说话人确认 1对1
上传两段中文语音,判断是否同一个人 —— 一对一相似度比对。无需声纹库,适合身份验证、注册校验等单次比对场景。完全无状态,服务端不持久化任何用户音频或向量。
POST
/v1/verify
稳定
v0.1
更新于 2026 年 4 月
POST
/v1/verify
计算相似度
分析中…
01
限制与约束
所有限制均可通过环境变量调整,生产部署可按业务需要放宽或收紧。超出会返回 400 配合具体错误码 (见 §05)。
单段时长
0.3 – 60秒
推荐 3–5 秒真实语音,过短模型不稳定
音频格式
任意
支持 wav/mp3/m4a/flac/ogg/webm 等常见格式
超时
30秒
音频处理超时上限,正常请求毫秒级返回
02
性能指标
实测自生产实例 —— 对两段约 3-5 秒中文音频做相似度比对,处理 1 秒音频约 26 毫秒(约 38× 实时)。下方曲线展示单次延迟随客户端并发数变化的趋势,鼠标悬停可看到具体数值。
单次延迟 vs 并发
P50中位数 — 一半请求比这快、一半比这慢,代表典型用户体验。
P99尾部 — 只有 1% 请求会比它更慢,用来判断最差情况是否仍可接受。
03
在线体验
把已知身份的声音放在 A，把需要确认的声音放在 B，然后开始比对。没有音频也可以直接填入示例。
实时 · POST /v1/verify
仅限当前会话 · 不保存音频
第一次使用？照着这 3 步即可
先选择参考音频 A
支持上传、拖拽或浏览器录音；建议每段 3–5 秒。
没有音频：
-
01
准备参考音频已知是谁
-
02
添加待验证音频需要确认身份
-
03
开始比对查看相似度与结论
A参考音频
提供一段已知身份的声音作为比对基准。
示例音频
B待验证音频
提供另一段声音，确认它是否来自同一个人。
示例音频
结果
下一步
先选择参考音频 A
完成左侧三个步骤后，这里会显示是否为同一人、相似度、阈值和耗时。
参考音频
待验证音频
开始比对
04
请求与响应
POST /v1/verify 接受 multipart/form-data:两段音频,返回相似度分数和是否同人的判定。
请求字段
| 字段 | 类型 | 要求 | 说明 |
|---|---|---|---|
| audio_a | file | 必填 | 第一段音频。常见音频格式(wav / mp3 / m4a / flac / ogg / webm)。 |
| audio_b | file | 必填 | 第二段音频,要求同 audio_a。 |
| model_version | string | 可选 | 当前服务固定使用 v3。 |
| threshold | float | 可选 | 判定阈值，范围 [-1, 1]；不传时使用所选模型的默认阈值。 |
响应
200 OK · application/jsonCompareResponse
{
"model_version": "v3",
"score": 0.847, // 相似度分数,范围 [-1, 1],越接近 1 越像同一人
"is_same_speaker": true, // 是否判定为同一说话人
"threshold": 0.357 // 服务端本次实际使用的阈值
}
调用示例
05
错误码
所有业务错误返回统一信封 {"error": {"code": "...", "message": "..."}}。HTTP 状态码与 code 配套使用。
06
AI 集成 — 一键复制提示词
将预制的、经过实战验证的提示词复制到 Claude、Cursor 或 ChatGPT 中,一分钟内即可完成集成。提示词涵盖接口契约、鉴权、错误处理,以及配套的 TypeScript / Python 脚手架代码。
AI-READY PROMPT
用AI快速集成
已在主流编码 Agent 上测试通过。包含 API 结构、认证、错误处理和示例输入/输出。只需粘贴并说 "用我的技术栈实现这个"。