": 5860, "end_time": 6009 }
        ]
      }
    ]
  }
}

响应字段说明

字段名	类型	说明
code	int	0 表示成功，非 0 见下方错误码说明
message	string	提示信息，默认中文，带 Accept-Language: en 时返回英文
data.text	string	完整文案，一定带标点
data.utterances	array	分句结果，每条都是以句末标点收尾的完整句子
data.utterances[].text	string	一句话的文本，标点计入其中
data.utterances[].words	array	该句每个字的时间线，不含标点
data.utterances[].words[].text	string	单个字符（英文按字母切分）
data.utterances[].words[].start_time	int	开始时间（毫秒）
data.utterances[].words[].end_time	int	结束时间（毫秒）

错误响应

{
  "code": 2003,
  "message": "下载文件失败"
}

错误体不包含 data 字段；所有错误都返回 HTTP 200，需按 code 判断成功与否。

使用示例

cURL 示例

curl -X POST https://autosubrt.jcaigc.cn/openapi/autosubrt/v1/asr \
  -H "Content-Type: application/json" \
  -d '{
    "audio_url": "https://example.com/audio.mp3",
    "apiKey": "123e4567-e89b-12d3-a456-426614174000"
  }'

Python 示例

import requests

resp = requests.post(
    "https://autosubrt.jcaigc.cn/openapi/autosubrt/v1/asr",
    json={
        "audio_url": "https://example.com/audio.mp3",
        "apiKey": "123e4567-e89b-12d3-a456-426614174000",
    },
    timeout=600,
)

result = resp.json()
if result["code"] != 0:
    raise RuntimeError(result["message"])

for sentence in result["data"]["utterances"]:
    print(sentence["text"])
    for word in sentence["words"]:
        print(word["text"], word["start_time"], word["end_time"])  # 毫秒

计费

本接口按音频时长扣费，与剪映小助手共用同一套积分体系。

项	说明
单价	0.00022 积分 / 秒
计费依据	音频实际时长（秒），由识别引擎给出
扣费时机	识别成功之后才扣费；识别失败不扣费
余额门槛	调用前账户积分需大于 1，否则直接拒绝（2035）

音频时长	费用（积分）
10 秒	0.002200
60 秒	0.013200
1 小时	0.792000

apiKey 必须是合法 UUID，可登录 https://jcaigc.cn 获取。

错误码说明

错误码	错误信息	说明	解决方案
1001	参数校验失败	缺少 audio_url，或 apiKey 不是合法 UUID	检查请求参数
2001	识别音频失败	音频无法解码、模型未加载，或 audio_url 返回 401/403/404	换一个可正常播放的文件或可访问的直链
2002	文件大小超出限制	音频超过 100MB	压缩或截取后再试
2003	下载文件失败	下载过程中网络或服务端错误，重试后仍失败	确认是公网可直链下载的地址
2005	下载文件超时	下载整体超时	换更快的源或更小的文件
2035	账户余额不足	账户积分需大于 1 才可继续使用服务	完成充值后重试
2036	无效的 apiKey	计费开启时未传 apiKey	登录 https://jcaigc.cn 获取 apiKey
9997	服务器忙	并发已达上限，请求未排队	稍后重试
9998	系统内部错误	未预期的内部异常	联系技术支持
9999	未知异常	积分服务不可用等	稍后重试

注意事项

1. 时间单位是毫秒（1 秒 = 1000）。注意 文本对齐时间线 返回的是微秒，两者不同。
2. 分句只按句末标点断句：遇到 。！？.!? 才结束一句话，逗号、顿号、冒号等句内标点留在句子内部。
3. 各句拼接与 data.text 逐字一致："".join(u.text) == data.text。
4. 标点没有时间戳：words 只包含真实的字，句内的标点只出现在 text 里。
5. 整段没有识别出语音时，data.text 为空字符串、data.utterances 为空数组，接口仍返回成功。
6. 重复调用会重复扣费，超时后请勿盲目重试。

工作流程

1. 校验 apiKey 与账户余额（计费开启时）
2. 下载 audio_url 指向的音视频到服务端临时目录
3. 语音识别，得到逐字时间线
4. 标点模型恢复标点，得到带标点的完整文案
5. 按句末标点分句，标点随所属句子走
6. 识别成功后按音频时长扣费
7. 返回文案与分句时间线，删除临时文件

相关接口

• 语音转文本
• 语音转 SRT 字幕
• 文本对齐时间线

---

📚 项目资源
GitHub: https://github.com/Hommy-master/autosubrt