Eventos enviados por el servidor para reconocimiento de voz en tiempo real (Paraformer)_Alibaba Cloud Model Studio(Model Studio) - Alibaba Cloud Model Studio

Referencia de los eventos enviados por el servidor que el servicio de reconocimiento de voz en tiempo real Paraformer envía a los clientes a través de WebSocket. Este tema documenta la estructura de datos y la semántica de campos de los cuatro tipos de eventos: task-started, result-generated, task-finished y task-failed.

Guía del usuario: Para obtener detalles sobre el modelo y orientación para la selección, consulte Conversión de voz a texto.

Flujo de interacción de eventos: Para el diagrama de secuencia de eventos, consulte API de WebSocket.

task-started

Descripción: La tarea se ha iniciado correctamente. El cliente puede comenzar a enviar datos de audio.

headerobject

Propiedades

task_idstring

ID de tarea generado por el cliente (formato UUID).

eventstring

Tipo de evento. Siempre task-started.

attributesobject

Atributos adicionales. Generalmente vacíos.

payloadobject

Siempre {}.

{
    "header": {
        "task_id": "2bf83b9a-baeb-4fda-8d9a-xxxxxxxxxxxx",
        "event": "task-started",
        "attributes": {}
    },
    "payload": {}
}

result-generated

Descripción: Resultado de reconocimiento. Incluye resultados intermedios (sentence_end=false) y resultados finales (sentence_end=true).

headerobject

Propiedades

task_idstring

ID de tarea generado por el cliente (formato UUID).

eventstring

Tipo de evento. Siempre result-generated.

payloadobject

Propiedades

outputobject

Propiedades

usageobject

Cuando payload.output.sentence.sentence_end es false (la oración actual no ha terminado), usage es null.

Cuando payload.output.sentence.sentence_end es true (la oración actual ha terminado), usage.duration indica la duración facturable de la tarea actual.

Propiedades

durationinteger

Duración facturable de la tarea, en segundos.

Propiedades

sentenceobject

Propiedades

begin_timeinteger

Tiempo de inicio de la oración, en milisegundos.

end_timeinteger

Tiempo de finalización de la oración, en milisegundos.

textstring

Texto reconocido.

heartbeatboolean

Si es true, puede omitir este resultado (paquete de latido).

sentence_endboolean

Indica si la oración ha terminado (true=resultado final, false=resultado intermedio).

emo_tagstring

Importante

Solo paraformer-realtime-8k-v2 admite esta función.
Esta función requiere que la segmentación semántica esté deshabilitada. Establezca semantic_punctuation_enabled en false en el evento run-task.
El resultado de reconocimiento de emociones se devuelve solo cuando payload.output.sentence.sentence_end es true.

Sentimiento de la oración actual:

positive: Sentimiento positivo, como feliz o satisfecho.
negative: Sentimiento negativo, como enojado o abatido.
neutral: Sin sentimiento distintivo.

emo_confidencefloat

Importante

Solo paraformer-realtime-8k-v2 admite esta función.
Esta función requiere que la segmentación semántica esté deshabilitada. Establezca semantic_punctuation_enabled en false en el evento run-task.
El resultado de reconocimiento de emociones se devuelve solo cuando payload.output.sentence.sentence_end es true.

Puntuación de confianza de la emoción en el rango [0.0, 1.0]. Un valor más alto indica mayor confianza.

wordsarray[object]

Información de marcas de tiempo a nivel de palabra.

Propiedades

begin_timeinteger

Tiempo de inicio de la palabra, en milisegundos.

end_timeinteger

Tiempo de finalización de la palabra, en milisegundos.

textstring

Texto reconocido.

punctuationstring

Signo de puntuación.

{
  "header": {
    "task_id": "2bf83b9a-baeb-4fda-8d9a-xxxxxxxxxxxx",
    "event": "result-generated",
    "attributes": {}
  },
  "payload": {
    "output": {
      "sentence": {
        "begin_time": 170,
        "end_time": null,
        "text": "Okay, I got it.",
        "heartbeat": false,
        "sentence_end": true,
        "words": [
          {
            "begin_time": 170,
            "end_time": 295,
            "text": "Okay",
            "punctuation": ","
          },
          {
            "begin_time": 295,
            "end_time": 503,
            "text": "I",
            "punctuation": ""
          },
          {
            "begin_time": 503,
            "end_time": 711,
            "text": "got",
            "punctuation": ""
          },
          {
            "begin_time": 711,
            "end_time": 920,
            "text": "it",
            "punctuation": ""
          }
        ]
      }
    },
    "usage": {
      "duration": 3
    }
  }
}

task-finished

Descripción: La tarea finalizó normalmente. Puede cerrar la conexión o reutilizarla.

headerobject

Propiedades

task_idstring

ID de tarea generado por el cliente (formato UUID).

eventstring

Tipo de evento. Siempre task-finished.

attributesobject

Atributos adicionales. Generalmente vacíos.

payloadobject

El contenido se puede ignorar. Generalmente {}.

{
    "header": {
        "task_id": "2bf83b9a-baeb-4fda-8d9a-xxxxxxxxxxxx",
        "event": "task-finished",
        "attributes": {}
    },
    "payload": {
        "output": {},
        "usage": null
    }
}

task-failed

Descripción: La tarea falló. La conexión está cerrada y no se puede reutilizar.

headerobject

Propiedades

task_idstring

ID de tarea generado por el cliente (formato UUID).

eventstring

Tipo de evento. Siempre task-failed.

error_codestring

Descripción del tipo de error.

error_messagestring

Causa específica del error.

attributesobject

Atributos adicionales. Generalmente vacíos.

payloadobject

Siempre {}.

{
    "header": {
        "task_id": "2bf83b9a-baeb-4fda-8d9a-xxxxxxxxxxxx",
        "event": "task-failed",
        "error_code": "CLIENT_ERROR",
        "error_message": "request timeout after 23 seconds.",
        "attributes": {}
    },
    "payload": {}
}