sparkaudio 1.0可通过websocket上传16khz、16bit、单声道pcm，再发送input_audio_buffer.commit触发文本推理。先开通对应服务并配置apikey，连接后等待session.created，在首帧传入完整文本指令，随后上传音频分片，并等待response.done确认该轮结束。
准备音频与客户端
python -m pip install websocket-client
以下示例读取无文件头的sample.pcm，单个文件须符合采样规格且不超过单次允许时长。文档当前input_audio_format固定raw，不要直接把MP3或任意WAV头当成PCM数据发送。把服务APIKey放到XF_SPARK_AUDIO_API_KEY环境变量，不写进代码。
讯飞官方append协议中的文本与音频字段
import base64
import json
import os
import time
import uuid
from pathlib import Path
from websocket import create_connection
key = os.environ["XF_SPARK_AUDIO_API_KEY"]
audio = Path("sample.pcm").read_bytes()
if not audio or len(audio) > 16000 * 2 * 300:
raise ValueError("PCM must be nonempty and no longer than 300 seconds")
ws = create_connection(
"wss://tokens.xf-yun.com/omni/v1/realtime",
header=["Authorization: Bearer " + key],
timeout=60,
)
def send(kind, **fields):
ws.send(json.dumps({
"event_id": uuid.uuid4().hex,
"type": kind,
**fields,
}, ensure_ascii=False))
try:
while True:
event = json.loads(ws.recv())
if event["type"] == "error":
raise RuntimeError(event.get("error", {}).get("code", "API error"))
if event["type"] == "session.created":
break
send("input_audio_buffer.append", text="请将音频转写为文字。")
for offset in range(0, len(audio), 32000):
chunk = base64.b64encode(audio[offset:offset + 32000]).decode("ascii")
send("input_audio_buffer.append", audio=chunk)
time.sleep(0.04)
send("input_audio_buffer.commit")
while True:
event = json.loads(ws.recv())
kind = event["type"]
if kind == "response.text.delta":
print(event.get("delta", ""), end="", flush=True)
elif kind == "error":
raise RuntimeError(event.get("error", {}).get("code", "API error"))
elif kind == "response.done":
response = event.get("response", {})
if response.get("status") != "completed":
raise RuntimeError("Response did not complete")
print("\nUsage:", response.get("usage"))
break
finally:
ws.close()区分增量、全文和完成事件
response.text.delta是文本增量，response.text.done提供本轮全文，response.done包含最终状态与usage。上例只打印增量，避免再把全文追加一次。正式应用应按response_id等关联事件，并在失败时保留必要错误类型，不记录认证头。
讯飞官方说明commit、会话时长和最终用量
参数与会话限制单独核对
使用默认会话配置可省略session.update；需要设置时只能在会话开始阶段完成。配置响应被接受不代表所有数值都能通过引擎校验，仍要遵守参数表范围。接口不做自动VAD提交，空缓冲区commit会报错；累计30分钟音频、40轮推理、连接120分钟和空闲1分钟等限制也须由应用管理。
