ASR文本审核说明
更新时间:
全文窗口模式
异步点播审核支持两种文本审核模式，在控制台对应的音频审核策略中配置。查询结果时仍使用异步结果查询接口，无需增加请求参数或改变签名方式。
模式
文本审核方式
返回说明
分段模式（默认）
按 ASR 返回的原始文本片段分别审核，保持原有逻辑。
audioSpams、audioText 及原有结果处理方式不变。
全文窗口模式
将所有 ASR 转写片段按时间顺序合并为完整文本，再以每个最多 500 字符、相邻重叠约 100 字符的窗口进行审核，不再将这些 ASR 文本片段逐段重复送审。
audioText 返回合并后的完整转写文本；文本命中映射回原始 ASR 片段，仍通过 audioSpams 返回。
窗口长度以 UTF-16 单元计数，不拆开 emoji 等字符的代理对。窗口可能根据句子边界调整，相邻窗口保留上下文。长文本会分为多个窗口，不能将窗口审核理解为无限长度的全文一次性语义审核。此模式仅适用于异步点播，不改变同步点播或直播审核。
违规结果与原始音频片段的对应关系
全文窗口是送审单位，不是响应中的音频片段单位。audioSpams[].text 保留命中关联的原始 ASR 片段文本，startTime、endTime 保留该片段的原始起止时间，单位为秒；不使用窗口字符位置按比例推算词级时间。声纹等非文本检测结果仍沿用原有返回方式，映射后的文本结果也继续经过原有审核策略处理。
命中情况
audioSpams 返回规则
同一处违规词被重叠窗口重复命中
合并相同全文位置、关键词及标签的重复命中，不因窗口重叠重复返回相同片段。相同词在全文不同位置出现，仍保留各位置的候选命中。
多个违规词落在同一原始 ASR 片段
汇总到同一条文本 spam，通过 tags、subTags 及 wordList 保留相关命中信息，不按窗口数或词数拆成多条 spam。
一个违规表达跨越多个原始 ASR 片段
将命中关联到所有涉及的片段，每条 spam 保留各自的原文和起止时间。某一片段可能只包含完整命中词的一部分，这不表示它单独包含完整违规表达。
**定位精度：**文本审核下游没有提供精确命中偏移时，会在来源窗口内保留关键词的所有候选位置；不能据此认定某一次出现是唯一实际命中。语义命中没有明确关键词、或关键词无法匹配原始文本时，会关联该审核窗口覆盖的音频片段，不能视为精确到某个词的音频定位。
跨片段命中的响应示例
假设 ASR 在 32～38 秒识别出“前文包含示例违规”，在 38～43 秒识别出“表达以及后续内容。”。合并后命中“示例违规表达”，结果关联到这两个原始片段。以下只展示 audioSpams，示例词和分类用于说明响应格式，实际以审核结果为准。
{
"audioSpams": [
{
"startTime": 32.0,
"endTime": 38.0,
"text": "前文包含示例违规",
"tags": [
{
"tag": 160,
"level": 2,
"subTags": [
{
"subTag": 160001,
"wordList": [
"示例违规表达"
]
}
]
}
]
},
{
"startTime": 38.0,
"endTime": 43.0,
"text": "表达以及后续内容。",
"tags": [
{
"tag": 160,
"level": 2,
"subTags": [
{
"subTag": 160001,
"wordList": [
"示例违规表达"
]
}
]
}
]
}
]
}
审核未完成时如何处理
业务接入仍按既有 code、result、audioSpams 处理最终结果。窗口和片段映射的详细诊断仅用于服务内部日志，不作为对外响应字段返回。
如全文窗口审核失败或没有可审核的转写文本，响应会以 code=1、errorCode=-1 提示失败，并保留已有风险信息。此时不应将未命中部分视为已审核通过，应重试或转人工复核。
全文窗口模式
异步点播审核支持两种文本审核模式，在控制台对应的音频审核策略中配置。查询结果时仍使用异步结果查询接口，无需增加请求参数或改变签名方式。
| 模式 | 文本审核方式 | 返回说明 |
|---|---|---|
| 分段模式（默认） | 按 ASR 返回的原始文本片段分别审核，保持原有逻辑。 | audioSpams、audioText 及原有结果处理方式不变。 |
| 全文窗口模式 | 将所有 ASR 转写片段按时间顺序合并为完整文本，再以每个最多 500 字符、相邻重叠约 100 字符的窗口进行审核，不再将这些 ASR 文本片段逐段重复送审。 | audioText 返回合并后的完整转写文本；文本命中映射回原始 ASR 片段，仍通过 audioSpams 返回。 |
窗口长度以 UTF-16 单元计数，不拆开 emoji 等字符的代理对。窗口可能根据句子边界调整，相邻窗口保留上下文。长文本会分为多个窗口，不能将窗口审核理解为无限长度的全文一次性语义审核。此模式仅适用于异步点播，不改变同步点播或直播审核。
违规结果与原始音频片段的对应关系
全文窗口是送审单位，不是响应中的音频片段单位。audioSpams[].text 保留命中关联的原始 ASR 片段文本，startTime、endTime 保留该片段的原始起止时间，单位为秒；不使用窗口字符位置按比例推算词级时间。声纹等非文本检测结果仍沿用原有返回方式，映射后的文本结果也继续经过原有审核策略处理。
| 命中情况 | audioSpams 返回规则 |
|---|---|
| 同一处违规词被重叠窗口重复命中 | 合并相同全文位置、关键词及标签的重复命中，不因窗口重叠重复返回相同片段。相同词在全文不同位置出现，仍保留各位置的候选命中。 |
| 多个违规词落在同一原始 ASR 片段 | 汇总到同一条文本 spam，通过 tags、subTags 及 wordList 保留相关命中信息，不按窗口数或词数拆成多条 spam。 |
| 一个违规表达跨越多个原始 ASR 片段 | 将命中关联到所有涉及的片段，每条 spam 保留各自的原文和起止时间。某一片段可能只包含完整命中词的一部分，这不表示它单独包含完整违规表达。 |
**定位精度：**文本审核下游没有提供精确命中偏移时，会在来源窗口内保留关键词的所有候选位置；不能据此认定某一次出现是唯一实际命中。语义命中没有明确关键词、或关键词无法匹配原始文本时，会关联该审核窗口覆盖的音频片段，不能视为精确到某个词的音频定位。
跨片段命中的响应示例
假设 ASR 在 32～38 秒识别出“前文包含示例违规”，在 38～43 秒识别出“表达以及后续内容。”。合并后命中“示例违规表达”，结果关联到这两个原始片段。以下只展示 audioSpams，示例词和分类用于说明响应格式，实际以审核结果为准。
{
"audioSpams": [
{
"startTime": 32.0,
"endTime": 38.0,
"text": "前文包含示例违规",
"tags": [
{
"tag": 160,
"level": 2,
"subTags": [
{
"subTag": 160001,
"wordList": [
"示例违规表达"
]
}
]
}
]
},
{
"startTime": 38.0,
"endTime": 43.0,
"text": "表达以及后续内容。",
"tags": [
{
"tag": 160,
"level": 2,
"subTags": [
{
"subTag": 160001,
"wordList": [
"示例违规表达"
]
}
]
}
]
}
]
}
审核未完成时如何处理
业务接入仍按既有 code、result、audioSpams 处理最终结果。窗口和片段映射的详细诊断仅用于服务内部日志，不作为对外响应字段返回。
如全文窗口审核失败或没有可审核的转写文本，响应会以 code=1、errorCode=-1 提示失败，并保留已有风险信息。此时不应将未命中部分视为已审核通过，应重试或转人工复核。