阿里云无独立“语音分离”api，需用智能语音交互的speakerdiarization能力：php调用须通过aliyun-openapi-php-sdk v2，音频传oss后以oss://路径入参，严格匹配format/samplerate，上海地域接口调用，返回结果中speaker_id为空多因音频质量或参数不合规。
阿里云语音分离 API 在 PHP 中怎么调用
阿里云没有叫 语音分离 的独立产品，你实际要找的是「智能语音交互（Intelligent Speech Interaction）」里的 SpeakerDiarization（说话人分离）能力，它支持从多人混音音频中识别并切分不同说话人的语音段。PHP 调用本质是发 HTTP 请求，不是装个 SDK 就能自动分离——得自己拼签名、组参数、处理返回的 JSON 结构。
常见错误现象：InvalidAccessKeyId.NotFound（密钥不对）、UnsupportedMediaType（上传的音频格式没转对）、Forbidden.AccessDenied（没开通服务或没授权 RAM 角色）。
- 必须用阿里云官方
aliyun-openapi-php-sdk（v2 版），v1 不支持 VPC 内网调用且签名逻辑过时 - 音频必须先上传到 OSS，再把
oss://bucket-name/object-key作为audioUrl传给 API；不能直接 POST 本地文件 -
format参数必须和实际音频格式严格一致（如wav、mp3、pcm），哪怕文件后缀是 .wav，但如果是 24bit PCM 编码，就得填pcm并额外指定sampleRate - 调用接口是
https://nls-meta.cn-shanghai.aliyuncs.com（注意地域，上海节点才支持说话人分离）
PHP 发起 SpeakerDiarization 请求的关键参数
不是所有参数都可选，漏掉或写错一个，API 就直接返回 400。核心是三类：认证信息、音频元数据、任务配置。
-
appKey：控制台创建的 ASR 应用的appKey，不是 AccessKeyID -
audioUrl：OSS 公共读 URL 或带临时 token 的私有 URL，格式必须是oss://<bucket>/<object></object></bucket>，不能是 http:// 开头 -
format和sampleRate必须匹配音频真实编码，比如 16kHz 的 WAV 文件填format=wav&sampleRate=16000；PCM 文件还得多传bitDepth=16&channel=1 -
enableInverseTextNormalization设为false，否则数字、时间会被转成汉字，影响后续说话人语句对齐 - 别碰
asrId字段——这是异步任务 ID，由服务端返回，不是你传的
为什么返回结果里 speaker_id 是空的
不是代码写错了，大概率是音频本身不满足要求。说话人分离对输入极其敏感，跟录音质量、人声间隔、语速关系极大。
- 音频时长建议在 30 秒～5 分钟之间；太短（＜10 秒）或太长（＞10 分钟）都容易失败或只返回
speaker_id: null - 两人对话必须有明显停顿，连续抢话、重叠率＞15%，模型基本无法区分
- 采样率低于 8kHz（如电话录音）或高于 48kHz，
speaker_id字段大概率为空，即使status显示成功 - 返回的
result是数组，每个元素含beginTime、endTime、speakerId、text，但speakerId可能是"0"、"1"这种数字字符串，不是 UUID
PHP 处理返回结果时容易忽略的细节
API 返回的是 JSON，但字段嵌套深、命名不统一，直接 json_decode($res, true) 后取值很容易报 Notice。
-
result字段只在status == "SUCCESS"时存在，否则要看errorMessage和code（注意不是 HTTP 状态码） - 每个说话人片段的
text是纯文本，不含标点；如果需要按人聚合完整句子，得自己根据speakerId+ 时间连续性做合并 -
beginTime和endTime单位是毫秒，但精度只有 ±500ms，别拿它做精确剪辑依据 - 别假设
speakerId总是 "0" 和 "1" —— 三人对话可能返回 "0"、"1"、"2"，也可能是 "0"、"0"、"1"（表示前两人被归为同一说话人）
php免费学习视频：立即使用
踏上前端学习之旅，开启通往精通之路！从前端基础到项目实战，循序渐进，一步一个脚印，迈向巅峰！
