提取说话人声纹

POST /v1/speaker/embeddings

为每个上传样本提取一条 256 维声纹。要传多个样本就重复 file 部件。每个样本最长 30 秒，且至少包含 4 秒有效的单说话人语音。

指南与示例转录与说话人全部接口

请求体

multipart/form-data必填

filefile[]必填每个样本重复一次这个部件。

modelstring声纹模型。默认 EdgeSpeak/Lattice-1。只有来自同一个模型的声纹才能互相比较。默认 "EdgeSpeak/Lattice-1"

响应

200按上传顺序，每个样本一条。示例里省略了完整的 256 维向量。

objectstringlist

modelstring

dataobject[]

indexinteger

embeddingnumber[]256 维向量。

effective_speech_secondsnumber

{
  "object": "list",
  "model": "EdgeSpeak/Lattice-1",
  "data": [
    {
      "index": 0,
      "embedding": [
        0.0123,
        -0.0456
      ],
      "effective_speech_seconds": 5.2
    },
    {
      "index": 1,
      "embedding": [
        0.0311,
        -0.0092
      ],
      "effective_speech_seconds": 6.1
    }
  ]
}

400请求不合法。先改请求再重试：error.code 用于程序判断，error.param 用于定位是哪个输入。

401API Key 缺失或无效。

403Host 或 Origin 不被允许，或 License 被拒。按 error.code 区分这两种情况。

413请求体超过 512 MiB。

503所需的本地模型仍在准备（model_downloading），或服务正忙（service_busy）。带 Retry-After 时按它退避。