讯飞听见开放平台API接入教程与开发指南

写一个把录音转成文字的脚本，理论上不算多复杂，但真到自己动手去调讯飞听见的API时，很多人都会撞上同一个问题：密钥填了，没反应；WebSocket连了，被断开；音频传了，返回空结果。根本不知道是哪一步出了岔子。其实这件事儿的链条很清晰，从注册账号到拿到识别结果，只需要跨过几道小关卡。

注册账号并完成实名认证

你得先有个讯飞开放平台的账号。直接去搜“讯飞听见开放平台”，用手机号注册就行。注册完了别忙着看文档，先点右上角的头像，找到“实名认证”，按提示上传身份证、人脸识别。这个环节

，否则技术服务根本不会对你开放，后台控制台里连API入口的影子都看不到。

提交认证之后通常五分钟就通过了，页面会自动跳回控制台。要是等超过十分钟状态还没变绿，刷新一把页面，或者重新登录一次。

创建应用并获取三组核心凭证

进到控制台以后，找到“我的应用”，点“创建新应用”。有个细节必须注意：

，比如meeting_transcribe_v1。带中文、空格或特殊字符？那后面调用API时一定会给你返回401 Unauthorized，别问我怎么知道的。

创建之后跳到应用详情页，左边菜单栏找到“语音听写”或“实时语音转写”点开通。开通成功以后，页面右侧会显示出三组核心凭证：

AppID：一串18位数字
API Key：32位字母数字混合
APISecret：同样32位字母数字混合

这三项必须一次性完整复制，少一个字符都通不过鉴权。建议临时开个记事本，一行一条做好标注，别直接写进代码里——万一写错了还得重新去后台翻。

配置Python开发环境与依赖

确认一下你本地Python版本是不是3.8或者更高，然后执行：

pip install websocket-client requests pydub

这里面pydub的作用是音频格式转换。讯飞那边只接受16kHz采样率、16bit、单声道的PCM或者WA V，你手里的MP3或者手机录的语音大概率不满足。这一步千万别省，否则数据帧发过去就被服务器直接拒掉了。

如果你用VS Code，请确认终端当前路径是不是项目的根目录，而不是桌面或C盘根目录。路径弄错的话运行时就报ModuleNotFoundError，很难排查。

生成带签名的WebSocket鉴权URL

讯飞不接受裸连，你得用API Key和APISecret按照固定算法生成一个临时授权地址。下面是一个Python可运行的片段：

先算当前时间戳（必须是秒级整数，不能带小数）。然后api_key + 当前时间戳拼成签名原文。用HMAC-SHA256算一遍哈希，结果再做一次Base64编码。最后把这个编码值拼进URL模板：wss://rtasr.xfyun.cn/v1/ws?appid=你的AppID&ts=时间戳&signa=签名

容易踩的三个坑：时间戳不能是浮点数；signa参数要的是Base64编码后的字符串，不是原始哈希值；URL写wss://，别写成ws://——写错了连接会被立即断开。

发送音频帧并接收识别结果

两种办法。

办法一：用官方SDK，新手首选。下载讯飞开放平台的Python SDK压缩包，解压后进sample/rtasr目录，把app_id、api_key、api_secret替换成你的，再把测试音频路径改成WA V文件路径，直接跑python demo.py。

办法二：手写WebSocket客户端，适合调试时看清楚每一步。建立连接后先发一个启动帧（JSON格式，指定语言类型、音频格式、是否返回标点等），然后循环读取WA V文件，每帧1280字节调用send()发过去，最后一帧发结束帧。在on_message回调里提取data.result字段，那就是识别结果。

最后提醒一句：音频文件必须单声道。双声道WA V直接导致结果为空。如果你不确定，可以用Audacity打开音频，点Tracks→Stereo Track to Mono，一键转换。