Événements client de la reconnaissance vocale en temps réel Paraformer - Alibaba Cloud Model Studio

Deux événements client WebSocket contrôlent une tâche de reconnaissance vocale en temps réel Paraformer : run-task lance la tâche avec le modèle et les paramètres audio, tandis que finish-task termine la tâche une fois le flux audio terminé. Cette rubrique décrit la structure des messages et la sémantique des champs de ces deux événements.

Guide utilisateur : Pour plus de détails sur les modèles et des conseils de sélection, consultez Speech-to-text.

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

run-task

Description : Lance une tâche de reconnaissance vocale et configure des paramètres tels que le modèle, le format audio et la fréquence d'échantillonnage.

Moment d'envoi : Immédiatement après l'établissement de la connexion WebSocket.

Événement de réponse : Le serveur doit renvoyer l'événement task-started avant tout envoi de données audio.

headerobject(Required)

Properties

actionstring(Required)

Type d'instruction. Définissez cette valeur sur run-task.

task_idstring(Required)

ID de tâche généré par le client au format UUID. Permet de corréler les événements ultérieurs à cette tâche.

streamingstring(Required)

Définissez cette valeur sur duplex.

{
    "header": {
        "action": "run-task",
        "task_id": "2bf83b9a-baeb-4fda-8d9a-xxxxxxxxxxxx",
        "streaming": "duplex"
    },
    "payload": {
        "task_group": "audio",
        "task": "asr",
        "function": "recognition",
        "model": "paraformer-realtime-v2",
        "parameters": {
            "format": "pcm",
            "sample_rate": 16000,
            "disfluency_removal_enabled": false,
            "language_hints": [
                "en"
            ]
        },
        "input": {}
    }
}

payloadobject(Required)

Properties

task_groupstring(Required)

Groupe de tâches. Définissez cette valeur sur audio.

taskstring(Required)

Type de tâche. Définissez cette valeur sur asr.

functionstring(Required)

Type de fonction. Définissez cette valeur sur recognition.

modelstring(Required)

Nom du modèle.

inputobject(Required)

Définissez cette valeur sur {}.

parametersobject(Required)

Paramètres de reconnaissance vocale.

Properties

formatstring(Required)

Format audio.

Valeurs valides :

pcm
wav
mp3
opus
speex
aac
amr

ImportantParaformer impose les contraintes suivantes :

opus et speex : encapsulation Ogg obligatoire.
wav : encodage PCM obligatoire.
amr : seul le format AMR-NB est pris en charge.

sample_rateinteger(Required)

Fréquence d'échantillonnage, en Hz.

Valeurs valides :

Paraformer (variable selon le modèle) :
- paraformer-realtime-v2 : toute fréquence d'échantillonnage.
- paraformer-realtime-8k-v2 : 8000 Hz uniquement.

vocabulary_idstring(Optional)

ID du vocabulaire de mots clés.

disfluency_removal_enabledboolean(Optional)

ImportantSeul Paraformer prend en charge ce paramètre.

Indique s'il faut filtrer les mots de remplissage.

Valeur par défaut : false.

language_hintsarray[string](Optional)

Langue de l'audio à reconnaître. Aucune valeur par défaut. Si ce paramètre n'est pas défini, le modèle détecte automatiquement la langue.

Valeurs valides :

Paraformer :
- zh : chinois
- en : anglais
- ja : japonais
- yue : cantonais
- ko : coréen
- de : allemand
- fr : français
- ru : russe

semantic_punctuation_enabledboolean(Optional)

ImportantSeul Paraformer v2 prend en charge ce paramètre.

Indique s'il faut activer la segmentation des phrases basée sur la sémantique.

Valeur par défaut : false.

true : active la segmentation sémantique et désactive la segmentation basée sur le VAD.
false (par défaut) : active la segmentation basée sur le VAD et désactive la segmentation sémantique.

La segmentation sémantique offre une meilleure précision et convient à la transcription de réunions. La segmentation basée sur le VAD (Voice Activity Detection) présente une latence plus faible et se prête aux scénarios interactifs.

max_sentence_silenceinteger(Optional)

Important

Seul Paraformer v2 prend en charge ce paramètre.
Ne s'applique que lorsque semantic_punctuation_enabled est défini sur false.

Seuil de silence pour la segmentation des phrases basée sur le VAD, en millisecondes. Le système termine la phrase en cours lorsque le silence suivant un segment vocal dépasse ce seuil.

Valeur par défaut : 1300.

Plage valide : [200, 6000].

multi_threshold_mode_enabledboolean(Optional)

Important

Seul Paraformer v2 prend en charge ce paramètre.
Ne s'applique que lorsque semantic_punctuation_enabled est défini sur false.

Indique s'il faut activer le mode multi-seuil. Une fois activé, ce mode empêche la segmentation basée sur le VAD de produire des segments excessivement longs.

Valeur par défaut : false.

punctuation_prediction_enabledboolean(Optional)

ImportantSeul Paraformer v2 prend en charge ce paramètre.

Indique s'il faut ajouter la ponctuation aux résultats de reconnaissance.

Valeur par défaut : true.

heartbeatboolean(Optional)

ImportantSeul Paraformer v2 prend en charge ce paramètre.

Indique s'il faut activer les paquets de battement de cœur.

Valeur par défaut : false.

true : maintient la connexion active lorsque seul du silence est envoyé.
false (par défaut) : la connexion expire et se ferme après 60 secondes de silence.

inverse_text_normalization_enabledboolean(Optional)

ImportantSeul Paraformer v2 prend en charge ce paramètre.

Indique s'il faut activer la normalisation inverse du texte (ITN). Lorsque cette option est activée, les chiffres chinois sont convertis en chiffres arabes.

Valeur par défaut : true.

finish-task

Description : Signale au serveur que toutes les données audio ont été envoyées et demande la fin de la tâche.

Moment d'envoi : Après l'envoi de toutes les données audio.

Événement de réponse : Le serveur renvoie l'événement task-finished.

headerobject(Required)

Properties

actionstring(Required)

Type d'instruction. Définissez cette valeur sur finish-task.

task_idstring(Required)

ID de tâche généré par le client au format UUID. Doit correspondre au task_id utilisé dans l'événement run-task.

streamingstring(Required)

Définissez cette valeur sur duplex.

{
    "header": {
        "action": "finish-task",
        "task_id": "2bf83b9a-baeb-4fda-8d9a-xxxxxxxxxxxx",
        "streaming": "duplex"
    },
    "payload": {
        "input": {}
    }
}

payloadobject(Required)

Properties

inputobject(Required)

Définissez cette valeur sur {}.