百度AI语音识别SDK需先在开放平台创建应用获取APP_ID、API_KEY、SECRET_KEY三元组，安装pip install baidu-aip，初始化AipSpeech(APP_ID, API_KEY, SECRET_KEY)；音频须为wav/pcm/amr/mp3/m4a（CBR）、8k或16k采样率、单声道；asr调用需传二进制数据及format、rate、channel参数，推荐dev_pid=1537；错误码如3301（质量差）、282003（超时长）需针对性处理。
百度AI语音识别SDK的Python安装与认证配置
必须先在百度AI开放平台创建应用，获取 APP_ID、API_KEY、SECRET_KEY，缺一不可。SDK不支持纯Token鉴权，必须用这三元组初始化客户端。
- 安装官方SDK：
pip install baidu-aip（注意不是aip或baidu-api） - 初始化时必须显式传入三个参数，顺序不能错：
AipSpeech(APP_ID, API_KEY, SECRET_KEY) - 如果提示
Authentication failed，大概率是SECRET_KEY复制时多了空格，或应用未开通「语音识别」服务（控制台需手动开启）
上传音频前必须满足的格式与编码要求
百度AI语音识别对输入音频极其敏感，不符合规范会直接返回 110（参数错误）或 282002（音频格式不支持），不是模型问题，是预检失败。
- 支持格式仅限：
wav、pcm、amr、mp3、m4a（注意：不是所有MP3都行，必须是CBR编码，VBR会失败） - 采样率必须为
8000或16000，其他值（如44100）会被拒绝 - 声道数必须为单声道（
1），双声道文件需提前用pydub或ffmpeg转换：AudioSegment.from_file("in.mp3").set_channels(1) - 中文识别推荐用
16000采样率 +pcm格式，识别率明显高于MP3
调用 asr 方法时的关键参数组合
asr 不是“传文件路径就完事”，必须读取二进制内容并明确指定格式、采样率、声道数，否则默认按8k单声道PCM解析，极易错判。
- 正确做法：用
open(file_path, "rb").read()获取原始字节，不要用os.path或字符串路径直接传 - 必填参数：
format（小写，如"wav"）rate（整数，如16000）channel（必须是1） - 可选但强烈建议加：
dev_pid=1537（中文普通话），不设可能走默认英文模型 - 示例片段：
client = AipSpeech(APP_ID, API_KEY, SECRET_KEY) with open("audio.wav", "rb") as fp: audio_data = fp.read() result = client.asr(audio_data, "wav", 16000, {"dev_pid": 1537}) if "result" in result: print(result["result"][0])
处理常见错误码与超时重试逻辑
百度接口返回的是JSON结构体，result 字段只在成功时存在；失败时只有 err_no 和 err_msg，必须判断再取值。
立即学习“Python免费学习笔记（深入）”；
-
err_no = 3301：音频质量差（静音过长、信噪比低），不是SDK问题，需前端降噪或截取有效片段 -
err_no = 282003：音频时长超过60秒，需切片（每片≤59秒，且避免在词中间切断） - 网络不稳定时可能抛
requests.exceptions.ReadTimeout，应在外层加try/except并重试（最多2次，带指数退避） - 单次请求最大音频大小为
10MB，大文件务必先检查：os.path.getsize(file_path) <= 10 <em> 1024 </em> 1024
百度的语音识别链路里，认证、格式、参数三者只要一个没对齐，就会卡在最外层报错，而不是返回“识别不准”。实际调试时，优先确认 err_no 值，再查文档对应原因，别急着调模型参数。
