PaddleSpeech RESTful 服务响应模型全解析统一响应结构、字段语义与错误码设计【免费下载链接】PaddleSpeechEasy-to-use Speech Toolkit including Self-Supervised Learning model, SOTA/Streaming ASR with punctuation, Streaming TTS with text frontend, Speaker Verification System, End-to-End Speech Translation and Keyword Spotting. Won NAACL2022 Best Demo Award.项目地址: https://gitcode.com/gh_mirrors/pa/PaddleSpeech导读本文围绕 PaddleSpeech 服务端paddlespeech/server/restful/response.py模块展开系统讲解其定义的统一 RESTful 响应骨架success/code/message/result、ASR、TTS、CLS、Text、Vector、ACS 六大任务的响应数据模型以及错误响应与错误码的设计规范。读完本文你将掌握 PaddleSpeech 离线服务 HTTP 接口的返回格式约定、每个字段的类型与含义并能结合 FastAPI 路由注册机制response_model自行解析、校验甚至扩展服务端响应。一、模块定位RESTful 服务的响应契约docs/source/api/paddlespeech.server.restful.response.rst是 PaddleSpeech 文档站中关于paddlespeech.server.restful.response模块的 API 索引页通过 Sphinxautomodule指令将该模块的类定义与文档字符串渲染为在线文档。该模块的实际代码位于 paddlespeech/server/restful/response.py是整个服务端对外暴露 HTTP 接口时统一使用的响应契约。在paddlespeech/server/restful/目录下各任务 API 文件asr_api.py、tts_api.py、cls_api.py、text_api.py、vector_api.py、acs_api.py与 request.py请求模型一样均基于PydanticBaseModel定义数据结构用于 FastAPI 接口的参数校验与响应序列化。从模块的__all__可以看出它对外导出的全部响应类为__all__ [ ASRResponse, TTSResponse, CLSResponse, TextResponse, VectorResponse, VectorScoreResponse, ACSResponse ]这些类共同保证了无论客户端调用哪个任务接口收到的 JSON 都遵循同一套外层结构方便统一解析与错误处理。二、统一响应骨架success/code/message/result所有业务响应模型ASRResponse、TTSResponse、CLSResponse、TextResponse、VectorResponse、VectorScoreResponse、ACSResponse与错误响应ErrorResponse都共享同一外层结构字段类型说明successbool请求是否处理成功codeint业务/HTTP 状态码成功时为200或示例中的0messageMessage描述性信息对象result各任务自己的 Result 模型任务执行结果错误响应中没有该字段其中message使用的是统一的Message模型只包含一个字符串字段class Message(BaseModel): description: str也就是说响应中的message形如{description: success}或{description: Unknown error occurred.}。Message没有设置默认值因此在构造响应时必须显式赋值见下文 Vector 接口中error_reponse.message.description ...的用法。三、各任务响应模型详解3.1 ASR 响应ASRResponse/AsrResult语音识别接口POST /paddlespeech/asr的响应模型定义及官方示例class AsrResult(BaseModel): transcription: str class ASRResponse(BaseModel): response example { success: true, code: 0, message: { description: success }, result: { transcription: 你好飞桨 } } success: bool code: int message: Message result: AsrResultresult.transcription为识别出的文本字符串。在 asr_api.py 的实现中请求体中的 base64 音频经base64.b64decode解码后交给PaddleASRConnectionHandler处理connection_handler.postprocess()返回的识别结果被填入result.transcription服务端通过response_modelUnion[ASRResponse, ErrorResponse]声明该接口的合法返回类型。3.2 TTS 响应TTSResponse/TTSResult语音合成接口POST /paddlespeech/tts的响应模型是字段最丰富的一个class TTSResult(BaseModel): lang: str zh spk_id: int 0 speed: float 1.0 volume: float 1.0 sample_rate: int duration: float save_path: Optional[str] None audio: str class TTSResponse(BaseModel): response example { success: true, code: 200, message: { description: success }, result: { lang: zh, spk_id: 0, speed: 1.0, volume: 1.0, sample_rate: 24000, duration: 3.6125, audio: LTI1OTIuNjI1OTUwMzQsOTk2OS41NDk4..., save_path: ./tts.wav } } success: bool code: int message: Message result: TTSResultTTSResult字段语义如下字段类型默认值说明langstrzh合成语言spk_idint0说话人 IDspeedfloat1.0语速倍率volumefloat1.0音量倍率sample_rateint必填合成音频实际采样率如 24000durationfloat必填音频时长秒save_pathOptional[str]None音频本地保存路径可选audiostr必填音频的 base64 编码字符串注意sample_rate与duration没有默认值即它们在任何 TTS 响应中都必须出现save_path允许为None。这些字段与 request.py 中的TTSRequest遥相呼应——请求中可传spk_id、speed、volume、sample_rate、save_path而tts_api.py会在处理前对参数做范围校验speed、volume须在(0, 3]sample_rate只允许0/8000/16000save_path只能以pcm或wav结尾不合法时直接返回错误响应。3.3 CLS 响应CLSResponse/CLSResult/CLSResults音频分类接口POST /paddlespeech/cls的响应包含 Top-K 结果列表class CLSResults(BaseModel): class_name: str prob: float class CLSResult(BaseModel): topk: int results: List[CLSResults] class CLSResponse(BaseModel): response example { success: true, code: 0, message: { description: success }, result: { topk: 1 results: [ { class:Speech, prob: 0.9027184844017029 } ] } } success: bool code: int message: Message result: CLSResult这里体现了响应模型对嵌套列表的支持CLSResult中的results是List[CLSResults]每个元素包含类别名class_name示例 JSON 中写作class与置信度prob。topk字段与请求参数topk见 request.py 中CLSRequest.topk默认值为 1保持一致表示返回置信度最高的前 K 个类别。3.4 Text 响应TextResponse/TextResult标点恢复接口POST /paddlespeech/text的响应模型class TextResult(BaseModel): punc_text: str class TextResponse(BaseModel): response example { success: true, code: 0, message: { description: success }, result: { punc_text: 你好飞桨 } } success: bool code: int message: Message result: TextResultresult.punc_text为带标点的文本。在 text_api.py 的实现中有一个细节值得注意当PaddleTextConnectionHandler.run(text)返回None时服务端会回退为原始文本punc_text text保证响应的punc_text字段始终非空。3.5 Vector 响应VectorResponse/VectorScoreResponse说话人向量提取接口POST /paddlespeech/vector与打分接口POST /paddlespeech/vector/score分别使用两个响应模型class VectorResult(BaseModel): vec: list class VectorResponse(BaseModel): response example { success: true, code: 0, message: { description: success }, result: { vec: [1.0, 1.0] } } success: bool code: int message: Message result: VectorResult class VectorScoreResult(BaseModel): score: float class VectorScoreResponse(BaseModel): response example { success: true, code: 0, message: { description: success }, result: { score: 1.0 } } success: bool code: int message: Message result: VectorScoreResultVectorResult.vec是说话人嵌入向量list类型VectorScoreResult.score是两个音频之间的相似度得分。在 vector_api.py 中服务端会检查向量实例是否为numpy.ndarray若不是则直接构造ErrorResponse实例并将错误描述写入error_reponse.message.description后返回——这是响应模型在运行时被手动实例化的典型用法若是则将向量通过audio_vec.tolist()转为 Python 列表填入result.vec。3.6 ACS 响应ACSResponse/AcsResult音频内容搜索Audio Content Search接口使用ACSResponse其result同时包含识别文本与分段对齐信息class AcsResult(BaseModel): transcription: str acs: list class ACSResponse(BaseModel): response example { success: true, code: 0, message: { description: success }, result: { transcription: 你好飞桨 acs: [(你好, 0.0, 0.45)] } } success: bool code: int message: Message result: AcsResult其中transcription为整段语音的识别结果acs为文本片段, 起始时间, 结束时间形式的分段信息列表可用于关键词定位与内容检索场景对应 demos 目录下的 audio_content_search 示例。四、错误响应与错误码体系4.1ErrorResponse失败时的统一返回体class ErrorResponse(BaseModel): response example { success: false, code: 0, message: { description: Unknown error occurred. } } success: bool code: int message: Message与业务响应不同ErrorResponse没有result字段success恒为false。它被所有任务 API 以Union[XXXResponse, ErrorResponse]的方式声明为合法返回类型例如 asr_api.py 中的response_modelUnion[ASRResponse, ErrorResponse]。4.2ErrorCode与failed_response错误码枚举与失败响应的构造逻辑位于 paddlespeech/server/utils/errors.pyclass ErrorCode(IntEnum): SERVER_OK 200 # success. SERVER_PARAM_ERR 400 # Input parameters are not valid. SERVER_TASK_NOT_EXIST 404 # Task is not exist. SERVER_INTERNAL_ERR 500 # Internal error. SERVER_NETWORK_ERR 502 # Network exception. SERVER_UNKOWN_ERR 509 # Unknown error occurred.各任务 API 的异常处理模式高度一致以asr_api.py为例except ServerBaseException as e: response failed_response(e.error_code, e.msg) except BaseException: response failed_response(ErrorCode.SERVER_UNKOWN_ERR) traceback.print_exc()failed_response(code, msg)会从ErrorMsg映射表取出默认错误描述构造形如{success: False, code: ..., message: {description: ...}}的 JSON并以application/json类型返回。这套机制确保了业务异常返回明确错误码、未知异常兜底为 509的健壮行为。五、响应模型在服务架构中的实际调用链将各模块串联起来一次 RESTful 调用的完整链路为客户端发起POST /paddlespeech/task请求FastAPI 依据路由声明见 paddlespeech/server/restful/api.py 中的setup_router它根据配置engine_list动态挂载各任务的APIRouter将请求体解析为对应的 Request 模型路由处理函数从 engine pool 获取任务引擎如engine_pool[asr]创建 ConnectionHandler 执行推理处理函数构造与 Response 模型结构完全一致的 Python 字典如{success: True, code: 200, message: {...}, result: {...}}FastAPI 依据response_modelUnion[XXXResponse, ErrorResponse]对返回字典进行校验与序列化输出给客户端若发生ServerBaseException或其他异常则走failed_response生成ErrorResponse结构的 JSON。从源码结构可以推断Response 模型不仅是文档与类型约束还承担了 FastAPI 的响应校验职责——result字段缺失、类型不符等错误会在响应阶段被 Pydantic 拦截从而保证客户端拿到的 JSON 永远是符合约定的。六、实战验证启动服务并观察响应6.1 启动服务端服务配置位于 paddlespeech/server/conf/application.yaml默认监听0.0.0.0:8090engine_list可同时包含多个任务例如[asr_python, tts_python, cls_python, text_python, vector_python]。启动命令paddlespeech_server start --config_file ./conf/application.yaml提示若容器内服务启动正常但客户端访问 IP 不可达可将配置中的host改为本机 IP 地址见 paddlespeech/server/README.md。6.2 使用官方客户端验证响应# ASR返回 result.transcription paddlespeech_client asr --server_ip 127.0.0.1 --port 8090 --input input_16k.wav # TTS返回 result.audiobase64 音频等字段 paddlespeech_client tts --server_ip 127.0.0.1 --port 8090 \ --input 你好欢迎使用百度飞桨深度学习框架 --output output.wav # CLS返回 result.results 列表 paddlespeech_client cls --server_ip 127.0.0.1 --port 8090 --input input.wav # Vector提取说话人向量 / 计算相似度得分 paddlespeech_client vector --task spk --server_ip 127.0.0.1 --port 8090 --input 85236145389.wav paddlespeech_client vector --task score --server_ip 127.0.0.1 --port 8090 \ --enroll 123456789.wav --test 85236145389.wav每个任务还提供GET /paddlespeech/task/help帮助接口如 asr_api.py 中返回输入输出说明便于联调时快速确认字段约定。你也可以用任意 HTTP 客户端直接构造 JSON 请求体字段格式见 request.py 中的 docstring 示例并对照本文的响应结构进行解析。6.3 扩展自定义响应模型的建议由于所有响应模型均为 PydanticBaseModel若要为自定义任务扩展响应可以参照response.py的模式定义任务专属的XXXResult模型并挂到统一的XXXResponse外层结构下然后在新增的 API 路由中声明response_modelUnion[XXXResponse, ErrorResponse]并在 api.py 的setup_router中注册对应engine_list名称。这样即可复用服务端统一的错误处理与参数校验能力。七、小结paddlespeech/server/restful/response.py是 PaddleSpeech 服务端对外 API 的响应契约它以 Pydantic 模型固化了success / code / message / result的统一结构覆盖 ASR、TTS、CLS、Text、Vector、ACS 六大任务并配合ErrorResponse与 errors.py 中的ErrorCode/failed_response形成完整的成功/失败响应体系。理解这一模块是二次开发 PaddleSpeech 服务端、编写客户端解析逻辑或排查接口异常的第一步。【免费下载链接】PaddleSpeechEasy-to-use Speech Toolkit including Self-Supervised Learning model, SOTA/Streaming ASR with punctuation, Streaming TTS with text frontend, Speaker Verification System, End-to-End Speech Translation and Keyword Spotting. Won NAACL2022 Best Demo Award.项目地址: https://gitcode.com/gh_mirrors/pa/PaddleSpeech创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 PaddleSpeech RESTful 服务响应模型全解析：统一响应结构、字段语义与错误码设计
PaddleSpeech RESTful 服务响应模型全解析统一响应结构、字段语义与错误码设计【免费下载链接】PaddleSpeechEasy-to-use Speech Toolkit including Self-Supervised Learning model, SOTA/Streaming ASR with punctuation, Streaming TTS with text frontend, Speaker Verification System, End-to-End Speech Translation and Keyword Spotting. Won NAACL2022 Best Demo Award.项目地址: https://gitcode.com/gh_mirrors/pa/PaddleSpeech导读本文围绕 PaddleSpeech 服务端paddlespeech/server/restful/response.py模块展开系统讲解其定义的统一 RESTful 响应骨架success/code/message/result、ASR、TTS、CLS、Text、Vector、ACS 六大任务的响应数据模型以及错误响应与错误码的设计规范。读完本文你将掌握 PaddleSpeech 离线服务 HTTP 接口的返回格式约定、每个字段的类型与含义并能结合 FastAPI 路由注册机制response_model自行解析、校验甚至扩展服务端响应。一、模块定位RESTful 服务的响应契约docs/source/api/paddlespeech.server.restful.response.rst是 PaddleSpeech 文档站中关于paddlespeech.server.restful.response模块的 API 索引页通过 Sphinxautomodule指令将该模块的类定义与文档字符串渲染为在线文档。该模块的实际代码位于 paddlespeech/server/restful/response.py是整个服务端对外暴露 HTTP 接口时统一使用的响应契约。在paddlespeech/server/restful/目录下各任务 API 文件asr_api.py、tts_api.py、cls_api.py、text_api.py、vector_api.py、acs_api.py与 request.py请求模型一样均基于PydanticBaseModel定义数据结构用于 FastAPI 接口的参数校验与响应序列化。从模块的__all__可以看出它对外导出的全部响应类为__all__ [ ASRResponse, TTSResponse, CLSResponse, TextResponse, VectorResponse, VectorScoreResponse, ACSResponse ]这些类共同保证了无论客户端调用哪个任务接口收到的 JSON 都遵循同一套外层结构方便统一解析与错误处理。二、统一响应骨架success/code/message/result所有业务响应模型ASRResponse、TTSResponse、CLSResponse、TextResponse、VectorResponse、VectorScoreResponse、ACSResponse与错误响应ErrorResponse都共享同一外层结构字段类型说明successbool请求是否处理成功codeint业务/HTTP 状态码成功时为200或示例中的0messageMessage描述性信息对象result各任务自己的 Result 模型任务执行结果错误响应中没有该字段其中message使用的是统一的Message模型只包含一个字符串字段class Message(BaseModel): description: str也就是说响应中的message形如{description: success}或{description: Unknown error occurred.}。Message没有设置默认值因此在构造响应时必须显式赋值见下文 Vector 接口中error_reponse.message.description ...的用法。三、各任务响应模型详解3.1 ASR 响应ASRResponse/AsrResult语音识别接口POST /paddlespeech/asr的响应模型定义及官方示例class AsrResult(BaseModel): transcription: str class ASRResponse(BaseModel): response example { success: true, code: 0, message: { description: success }, result: { transcription: 你好飞桨 } } success: bool code: int message: Message result: AsrResultresult.transcription为识别出的文本字符串。在 asr_api.py 的实现中请求体中的 base64 音频经base64.b64decode解码后交给PaddleASRConnectionHandler处理connection_handler.postprocess()返回的识别结果被填入result.transcription服务端通过response_modelUnion[ASRResponse, ErrorResponse]声明该接口的合法返回类型。3.2 TTS 响应TTSResponse/TTSResult语音合成接口POST /paddlespeech/tts的响应模型是字段最丰富的一个class TTSResult(BaseModel): lang: str zh spk_id: int 0 speed: float 1.0 volume: float 1.0 sample_rate: int duration: float save_path: Optional[str] None audio: str class TTSResponse(BaseModel): response example { success: true, code: 200, message: { description: success }, result: { lang: zh, spk_id: 0, speed: 1.0, volume: 1.0, sample_rate: 24000, duration: 3.6125, audio: LTI1OTIuNjI1OTUwMzQsOTk2OS41NDk4..., save_path: ./tts.wav } } success: bool code: int message: Message result: TTSResultTTSResult字段语义如下字段类型默认值说明langstrzh合成语言spk_idint0说话人 IDspeedfloat1.0语速倍率volumefloat1.0音量倍率sample_rateint必填合成音频实际采样率如 24000durationfloat必填音频时长秒save_pathOptional[str]None音频本地保存路径可选audiostr必填音频的 base64 编码字符串注意sample_rate与duration没有默认值即它们在任何 TTS 响应中都必须出现save_path允许为None。这些字段与 request.py 中的TTSRequest遥相呼应——请求中可传spk_id、speed、volume、sample_rate、save_path而tts_api.py会在处理前对参数做范围校验speed、volume须在(0, 3]sample_rate只允许0/8000/16000save_path只能以pcm或wav结尾不合法时直接返回错误响应。3.3 CLS 响应CLSResponse/CLSResult/CLSResults音频分类接口POST /paddlespeech/cls的响应包含 Top-K 结果列表class CLSResults(BaseModel): class_name: str prob: float class CLSResult(BaseModel): topk: int results: List[CLSResults] class CLSResponse(BaseModel): response example { success: true, code: 0, message: { description: success }, result: { topk: 1 results: [ { class:Speech, prob: 0.9027184844017029 } ] } } success: bool code: int message: Message result: CLSResult这里体现了响应模型对嵌套列表的支持CLSResult中的results是List[CLSResults]每个元素包含类别名class_name示例 JSON 中写作class与置信度prob。topk字段与请求参数topk见 request.py 中CLSRequest.topk默认值为 1保持一致表示返回置信度最高的前 K 个类别。3.4 Text 响应TextResponse/TextResult标点恢复接口POST /paddlespeech/text的响应模型class TextResult(BaseModel): punc_text: str class TextResponse(BaseModel): response example { success: true, code: 0, message: { description: success }, result: { punc_text: 你好飞桨 } } success: bool code: int message: Message result: TextResultresult.punc_text为带标点的文本。在 text_api.py 的实现中有一个细节值得注意当PaddleTextConnectionHandler.run(text)返回None时服务端会回退为原始文本punc_text text保证响应的punc_text字段始终非空。3.5 Vector 响应VectorResponse/VectorScoreResponse说话人向量提取接口POST /paddlespeech/vector与打分接口POST /paddlespeech/vector/score分别使用两个响应模型class VectorResult(BaseModel): vec: list class VectorResponse(BaseModel): response example { success: true, code: 0, message: { description: success }, result: { vec: [1.0, 1.0] } } success: bool code: int message: Message result: VectorResult class VectorScoreResult(BaseModel): score: float class VectorScoreResponse(BaseModel): response example { success: true, code: 0, message: { description: success }, result: { score: 1.0 } } success: bool code: int message: Message result: VectorScoreResultVectorResult.vec是说话人嵌入向量list类型VectorScoreResult.score是两个音频之间的相似度得分。在 vector_api.py 中服务端会检查向量实例是否为numpy.ndarray若不是则直接构造ErrorResponse实例并将错误描述写入error_reponse.message.description后返回——这是响应模型在运行时被手动实例化的典型用法若是则将向量通过audio_vec.tolist()转为 Python 列表填入result.vec。3.6 ACS 响应ACSResponse/AcsResult音频内容搜索Audio Content Search接口使用ACSResponse其result同时包含识别文本与分段对齐信息class AcsResult(BaseModel): transcription: str acs: list class ACSResponse(BaseModel): response example { success: true, code: 0, message: { description: success }, result: { transcription: 你好飞桨 acs: [(你好, 0.0, 0.45)] } } success: bool code: int message: Message result: AcsResult其中transcription为整段语音的识别结果acs为文本片段, 起始时间, 结束时间形式的分段信息列表可用于关键词定位与内容检索场景对应 demos 目录下的 audio_content_search 示例。四、错误响应与错误码体系4.1ErrorResponse失败时的统一返回体class ErrorResponse(BaseModel): response example { success: false, code: 0, message: { description: Unknown error occurred. } } success: bool code: int message: Message与业务响应不同ErrorResponse没有result字段success恒为false。它被所有任务 API 以Union[XXXResponse, ErrorResponse]的方式声明为合法返回类型例如 asr_api.py 中的response_modelUnion[ASRResponse, ErrorResponse]。4.2ErrorCode与failed_response错误码枚举与失败响应的构造逻辑位于 paddlespeech/server/utils/errors.pyclass ErrorCode(IntEnum): SERVER_OK 200 # success. SERVER_PARAM_ERR 400 # Input parameters are not valid. SERVER_TASK_NOT_EXIST 404 # Task is not exist. SERVER_INTERNAL_ERR 500 # Internal error. SERVER_NETWORK_ERR 502 # Network exception. SERVER_UNKOWN_ERR 509 # Unknown error occurred.各任务 API 的异常处理模式高度一致以asr_api.py为例except ServerBaseException as e: response failed_response(e.error_code, e.msg) except BaseException: response failed_response(ErrorCode.SERVER_UNKOWN_ERR) traceback.print_exc()failed_response(code, msg)会从ErrorMsg映射表取出默认错误描述构造形如{success: False, code: ..., message: {description: ...}}的 JSON并以application/json类型返回。这套机制确保了业务异常返回明确错误码、未知异常兜底为 509的健壮行为。五、响应模型在服务架构中的实际调用链将各模块串联起来一次 RESTful 调用的完整链路为客户端发起POST /paddlespeech/task请求FastAPI 依据路由声明见 paddlespeech/server/restful/api.py 中的setup_router它根据配置engine_list动态挂载各任务的APIRouter将请求体解析为对应的 Request 模型路由处理函数从 engine pool 获取任务引擎如engine_pool[asr]创建 ConnectionHandler 执行推理处理函数构造与 Response 模型结构完全一致的 Python 字典如{success: True, code: 200, message: {...}, result: {...}}FastAPI 依据response_modelUnion[XXXResponse, ErrorResponse]对返回字典进行校验与序列化输出给客户端若发生ServerBaseException或其他异常则走failed_response生成ErrorResponse结构的 JSON。从源码结构可以推断Response 模型不仅是文档与类型约束还承担了 FastAPI 的响应校验职责——result字段缺失、类型不符等错误会在响应阶段被 Pydantic 拦截从而保证客户端拿到的 JSON 永远是符合约定的。六、实战验证启动服务并观察响应6.1 启动服务端服务配置位于 paddlespeech/server/conf/application.yaml默认监听0.0.0.0:8090engine_list可同时包含多个任务例如[asr_python, tts_python, cls_python, text_python, vector_python]。启动命令paddlespeech_server start --config_file ./conf/application.yaml提示若容器内服务启动正常但客户端访问 IP 不可达可将配置中的host改为本机 IP 地址见 paddlespeech/server/README.md。6.2 使用官方客户端验证响应# ASR返回 result.transcription paddlespeech_client asr --server_ip 127.0.0.1 --port 8090 --input input_16k.wav # TTS返回 result.audiobase64 音频等字段 paddlespeech_client tts --server_ip 127.0.0.1 --port 8090 \ --input 你好欢迎使用百度飞桨深度学习框架 --output output.wav # CLS返回 result.results 列表 paddlespeech_client cls --server_ip 127.0.0.1 --port 8090 --input input.wav # Vector提取说话人向量 / 计算相似度得分 paddlespeech_client vector --task spk --server_ip 127.0.0.1 --port 8090 --input 85236145389.wav paddlespeech_client vector --task score --server_ip 127.0.0.1 --port 8090 \ --enroll 123456789.wav --test 85236145389.wav每个任务还提供GET /paddlespeech/task/help帮助接口如 asr_api.py 中返回输入输出说明便于联调时快速确认字段约定。你也可以用任意 HTTP 客户端直接构造 JSON 请求体字段格式见 request.py 中的 docstring 示例并对照本文的响应结构进行解析。6.3 扩展自定义响应模型的建议由于所有响应模型均为 PydanticBaseModel若要为自定义任务扩展响应可以参照response.py的模式定义任务专属的XXXResult模型并挂到统一的XXXResponse外层结构下然后在新增的 API 路由中声明response_modelUnion[XXXResponse, ErrorResponse]并在 api.py 的setup_router中注册对应engine_list名称。这样即可复用服务端统一的错误处理与参数校验能力。七、小结paddlespeech/server/restful/response.py是 PaddleSpeech 服务端对外 API 的响应契约它以 Pydantic 模型固化了success / code / message / result的统一结构覆盖 ASR、TTS、CLS、Text、Vector、ACS 六大任务并配合ErrorResponse与 errors.py 中的ErrorCode/failed_response形成完整的成功/失败响应体系。理解这一模块是二次开发 PaddleSpeech 服务端、编写客户端解析逻辑或排查接口异常的第一步。【免费下载链接】PaddleSpeechEasy-to-use Speech Toolkit including Self-Supervised Learning model, SOTA/Streaming ASR with punctuation, Streaming TTS with text frontend, Speaker Verification System, End-to-End Speech Translation and Keyword Spotting. Won NAACL2022 Best Demo Award.项目地址: https://gitcode.com/gh_mirrors/pa/PaddleSpeech创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考