TRTC 后台接入 AI 转录/翻译 2.0
Download
聚焦模式
字号
本文将介绍通过服务端配置接入最新 2.0 版本 TRTC AI 转录的实时语音转文本和实时翻译功能。
TRTC AI 转录/翻译 2.0 对 1.0 的使用配置和回调方式进行了优化。
说明：
2026 年 3 月 17 日起新用户请使用本文档接入 2.0 新版接口。
已接入旧版 AI 转录与翻译接口（StartAITranscription）的用户可跳转 后台接入 AI 转录与翻译（旧）说明 查看相关说明文档。
功能说明
通过 TRTC AI 转录与翻译功能，您可以将房间内每位用户的音频流实时转换为文本，并支持多语言翻译。
转录功能：由语音识别引擎（ASR）将语音转写为文本。系统支持多语种、热词权重配置、VAD 检测以及实时流式识别。
翻译功能：可在语音转写的基础上开启翻译功能。系统会将转写后的文本通过 LLM 翻译引擎进行翻译处理，并同时输出原文转写内容以及翻译结果，该功能为可选项。
注意：
单个应用默认支持 100 路任务并发，所有任务的 ASR 并发总数上限为 200 路，翻译并发总数上限为 100 路。如需更高并发数，请联系技术支持进行评估。接口超时时间为 6 秒。接口 QPS 限制 20，如需提高请联系 技术支持 进行评估。
场景说明
房间内的所有用户均使用同一种语言
在如图所示的 TRTC 房间中，有多位主播使用中文进行交流。您可以发起任务订阅所有用户的中文音频流，并选择中文 ASR 模型将音频实时转录为中文文本。转录结果将通过回调方式返回。同时，您可以设置翻译目标语言，翻译模型会将转录后的中文文本翻译成指定语言，并通过回调发送翻译结果。
说明：
支持回调结果到您的业务后台 SDK，回调接入方式请参考 回调接口。
房间内的用户使用多种语言
在如图所示的 TRTC 房间中，两位主播分别使用中文和法语进行交流。由于单个任务的 ASR 模型仅支持特定语言的识别，需要发起以下两项任务：
1. 任务一：订阅主播 1 的中文音频，选择中文 ASR 模型进行实时转录，生成中文文本并通过回调返回。可设置翻译目标语言为法语，系统将自动转录文本翻译为法语，翻译结果同样通过回调返回。
2. 任务二：订阅主播 2 的法语音频，选择法语 ASR 模型进行实时转录，生成法语文本并通过回调返回。可设置翻译目标语言为中文，系统将自动转录文本翻译为中文，翻译结果同样通过回调返回。
通过以上两项任务，主播 1 和主播 2 即可实现实时的跨语言交流。
接入说明
前提条件
购买 RTC-Engine 套餐包（轻量版及以上）开启 AI 智能识别的语音转文本、实时翻译功能。
说明：
步骤1：集成 TRTC SDK
导入 TRTC SDK 到项目中，进入 TRTC 房间并开启本地麦克风音频采集与发布。
步骤2：RESTful API 发起任务
通过您的服务器调用 REST API （CreateCloudTranscription）可以启动转录任务，请重点关注任务 ID（TaskId）参数；这个参数是本次任务的唯一标识，您需要保存这个任务 ID 作为后续针对这个任务接口操作的输入参数。任务具体发起步骤如下：
1. 设置基本参数
您需要指定发起转录翻译任务的基本信息，例如您的应用 ID（sdkappid）、房间信息（RoomId）、房间类型（RoomIdType）。这些参数均为必填的。
2. 设置进房订阅参数
使用 AI 转录/翻译服务时，将会有机器人作为虚拟观众加入房间，订阅需要识别的音频流。您需要通过 TranscriptionParams 指定进房机器人的参数和转录订阅的用户参数。进房机器人的参数包括 ID（UserId）、签名（UserSig）、任务空闲等待时间（MaxIdleTime）。您可以通过白名单（SubscribeUids）指定需要进行转录翻译任务的主播，通过黑名单（UnSubscribeList）指定不需要进行转录翻译任务的主播，通过
SendCustomMode 参数指定接收转录和翻译文本的方式。3. 配置 ASR 参数
说明：
例如您需要使用 16k 中英大模型引擎，在
Lang 参数填入 16k_zh_en 即可。AsrParam 的
VADSilenceTime 参数用于配置语音识别 VAD 的时间。 ASR 引擎分为基础版、标准版和高级版，不同版本计费价格不同。
版本类型 | 特性说明 | 语种与模型型号 | |
ASR 引擎 | 基础版语言引擎 | 基础语音识别模型。在近场、非复杂噪声的声学环境下具备良好的响应速度与识别准确率。 | "zh"：8k 采样率中文识别模型，主要用于电话音频。 |
| 标准版语言引擎 | 基于大模型引擎，语音识别性能大幅增强，在噪声回音大、人声远小等复杂音频环境的识别准确率显著提升。常见应用场景如会议、直播、语聊、游戏等实时字幕以及实时转写记录等。高度契合 RTC 实时互动相关场景。 | "8k_zh_large"： 8k 中文大模型引擎，针对电话音频支持较好。 "16k_zh_large"： 16k 大模型引擎，同时支持中文、英文、多种中文方言口音等语言的识别。 "16k_zh_en"：最新 16k 中英大模型引擎，同时支持中文、英语、多种中文方言口音的识别，对中英混说场景识别更优。 |
| 高级版语言引擎 | 覆盖小语种、方言的精准识别需求。 | "vi"：越南语 "ja"：日语 "ko"：韩语 "id"：印度尼西亚语 "th"：泰语 "pt"：葡萄牙语 "tr"：土耳其语 "ar"：阿拉伯语 "es"：西班牙语 "hi"：印地语 "fr"： 法语 "ms"：马来语 "fil"：菲律宾语 "de"：德语 "it"：意大利语 "ru"：俄语 "sv"：瑞典语 "da"：丹麦语 "no"：挪威语 "zh-yue"：中国粤语 |
4. 开启翻译（可选）
翻译目标语言代码 | 对应语种 |
"zh" | 中文 |
"en" | 英语 |
"es" | 西班牙语 |
"pt" | 葡萄牙语 |
"fr" | 法语 |
"de" | 德语 |
"ru" | 俄语 |
"ar" | 阿拉伯语 |
"ja" | 日语 |
"ko" | 韩语 |
"vi" | 越南语 |
"ms" | 马来语 |
"id" | 印度尼西亚语 |
"it" | 意大利语 |
"th" | 泰语 |
注意：
翻译配置不是必填项，若您只需要语音转文本功能，则无需填写翻译参数，不影响 AI 转录整体功能使用。
实时翻译功能输入源语种和翻译后输出语种目前支持15种语言：中文、英语、西班牙语、葡萄牙语、法语、德语、俄语、阿拉伯语、日语、韩语、越南语、马来语、印度尼西亚语、意大利语、泰语。若前置 ASR 转录语种不在上述范围，翻译功能无法开启。如需其他语种支持可以联系技术支持。
由于受不同语境或语种差异的影响，AI 翻译的译文内容适用于辅助参考，不应作为唯一专业意见或结论。
步骤3：接收转录翻译的结果回调
方式一：通过服务端回调接收
语音转文本服务同时提供了服务端事件回调，便于您的服务接收实时对话的消息，查看 AI 转录与翻译 2.0 回调事件。
方式二：通过客户端 SDK 接收回调
您可以参考以下代码，从
TranscriberStore 的响应式数据中监听回调并刷新 UI。请在您的
build.gradle 中添加 依赖，然后执行 Gradle Sync。implementation 'io.trtc.uikit:atomicx-core:4.0.0.110'implementation "com.tencent.liteav:LiteAVSDK_Professional:13.1.0.19861"implementation "com.tencent.imsdk:imsdk-plus:8.7.7201"
然后按以下代码监听消息列表的回调，更新到相应 UI 上，messages 是
TranscriberMessage 的列表。// 假如以 RecyclerView 显示消息列表，则通过 submitList 发送消息列表即可。AITranscriberStore.shared.transcriberState.realtimeMessageList.collect { messages ->adapter.submitList(messages.toList())}
TranscriberMessage 参数说明：参数名 | 类型 | 描述 |
segmentId | String | 用户的每句话都对应一个唯一的 segmentId。 |
speakerUserId | String | 说话用户的 ID。 |
speakerUserName | String | 说话用户的昵称。 |
sourceText | String | 用户的语音转文本。 |
translationTexts | Map<TranslationLanguage, String> | 用户语音文本对应的翻译文本，可翻译成多种语言。 |
timestamp | Long | 当前句子的时间戳。 |
isCompleted | Boolean | 当前句子是否已经完成。 |
请在您的 Podfile 文件中添加 pod 'AtomicXCore' 依赖，然后执行
pod install。target 'xxxx' dopod 'AtomicXCore'end
然后按以下代码监听消息列表的回调，更新到相应 UI 上，messages 是 TranscriberMessage 的列表。
// 假如以 UITableView 显示消息列表，更新消息后，reloadData 即可。AITranscriberStore.shared.state.subscribe(StatePublisherSelector(keyPath: \\.realtimeMessageList)).receive(on: RunLoop.main).sink { [weak self] in self?.updateMessages($0) }.store(in: &cancellables)
TranscriberMessage 参数说明参数名 | 类型 | 描述 |
segmentId | String | 用户的每句话都对应一个唯一的 segmentId。 |
speakerUserId | String | 说话用户的 ID。 |
speakerUserName | String | 说话用户的昵称。 |
sourceText | String | 用户的语音转文本。 |
translationTexts | [TranslationLanguage: String] | 用户语音文本对应的翻译文本，可翻译成多种语言。 |
timestamp | Int64 | 当前句子的时间戳。 |
isCompleted | Bool | 当前句子是否已经完成。 |
实践教程
转录任务创建与错误处理实践教程
为了保障 AI 转录和翻译的高可用性，在集成 RESTful API 的同时请关注以下几点。
调用
CreateCloudTranscription 请求后，请关注 HTTP response，如果请求失败，那么需要根据具体的状态码采取相应的重试策略。错误码是由“一级错误码”和“二级错误码”组合而成，例如：InvalidParameter.SdkAppId。具体情况说明可参考下表：返回错误码 | 问题说明 | 解决措施 |
InvalidParameter.xxxxx | 输入的参数有误。 | 请根据具体提示检查参数填写。 |
InternalError.xxxxx | 遇到服务端错误。 | 可以使用相同的参数重试多次，直到返回正常，拿到 taskid 为止。 建议使用退避重试策略，如第一次3s 重试，第二次6s 重试，第三次12s 重试，以此类推。 |
FailedOperation.RestrictedConcurrency | 并发转录任务数超过了后台预留的资源（默认是 100路）。 |
调用
CreateCloudTranscription 接口时，指定的 UserId/UserSig 是转录作为单独的机器人用户加入房间的 ID，请不要和 TRTC 房间内的其他用户重复。同时，TRTC 客户端加入的房间类型必须和转录接口指定的房间类型保持一致，例如 SDK 创建房间用的是字符串房间号，那么转录任务的房间类型也需要相应设置成字符串房间号。转录状态查询，您可以通过以下几种方式来得到转录相应的任务信息：
成功发起
CreateCloudTranscription 任务后 15s 左右，调用 DescribeCloudTranscription 接口查询转录任务对应的信息，如果查询到状态为 Idle 说明转录机器人没有拉到上行的音频流，请检查房间内是否有主播上行。转录的任务信息会通过回调发送给您。
API 请求频率限制实践教程
腾讯云 API 服务对每个用户的请求频率设置了上限，以保障系统稳定性和资源公平分配。当用户请求频率超过预设阈值时，系统会返回频率限制错误。默认转录接口的 QPS 为 20次/秒。可联系技术支持来申请提升限频。通常情况下，QPS 的设置值与在线报备的最高并发的比值是 1:20，例如 2000 路并发在线的转录任务，可以提升 QPS 到 100，实际需要请根据业务实现方式进行合理评估。
如遇到限频错误，短期内可以按照以下方法尝试快速调整：
降低请求频率至限制范围内。
业务实现请求队列。
添加适当的请求间隔时间。
长期方案可以按照以下方法进行调整：
实现指数退避重试机制，如第一次 3s 重试，第二次 6s 重试，第三次 12s 重试，以此类推直到重试成功。
优化业务逻辑，转录提前进房等待，减少并发 API 调用。
文档反馈