| name | short-speech-recognition |
| description | 将60秒以内的语音文件（wav/m4a）识别为文字，适用于语音输入、语音指令、语音搜索等短语音交互场景。 |
| license | MIT |
能力概述
短语音识别标准版 API：将60秒以内的语音精准识别为文字，支持 wav（不压缩 PCM 编码）和 m4a（压缩格式）两种格式。
| 属性 | 值 |
|---|
| Endpoint | https://app-bo4w33bsdqm9-api-Aa2PZnjEw5NL-gateway.appmiaoda.com/server_api |
| Method | POST |
| Content-Type | application/json |
| Plugin ID | 4ce92d6c-eb93-4c59-be9c-7f265903e2c8 |
| API ID | api-Aa2PZnjEw5NL |
| 认证模式 | platform_managed（密钥由平台注入） |
Auth Header 为 X-Gateway-Authorization: Bearer ${INTEGRATIONS_API_KEY}（注意不是标准的 Authorization）。
核心约束：
- 语音文件需进行 base64 编码后作为请求体中的
speech 字段传输
- 采样率支持 16000 或 8000（8000 仅支持普通话模型）
- 编码要求：16bit 位深单声道
- 最大时长：60 秒
- Web 录音时 MediaRecorder 默认产出
audio/webm，需转换为 audio/wav 后再 base64 编码
- MiniProgram 支持直接上传
x-m4a 格式
- App（expo-audio）录音直接产出
m4a 格式，无需转换
平台说明：
| 平台 | 录音格式 | 转换要求 |
|---|
| Web | audio/webm（MediaRecorder 默认） | 需转换为 audio/wav，采样率 16000 |
| MiniProgram | audio/x-m4a（原生录音） | 无需转换，直接 base64 编码 |
| App | audio/m4a（expo-audio） | 无需转换，录音时指定 16000Hz 单声道 |
响应示例：
{
"corpus_no": "6433214037620997779",
"err_no": 0,
"err_msg": "success.",
"sn": "371191073711497849365",
"result": ["北京科技馆"]
}
详细参数表和响应字段说明见 references/server-api.md。
生成期用法（Agent 直接调用）
通过平台注入的 INTEGRATIONS_API_KEY 直接调用上游 API，适用于 Agent 在生成阶段处理语音数据。
详见 references/server-api.md → 生成期代码 章节。
生成后用法（应用内通过 Edge Function 调用）
应用内通过 Supabase Edge Function 调用，Edge Function 负责注入密钥，前端不直接接触 INTEGRATIONS_API_KEY。
各平台的前端实现差异：
| 差异点 | Web | MiniProgram | App |
|---|
| 录音格式 | audio/webm → 需转为 wav | audio/x-m4a → 直接用 | audio/m4a → 直接 base64 |
| 采样率设置 | 录音时指定 16000 | 录音时指定 16000 | 录音时指定 16000 |
| 调用方式 | supabase.functions.invoke | supabase.functions.invoke | supabase.functions.invoke |
详见 references/server-api.md → Edge Function 代码 和 前端调用代码 章节。
