短视频文案提取解析api接口｜多角色字幕级ASR语音识别API

 一、产品概述
酷虎云短视频文案提取解析API，一站式整合语音识别、音视频文案解析、多说话人区分、毫秒级时间戳、自动SRT字幕生成全能力，标准STT语音转文本接口，适配短视频剪辑、自媒体批量扒文案、直播录音转写、影视字幕制作、智能内容审核等全场景，支持外链短视频、本地音视频文件极速解析，长音频稳定处理，多语种精准识别，开箱即用标准化JSON返回，开发者快速集成落地。

 二、核心超强功能
 1. 全格式音视频+短视频链接一键解析
支持mp3、mp4、wav、webm、aac、flac、m4a、mov、mkv、ogg、opus、amr、avi、flv、mpeg、wma、wmr等十余种音视频格式，全网任意短视频分享链接直接传入URL即可解析；单文件最大2GB，最长支持12小时超长音频/视频批量转写，无需本地下载文件，降低服务器存储压力。

 2. 多角色说话人区分，精准区分多人物对话
内置说话人识别能力，返回数据自带speaker说话人标识，多人对话、访谈、影视剧、直播连麦自动分离不同角色台词，完美适配访谈视频、剧情短视频、多人播客字幕制作，无需人工手动区分人声。

 3. 字幕级毫秒粒度时间戳，两种字幕方案
1. 一键输出完整SRT字幕字符串，直接保存导入剪映、PR、AE等剪辑软件，开箱即用；
2. 细粒度sentences结构化数据，包含分句时间戳、单字毫秒级时间戳，开发者可自定义生成双语字幕、滚动字幕、高亮字幕，满足精细化字幕开发需求。

 4. 多语种通用识别，自动适配无需手动指定
默认自动检测音频语种，覆盖主流商用语种：中文zh、英文en、日语ja、粤语yue、韩语ko、德语de、法语fr、俄语ru，跨境短视频、海外素材文案提取无压力。

 5. 稳定长音频异步任务机制
采用taskId异步任务架构，提交解析任务后通过任务ID查询处理状态，包含PENDING提交排队、RUNNING处理中、SUCCEEDED识别成功、FAILED识别失败、UNKNOWN任务过期5种状态，长视频分段稳定解析，避免大文件超时崩溃。

 6. 标准化HTTP接口，极低接入成本
兼容GET/POST双请求方式，统一JSON返回格式，配套调试工具、完整错误码文档、请求示例，Header、传参规范统一，PHP/Python/Java/JS等全语言快速对接；附带执行耗时、客户端IP、采样率、音频时长等完整元数据，方便业务日志统计。

 三、计费与使用规则
1. 使用门槛：接口正常可用，使用前需完成实名认证，合规商用；
2. 免费额度：新用户赠送10分钟免费调用额度，测试零成本；
3. 计费模式：按量计费，单价低至0.008元/分钟，仅按有效音频时长扣费；
4. 请求限制：每日无调用次数上限，企业批量解析、批量扒短视频文案无并发封锁。

 四、接口基础信息
接口地址：https://api.kuhuyun.com/api/stt/speechrecognition
请求方式：HTTP GET / POST
返回格式：application/json
请求Header：Content-Type: application/x-www-form-urlencoded;charset=utf-8

 核心必填参数
- key：接口密钥，控制台密钥管理获取，身份鉴权凭证
- url：音视频文件/短视频外链地址，支持超大时长媒体资源
- taskId：自定义任务唯一ID，用于轮询查询识别结果

 可选参数
language：指定识别语种，留空自动识别，适配多语言素材批量处理

 五、返回数据核心字段
1. text：完整纯文本识别文案，短视频一键提取解说台词；
2. subtitle：成品SRT字幕文本，直接导出剪辑软件；
3. sentences：结构化多角色数据，speaker说话人+分句+单字时间戳；
4. 基础元数据：taskId、媒体格式、音频时长、采样率、提交/完成时间；
5. 状态标识：task_status区分任务进度，便于业务做排队、失败重试逻辑；
6. 调试字段：exec_time执行耗时、客户端user_ip，方便排错运维。

 六、适用行业场景
1. 自媒体剪辑工具：短视频链接一键提取文案，批量二次创作；
2. 视频剪辑SAAS平台：自动生成字幕，省去人工打轴；
3. 播客/访谈工具：多人对话区分角色台词，自动整理访谈文稿；
4. 内容审核系统：音视频语音转文字，智能关键词筛查；
5. 跨境短视频工具：多语种海外视频文案提取翻译；
6. 企业会议录音转写：超长会议录音归档、生成会议纪要；
7. 影视短剧制作：批量剧集字幕自动生成，降低后期人力成本。

 七、产品优势
1. 低成本：0.008元/分钟低价按量计费，新用户免费额度测试；
2. 大容量：12小时超长视频、2GB大文件全兼容，短视频外链直解析；
3. 高精度：字粒度毫秒时间戳，多说话人精准分离，多语种识别稳定；
4. 易集成：标准HTTP接口，完整文档+调试工具，全语言快速对接；
5. 高并发：无每日请求上限，支持企业级批量解析业务；
6. 一站式：集文案提取、语音转文字、多角色识别、字幕生成于单一接口，无需对接多个第三方服务。

 八、接入流程
1. 平台完成实名认证，控制台获取专属key密钥；
2. 拼接接口地址，传入key、音视频url、自定义taskId发起请求；
3. 通过taskId轮询查询任务状态，等待task_status为SUCCEEDED；
4. 读取返回text纯文案、subtitle成品字幕、sentences多角色时间戳数据，完成业务开发。

来源：酷虎云api开放平台