讯飞听见转写服务对应语音听写（流式）WebAPI和长音频转写（LFASR）HTTP API两类能力：前者用于实时语音识别，依赖WebSocket，首字延迟≤300ms；后者用于异步转写上传文件，支持5小时/500MB，需轮询或回调获取结果。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
讯飞听见转写服务的 API 并不单独存在——它实际对应的是科大讯飞开放平台上的两类核心能力：语音听写（流式版）WebAPI（用于实时语音识别）和长音频转写（LFASR）HTTP API（用于上传录音文件后异步转写）。二者技术路径、适用场景和集成方式差异明显，选错会大幅增加开发成本。
先分清：你要的是“边说边出字”还是“传完再出稿”？
这是集成前最关键的判断：
- 实时语音听写（流式）：适合网页/APP中麦克风录音场景，如会议实时字幕、语音输入法、在线教育互动。依赖 WebSocket 长连接，首字延迟可压至 300ms 内，结果分“临时文本”和“最终文本”两阶段返回。
- 长音频转写（LFASR）：适合处理已有的 MP3/WAV/FLAC 等文件，如会议录音、课程录像、采访素材。走标准 HTTP 请求，上传后返回任务 ID，需轮询或回调获取结果，单文件最长支持 5 小时、500MB。
统一准备：三步搞定平台认证与权限
无论选哪种模式，都必须完成以下基础配置：
- 访问讯飞开放平台注册账号，完成实名认证（个人或企业均可，未认证无法领取免费额度）；
- 进入控制台 → “我的应用” → 创建新应用，服务类型选择语音听写（流式版）或语音转写（长音频）；
- 记录下生成的三项密钥：APPID、APIKey、APISecret（注意：APISecret 仅首次显示，务必保存）。
前端集成：推荐用封装库，别硬啃原生 WebSocket
直接调 WebSocket 协议容易在鉴权 URL 构建、心跳维持、断线重连上踩坑。社区轻量封装库（如 @muguilin/xf-voice-dictation）已屏蔽大部分底层细节：
- Vue/React 项目中，一行 import 即可初始化：
const engine = createDictation({ appId, apiKey })； - 监听
result事件即可获取文本，isFinal字段自动区分中间结果与终稿； - 错误恢复成功率比原生方案高近 30%，尤其在移动端弱网环境下更稳定。
后端调用：长音频转写要处理好“上传→轮询→取结果”闭环
HTTP 模式虽简单，但流程不可跳步：
- 第一步：用
POST /api/v1/speech/lfasr/upload上传音频文件（需 Base64 编码或 form-data），返回task_id； - 第二步：用
GET /api/v1/speech/lfasr/query?task_id=xxx轮询状态（建议间隔 3–5 秒），直到status === 3（成功）； - 第三步：调
GET /api/v1/speech/lfasr/result?task_id=xxx获取完整 JSON 结果，关键字段是lattice2中的逐句文本和时间戳。
不复杂但容易忽略
