Qwen-Audio-3.0-ASR-Flash-Streaming/Fun-ASR-Realtime real-time speech recognition server-side events - Alibaba Cloud Model Studio

Le service de reconnaissance vocale en temps réel Qwen-Audio-3.0-ASR-Flash-Streaming/Fun-ASR-Realtime transmet des événements côté serveur au client via WebSocket. Cette rubrique décrit les structures de données et les champs des quatre types d'événements suivants : task-started, result-generated, task-finished et task-failed.

Guide d'utilisation : Pour la description des modèles et les conseils de sélection, consultez Speech-to-text.

Flux d'interaction des événements : Pour comprendre la séquence d'interaction des événements, reportez-vous à WebSocket API.

task-started

Description : La tâche a démarré avec succès. Le client peut commencer à envoyer des données audio.

headerobject

Properties

task_idstring

ID de tâche généré par le client (format UUID).

eventstring

Type d'événement. Toujours task-started.

attributesobject

Attributs supplémentaires. Généralement vide.

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

payloadobject

Toujours {}.

result-generated

Description : Résultat de la reconnaissance. Comprend les résultats intermédiaires (sentence_end=false) et finaux (sentence_end=true). Le premier résultat intermédiaire d'une nouvelle phrase contient sentence_begin=true.

headerobject

Properties

task_idstring

ID de tâche généré par le client (format UUID).

eventstring

Type d'événement. Toujours result-generated.

Sentence-start result:

{
  "header": {
    "task_id": "2bf83b9a-baeb-4fda-8d9a-xxxxxxxxxxxx",
    "event": "result-generated",
    "attributes": {}
  },
  "payload": {
    "output": {
      "sentence": {
        "begin_time": 0,
        "end_time": null,
        "text": "",
        "sentence_begin": true,
        "sentence_end": false,
        "sentence_id": 1,
        "words": []
      }
    },
    "usage": null
  }
}

Final result:

{
  "header": {
    "task_id": "2bf83b9a-baeb-4fda-8d9a-xxxxxxxxxxxx",
    "event": "result-generated",
    "attributes": {}
  },
  "payload": {
    "output": {
      "sentence": {
        "begin_time": 170,
        "end_time": 920,
        "text": "OK, got it.",
        "heartbeat": false,
        "sentence_end": true,
        "sentence_id": 1,
        "words": [
          {
            "begin_time": 170,
            "end_time": 295,
            "text": "OK",
            "punctuation": ","
          },
          {
            "begin_time": 295,
            "end_time": 503,
            "text": "got",
            "punctuation": ""
          },
          {
            "begin_time": 503,
            "end_time": 711,
            "text": "it",
            "punctuation": ""
          },
          {
            "begin_time": 711,
            "end_time": 920,
            "text": "",
            "punctuation": "."
          }
        ]
      }
    },
    "usage": {
      "duration": 3
    }
  }
}

payloadobject

Properties

outputobject

Properties

usageobject

Si payload.output.sentence.sentence_end est false (phrase en cours non terminée), usage vaut null.

Si payload.output.sentence.sentence_end est true (phrase terminée), usage.duration correspond à la durée facturée pour la tâche en cours.

Properties

durationinteger

Durée facturée de la tâche, en secondes.

Properties

sentenceobject

Properties

begin_timeinteger

Horodatage de début de la phrase, en millisecondes.

end_timeinteger

Horodatage de fin de la phrase, en millisecondes.

textstring

Texte reconnu.

heartbeatboolean

Si vrai, le résultat est un paquet de battement de cœur et peut être ignoré.

sentence_beginboolean

Signale le début d'une phrase.

sentence_endboolean

Indique si la phrase est terminée (true = résultat final, false = résultat intermédiaire).

sentence_idinteger

Identifiant séquentiel de la phrase. Dans les résultats normaux, sentence_id s'incrémente à partir de 1. Pour un paquet de battement de cœur (heartbeat vrai), sentence_id vaut toujours 0.

wordsarray[object]

Horodatages au niveau des mots.

Properties

begin_timeinteger

Horodatage de début du mot, en millisecondes.

end_timeinteger

Horodatage de fin du mot, en millisecondes.

textstring

Texte reconnu.

punctuationstring

Signe de ponctuation.

task-finished

Description : La tâche s'est terminée normalement. Vous pouvez fermer la connexion ou la réutiliser.

headerobject

Properties

task_idstring

ID de tâche généré par le client (format UUID).

eventstring

Type d'événement. Toujours task-finished.

attributesobject

Attributs supplémentaires. Généralement vide.

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

payloadobject

Champ ignorable. Valeur généralement {}.

task-failed

Description : Échec de la tâche. La connexion est fermée et ne peut pas être réutilisée.

headerobject

Properties

task_idstring

ID de tâche généré par le client (format UUID).

eventstring

Type d'événement. Toujours task-failed.

error_codestring

Description du type d'erreur.

error_messagestring

Cause spécifique de l'erreur.

attributesobject

Attributs supplémentaires. Généralement vide.

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

payloadobject

Toujours {}.