c#如何调用百度AI接口_c#百度AI接口完整教程与实战案例

调用百度AI接口的第一步，永远是先拿到那个叫access_token的通行证。没有它，哪怕你参数填得再完美，返回的也是冷冰冰的{"error_code":110,"error_msg":"Access token invalid or no longer valid"}。这个令牌是通过API Key和Secret Key，向https://aip.baidubce.com/oauth/2.0/token这个地址用GET方式换来的，不是POST，也不是JSON body。拿到后，它有效期30天，响应体里有个expires_in字段，单位是秒，建议每次启动应用时缓存起来，顺便检查一下是否过期。另外，拼接URL时，client_id和client_secret必须手动做URI编码，别指望HttpClient自动帮你处理好——百度对特殊字符很敏感。

为什么第一次调用总返回110错误？

很多人卡在这一步：以为API Key和Secret Key能直接拿来当钥匙用，其实百度强制要求两步走——先换access_token，再拿这个token去调具体服务（OCR、人脸、ASR等）。

关键点：

• access_token有效期为30天，但官方文档没明说可以复用，实践中建议每次启动应用时缓存并检查过期时间（响应体里expires_in字段，单位是秒）
• 请求地址固定为https://aip.baidubce.com/oauth/2.0/token，仅支持GET，别用POST
• 参数必须是URL查询参数，不是JSON body，也不是form-data
• .NET中用HttpClient时，注意不要自动编码client_id和client_secret——百度接口对特殊字符敏感，建议手动拼接URL，并用Uri.EscapeDataString处理这两个值

OCR接口调用：图片转文字最简可行路径

通用文字识别（/rest/2.0/ocr/v1/general_basic）是入门首选，不需要额外开通权限，免费额度也够用。

实操要点：

• 图片必须Base64编码（不含data:image/jpeg;base64,前缀），且长度不能超4MB；大图建议先压缩或裁剪
• 请求头必须带Content-Type: application/x-www-form-urlencoded
• Body是标准表单格式：image=xxx&language_type=CHN_ENG，不是JSON
• 如果传本地路径如C:\test.jpg，需先读取为byte[]再转Base64：Convert.ToBase64String(File.ReadAllBytes(imagePath))
• 返回的words_result是数组，每项含words字符串字段，不是直接返回纯文本

人脸识别检测：避免face_token无效的典型操作

调用/rest/2.0/face/v3/detect后，如果后续要做比对或搜索，必须保存返回的face_token——它不是永久有效的，72小时后失效，而且无法通过其他方式反查。

常见疏漏：

• 没检查响应中的result.face_num，直接取result.face_list[0].face_token，导致索引越界异常
• 把face_token当字符串硬编码进数据库，没加索引或过期标记，后期查不到对应人脸
• 上传图片用了JPEG格式但设了image_type=png，百度会静默失败，返回空face_list
• 未处理error_code=216100（图片中无人脸）这类业务级错误，而是当成系统异常抛出

实时语音识别（ASR）：WebSocket连接容易断在心跳上

百度实时语音识别走WebSocket（wss://wsapi.baidu.com/ws/2.0/pcsm），不是HTTP，这点和OCR、人脸有本质区别。

必须注意：

• 连接前要先用access_token拼成完整URL：wss://wsapi.baidu.com/ws/2.0/pcsm?access_token=xxx，token错或过期会导致连接立即关闭（状态码4401）
• 客户端必须主动发送心跳帧（ping），间隔不能超过30秒；WebSocketSharp默认不自动ping，得自己用ws.Ping()定时触发
• 语音数据要按640字节分片、PCM编码（16bit、单声道、16kHz），送错格式会返回{"type":"error","message":"audio format error"}
• 首次发送必须是{"type":"start","data":{"format":"pcm","rate":16000,"channel":1,"token":"xxx"}}，少一个字段就拒绝

复杂点在于音频采集线程与WebSocket发送线程的同步——别用Thread.Sleep控制节奏，要用BlockingCollection或Channel缓冲，否则丢帧率高，识别结果断断续续。