Fun ASR Flash API 接口、参数 & 代码示例

Fun-ASR-Flash 是阿里巴巴通义实验室推出的工业级端到端语音识别（ASR）大模型，全面支持汉语传统七大方言体系（官话/吴/湘/赣/客/闽/粤），并适配 20+ 地区口音官话。模型针对中文古诗词的韵律、节奏与文言表达特点进行专项优化，提升对古诗词内容的识别准确率，适用于文化传承、教育讲解、有声读物等场景。

模型优化了标点预测与文本归一化能力，使输出文本更符合书面表达习惯，数字、日期、金额等信息自动转换为标准格式，增强内容的可读性与专业性。同时语种扩展至英语、日语、韩语、越南语、泰语、印尼语、马来语、菲律宾语、印地语、阿拉伯语、法语、德语、西班牙语、葡萄牙语、俄语、意大利语、荷兰语、瑞典语、丹麦语、芬兰语、挪威语、希腊语、波兰语、捷克语、匈牙利语、罗马尼亚、保加利亚语、克罗地亚语、斯洛伐克语等，共计30个语种。支持 Context 上下文能力，可转写 5 分钟以内的音频。

核心特性：

• 超强的上下文理解与行业适应性： 结合了大语言模型（LLM）的上下文理解能力，在教育、金融等垂直领域表现出色。能够精准识别行业专业术语、专有名词与行业特有表达，有效遏制了传统 ASR 模型容易出现的“幻觉”生成和语种混淆。
• 极强的抗噪与远场识别： 针对远距离拾音以及会议室、车载环境、工业现场等高噪声场景进行了深度优化，拥有超高的远场高噪声识别准确率。
• 丰富的中文方言与口音支持：
• 7大方言： 吴语、粤语、闽语、客家话、赣语、湘语、晋语。
• 26种地域口音： 覆盖河南、陕西、湖北、四川、重庆、云南、贵州、广东、广西、河北、山东等20多个省市的口音。
• 多语言混合识别： 支持涵盖多达 30种语言 的自由切换和混合识别（重点优化了东亚与东南亚语种）。
• 特殊场景优化： 强化了在音乐背景干扰下的识别性能，甚至支持歌词识别与说唱（Rap）语音识别。

完整的语音理解管线（One-Call 功能）：

FunASR Flash 的一大优势在于它不是一个单一的字词转录工具，而是一个全栈的“语音理解流水线”。通过一次 API 调用，它能够同时完成以下任务：

1. 语音识别（ASR）： 文本转录与自动语种检测。
2. 语音活动检测（VAD）： 毫秒级自适应静音切分，精准剥离无声片段。
3. 标点恢复与正规化： 自动为转录文本添加标点，并应用逆文本正则化（如将语音中的“一百”转化为数字“100”），输出规范、高可读性的文本。
4. 说话人分离（Diarization）： 自动识别“谁说了什么”，并为每句话标注说话人 ID（如 Speaker 0、Speaker 1），非常适合会议纪要。
5. 时间戳生成： 支持句子级甚至词语级的时间戳对齐。

此 API 接口兼容 OpenAI 的 Speech-to-Text 接口规范，可直接使用 OpenAI 的 SDK 来调用。仅需替换以下配置即可：

1. base_url 替换为 https://wcode.net/api/gpt/v1
2. api_key 替换为从 https://platform.wcode.net 获取到的 API Key

具体可参考下方的各编程语言代码示例中的 OpenAI SDK 调用示例。

# TODO: 以下代码中的 API_KEY 需要替换，获取 API Key 入口：https://platform.wcode.net

方式一：上传本地音频文件（multipart/form-data）：

curl --request POST 'https://wcode.net/api/gpt/v1/audio/transcriptions' \
  --header 'Authorization: Bearer API_KEY' \
  --form 'file=@/path/to/audio.mp3' \
  --form 'model=tongyi/fun-asr-flash'

方式二：公网音频 URL（application/json）：

curl --request POST 'https://wcode.net/api/gpt/v1/audio/transcriptions' \
  --header 'Content-Type: application/json' \
  --header 'Authorization: Bearer API_KEY' \
  --data '{
    "model": "tongyi/fun-asr-flash",
    "file_url": "https://example.com/audio.mp3"
  }'

方式三：Base64 编码音频（application/json）：

curl --request POST 'https://wcode.net/api/gpt/v1/audio/transcriptions' \
  --header 'Content-Type: application/json' \
  --header 'Authorization: Bearer API_KEY' \
  --data '{
    "model": "tongyi/fun-asr-flash",
    "file_base64": "<BASE64_ENCODED_AUDIO>",
    "file_format": "mp3"
  }'

import Foundation

let url = URL(string: "https://wcode.net/api/gpt/v1/audio/transcriptions")!
var request = URLRequest(url: url)
request.httpMethod = "POST"
request.setValue("Bearer API_KEY", forHTTPHeaderField: "Authorization")  // TODO: 这里的 API_KEY 需要替换，获取 API Key 入口：https://platform.wcode.net

let boundary = UUID().uuidString
request.setValue("multipart/form-data; boundary=\(boundary)", forHTTPHeaderField: "Content-Type")

var body = Data()
body.append("--\(boundary)
".data(using: .utf8)!)
body.append("Content-Disposition: form-data; name=\"model\"

".data(using: .utf8)!)
body.append("tongyi/fun-asr-flash
".data(using: .utf8)!)
body.append("--\(boundary)
".data(using: .utf8)!)
body.append("Content-Disposition: form-data; name=\"file\"; filename=\"audio.mp3\"
".data(using: .utf8)!)
body.append("Content-Type: audio/mpeg

".data(using: .utf8)!)
body.append(try! Data(contentsOf: URL(fileURLWithPath: "/path/to/audio.mp3")))
body.append("
--\(boundary)--
".data(using: .utf8)!)

request.httpBody = body

let task = URLSession.shared.dataTask(with: request) { data, response, error in
  if let data = data {
    print(String(data: data, encoding: .utf8) ?? "")
  }
}
task.resume()

import 'package:http/http.dart' as http;
import 'dart:io';

Future<void> main() async {
  var request = http.MultipartRequest(
    'POST',
    Uri.parse('https://wcode.net/api/gpt/v1/audio/transcriptions'),
  );

  request.headers['Authorization'] = 'Bearer API_KEY';  // TODO: 这里的 API_KEY 需要替换，获取 API Key 入口：https://platform.wcode.net
  request.fields['model'] = 'tongyi/fun-asr-flash';
  request.files.add(await http.MultipartFile.fromPath('file', '/path/to/audio.mp3'));

  var streamedResponse = await request.send();
  var response = await http.Response.fromStream(streamedResponse);

  print(response.body);
}

require 'uri'
require 'net/http'

url = URI("https://wcode.net/api/gpt/v1/audio/transcriptions")

http = Net::HTTP.new(url.host, url.port)
http.use_ssl = true

request = Net::HTTP::Post.new(url)
request["Authorization"] = 'Bearer API_KEY'  # TODO: 这里的 API_KEY 需要替换，获取 API Key 入口：https://platform.wcode.net

form_data = [
  ['model', 'tongyi/fun-asr-flash'],
  ['file', File.open('/path/to/audio.mp3')]
]
request.set_form form_data, 'multipart/form-data'

response = http.request(request)
puts response.read_body

use reqwest::multipart;

#[tokio::main]
pub async fn main() {
  let url = "https://wcode.net/api/gpt/v1/audio/transcriptions";

  let file_part = multipart::Part::bytes(std::fs::read("/path/to/audio.mp3").unwrap())
    .file_name("audio.mp3")
    .mime_str("audio/mpeg")
    .unwrap();

  let form = multipart::Form::new()
    .text("model", "tongyi/fun-asr-flash")
    .part("file", file_part);

  let client = reqwest::Client::new();
  let response = client.post(url)
    .header("Authorization", "Bearer API_KEY")  // TODO: 这里的 API_KEY 需要替换，获取 API Key 入口：https://platform.wcode.net
    .multipart(form)
    .send()
    .await
    .unwrap();

  println!("{}", response.text().await.unwrap());
}

CURL *hnd = curl_easy_init();

curl_easy_setopt(hnd, CURLOPT_CUSTOMREQUEST, "POST");
curl_easy_setopt(hnd, CURLOPT_URL, "https://wcode.net/api/gpt/v1/audio/transcriptions");

struct curl_slist *headers = NULL;
headers = curl_slist_append(headers, "Authorization: Bearer API_KEY");  // TODO: 这里的 API_KEY 需要替换，获取 API Key 入口：https://platform.wcode.net
curl_easy_setopt(hnd, CURLOPT_HTTPHEADER, headers);

curl_mime *mime = curl_mime_init(hnd);
curl_mimepart *part = curl_mime_addpart(mime);
curl_mime_name(part, "model");
curl_mime_data(part, "tongyi/fun-asr-flash", CURL_ZERO_TERMINATED);
part = curl_mime_addpart(mime);
curl_mime_name(part, "file");
curl_mime_filedata(part, "/path/to/audio.mp3");
curl_easy_setopt(hnd, CURLOPT_MIMEPOST, mime);

CURLcode ret = curl_easy_perform(hnd);

package main

import (
  "bytes"
  "fmt"
  "io"
  "mime/multipart"
  "net/http"
  "os"
)

func main() {
  url := "https://wcode.net/api/gpt/v1/audio/transcriptions"

  body := &bytes.Buffer{}
  writer := multipart.NewWriter(body)

  _ = writer.WriteField("model", "tongyi/fun-asr-flash")

  file, _ := os.Open("/path/to/audio.mp3")
  defer file.Close()

  part, _ := writer.CreateFormFile("file", "audio.mp3")
  io.Copy(part, file)
  writer.Close()

  req, _ := http.NewRequest("POST", url, body)
  req.Header.Add("Authorization", "Bearer API_KEY")  // TODO: 这里的 API_KEY 需要替换，获取 API Key 入口：https://platform.wcode.net
  req.Header.Set("Content-Type", writer.FormDataContentType())

  res, _ := http.DefaultClient.Do(req)
  defer res.Body.Close()
  respBody, _ := io.ReadAll(res.Body)

  fmt.Println(string(respBody))
}

using System.Net.Http.Headers;


var client = new HttpClient();

using var form = new MultipartFormDataContent();
form.Add(new StringContent("tongyi/fun-asr-flash"), "model");
form.Add(new ByteArrayContent(await File.ReadAllBytesAsync("/path/to/audio.mp3")), "file", "audio.mp3");

var request = new HttpRequestMessage(HttpMethod.Post, "https://wcode.net/api/gpt/v1/audio/transcriptions");
request.Headers.Add("Authorization", "Bearer API_KEY");  // TODO: 这里的 API_KEY 需要替换，获取 API Key 入口：https://platform.wcode.net
request.Content = form;

var response = await client.SendAsync(request);
Console.WriteLine(await response.Content.ReadAsStringAsync());

var client = new RestClient("https://wcode.net/api/gpt/v1/audio/transcriptions");

var request = new RestRequest("", Method.Post);

request.AddHeader("Authorization", "Bearer API_KEY");  // TODO: 这里的 API_KEY 需要替换，获取 API Key 入口：https://platform.wcode.net

request.AddParameter("model", "tongyi/fun-asr-flash");
request.AddFile("file", "/path/to/audio.mp3", "audio/mpeg");

var response = client.Execute(request);
Console.WriteLine(response.Content);

const axios = require('axios');
const FormData = require('form-data');
const fs = require('fs');

let data = new FormData();
data.append('model', 'tongyi/fun-asr-flash');
data.append('file', fs.createReadStream('/path/to/audio.mp3'));

let config = {
  method: 'post',
  maxBodyLength: Infinity,
  url: 'https://wcode.net/api/gpt/v1/audio/transcriptions',
  headers: {
    'Authorization': 'Bearer API_KEY',  // TODO: 这里的 API_KEY 需要替换，获取 API Key 入口：https://platform.wcode.net
    ...data.getHeaders()
  },
  data : data
};

axios.request(config).then((response) => {
  console.log(JSON.stringify(response.data));
}).catch((error) => {
  console.log(error);
});

OkHttpClient client = new OkHttpClient();

RequestBody requestBody = new MultipartBody.Builder()
  .setType(MultipartBody.FORM)
  .addFormDataPart("model", "tongyi/fun-asr-flash")
  .addFormDataPart("file", "audio.mp3",
    RequestBody.create(MediaType.parse("audio/mpeg"), new File("/path/to/audio.mp3")))
  .build();

Request request = new Request.Builder()
  .url("https://wcode.net/api/gpt/v1/audio/transcriptions")
  .post(requestBody)
  .addHeader("Authorization", "Bearer API_KEY")  // TODO: 这里的 API_KEY 需要替换，获取 API Key 入口：https://platform.wcode.net
  .build();

Response response = client.newCall(request).execute();

$client = new \GuzzleHttp\Client();

$response = $client->post('https://wcode.net/api/gpt/v1/audio/transcriptions', [
  'headers' => [
    'Authorization' => 'Bearer API_KEY',  // TODO: 这里的 API_KEY 需要替换，获取 API Key 入口：https://platform.wcode.net
  ],
  'multipart' => [
    ['name' => 'model', 'contents' => 'tongyi/fun-asr-flash'],
    ['name' => 'file', 'contents' => fopen('/path/to/audio.mp3', 'r')],
  ],
]);

echo $response->getBody();

$curl = curl_init();

curl_setopt_array($curl, [
  CURLOPT_URL => "https://wcode.net/api/gpt/v1/audio/transcriptions",
  CURLOPT_RETURNTRANSFER => true,
  CURLOPT_ENCODING => "",
  CURLOPT_MAXREDIRS => 5,
  CURLOPT_TIMEOUT => 300,
  CURLOPT_CUSTOMREQUEST => "POST",
  CURLOPT_POSTFIELDS => [
    'model' => 'tongyi/fun-asr-flash',
    'file' => new CURLFile('/path/to/audio.mp3', 'audio/mpeg', 'audio.mp3'),
  ],
  CURLOPT_HTTPHEADER => [
    "Authorization: Bearer API_KEY",  // TODO: 这里的 API_KEY 需要替换，获取 API Key 入口：https://platform.wcode.net
  ],
]);

$response = curl_exec($curl);
$error = curl_error($curl);

curl_close($curl);

if ($error) {
  echo "cURL Error #:" . $error;
} else {
  echo $response;
}

import requests
import json

url = "https://wcode.net/api/gpt/v1/audio/transcriptions"

headers = {
  "Authorization": "Bearer API_KEY",  # TODO: 这里的 API_KEY 需要替换，获取 API Key 入口：https://platform.wcode.net
}

data = {
  "model": "tongyi/fun-asr-flash",
}

with open("/path/to/audio.mp3", "rb") as audio_file:
  response = requests.post(url, headers=headers, files={"file": audio_file}, data=data)

print(json.dumps(response.json(), indent=4, ensure_ascii=False))

from openai import OpenAI

client = OpenAI(
  base_url="https://wcode.net/api/gpt/v1",
  api_key="API_KEY"  # TODO: 这里的 API_KEY 需要替换，获取 API Key 入口：https://platform.wcode.net
)

with open("/path/to/audio.mp3", "rb") as audio_file:
  transcription = client.audio.transcriptions.create(
    model="tongyi/fun-asr-flash",
    file=audio_file,
  )

print(transcription.text)