Alibaba Cloud Model Studio:Paraformer non-real-time speech recognition Java SDK

model

String

Oui

Spécifie le nom du modèle Paraformer pour la transcription de fichiers audio/vidéo. Consultez la liste des modèles pris en charge.

fileUrls

List<String>

Oui

Liste des URL des fichiers audio/vidéo à transcrire. Les protocoles HTTP et HTTPS sont pris en charge. Une seule URL est autorisée par requête.

Si les fichiers audio sont stockés dans Alibaba Cloud OSS, le SDK ne prend pas en charge les URL temporaires avec le préfixe oss://.

vocabularyId

String

Non

Identifiant des mots-clés personnalisés les plus récents. Compatible avec les derniers modèles de la série v2 incluant la configuration linguistique. Les mots-clés associés à cet identifiant s'appliquent à cette reconnaissance vocale. Désactivé par défaut. Pour les instructions d'utilisation, consultez la rubrique Mots-clés personnalisés.

channelId

List<Integer>

[0]

Non

Définit les index des pistes audio à reconnaître dans un fichier multipiste. Les index commencent à 0. Par exemple, [0] correspond à la première piste, tandis que [0, 1] reconnaît simultanément les deux premières pistes. Si ce paramètre est omis, seule la première piste est traitée par défaut.

disfluencyRemovalEnabled

Boolean

false

Non

Filtre les tics de langage. Désactivé par défaut.

timestampAlignmentEnabled

Boolean

false

Non

Active ou désactive la fonctionnalité d'alignement des horodatages. Désactivée par défaut.

specialWordFilter

String

Non

Définit les mots sensibles à traiter lors de la reconnaissance vocale et permet d'appliquer différentes stratégies de traitement selon le mot concerné.

En l'absence de ce paramètre, le système applique sa logique intégrée de filtrage des mots sensibles. Les mots correspondant à la liste des mots sensibles d'Alibaba Cloud Model Studio présents dans les résultats seront remplacés par des astérisques (*) de même longueur.

Si ce paramètre est fourni, les stratégies suivantes peuvent être mises en œuvre :

• Remplacement par : Les mots sensibles correspondants sont remplacés par des astérisques () de même longueur.
• Filtrage direct : Suppression complète des mots sensibles correspondants des résultats de reconnaissance.

La valeur de ce paramètre doit être une chaîne JSON respectant la structure suivante :

{
  "filter_with_signed": {
    "word_list": ["test"]
  },
  "filter_with_empty": {
    "word_list": ["start", "happen"]
  },
  "system_reserved_filter": true
}

Description des champs JSON :

• filter_with_signed

  • Type : Object.

  • Obligatoire : Non.

  • Description : Configure la liste des mots sensibles à remplacer par . Les mots correspondants dans les résultats seront remplacés par des astérisques () de même longueur.

  • Exemple : Avec le JSON ci-dessus, le résultat de reconnaissance pour « Aide-moi à tester ce code » deviendrait « Aide-moi à **** ce code ».

  • Champs internes :

    • word_list : Tableau de chaînes listant les mots sensibles à remplacer.

• filter_with_empty

  • Type : Object.

  • Obligatoire : Non.

  • Description : Configure la liste des mots sensibles à supprimer (filtrer) des résultats de reconnaissance. Les mots correspondants seront entièrement effacés.

  • Exemple : Avec le JSON ci-dessus, le résultat pour « La partie va bientôt commencer, n'est-ce pas ? » deviendrait « La partie va bientôt, n'est-ce pas ? ».

  • Champs internes :

    • word_list : Tableau de chaînes listant les mots sensibles à supprimer complètement (filtrer).

• system_reserved_filter

  • Type : Boolean.
  • Obligatoire : Non.
  • Valeur par défaut : true.
  • Description : Active ou non les règles intégrées de mots sensibles du système. Si défini sur true, la logique de filtrage native est également activée, et les mots correspondant à la liste des mots sensibles d'Alibaba Cloud Model Studio seront remplacés par des astérisques (*) de même longueur.

language_hints

String[]

["zh", "en"]

Non

Spécifie les codes de langue de la parole à reconnaître.

Ce paramètre s'applique uniquement au modèle paraformer-v2.

Codes de langue pris en charge :

• zh : Chinois
• en : Anglais
• ja : Japonais
• yue : Cantonais
• ko : Coréen
• de : Allemand
• fr : Français
• ru : Russe

TranscriptionParam param = TranscriptionParam.builder()
  // "language_hints" is only supported by the paraformer-v2 model
  .model("paraformer-v2")
  .parameter("language_hints", new String[]{"zh", "en"})
  .build();

TranscriptionParam param = TranscriptionParam.builder()
  // "language_hints" is only supported by the paraformer-v2 model
  .model("paraformer-v2")
  .parameters(Collections.singletonMap("language_hints", new String[]{"zh", "en"}))
  .build();

diarizationEnabled

Boolean

false

Non

Diarisation automatique des locuteurs. Désactivée par défaut.

Applicable uniquement à l'audio mono. L'audio multicanal ne prend pas en charge la diarisation des locuteurs.

Lorsque cette fonctionnalité est activée, les résultats incluent un champ speaker_id permettant de distinguer les différents interlocuteurs.

Pour un exemple de speaker_id, consultez la section Description du résultat de reconnaissance.

speakerCount

Integer

Non

Valeur indicative du nombre de locuteurs. Valeurs valides : entiers de 2 à 100 inclus.

Prend effet lorsque la diarisation est activée (diarizationEnabled défini sur true).

Par défaut, le système détermine automatiquement le nombre de locuteurs. Si ce paramètre est configuré, il sert uniquement d'indication à l'algorithme pour tenter de produire le nombre spécifié de locuteurs, sans garantie exacte.

apiKey

String

Non

Clé API. Si elle est déjà configurée dans une variable d'environnement, il est inutile de la définir dans le code. Dans le cas contraire, vous devez la spécifier explicitement.

public String getRequestId()

Aucun

requestId

Retourne le requestId.

public String getTaskId()

Aucun

taskId

Retourne le taskId.

public TaskStatus getTaskStatus()

Aucun

TaskStatus, l'état de la tâche

Retourne l'état de la tâche.

TaskStatus est une classe énumérative. Seuls les quatre états suivants nécessitent votre attention : PENDING, RUNNING, SUCCEEDED et FAILED.

public List<TranscriptionTaskResult> getResults()

Aucun

Résultat de sous-tâche (TranscriptionTaskResult)

Retourne le résultat de sous-tâche (TranscriptionTaskResult).

Chaque tâche reconnaît un ou plusieurs fichiers audio. Comme chaque fichier est traité séparément, une tâche correspond à une ou plusieurs sous-tâches.

public JsonObject getOutput()

Aucun

Résultat de la tâche au format JSON

Retourne le résultat de la tâche.

Le résultat est au format JSON. Si vous utilisez l'interface getOutput, vous devrez l'analyser vous-même.

{
    "task_id":"0795ff8c-b666-4e91-bb8b-xxx",
    "task_status":"SUCCEEDED",
    "submit_time":"2025-02-13 16:12:09.109",
    "scheduled_time":"2025-02-13 16:12:09.128",
    "end_time":"2025-02-13 16:12:10.189",
    "results":[
        {
            "file_url":"{YOUR_AUDIO_URL}",
            "transcription_url":"https://dashscope-result-bj.oss-cn-beijing.aliyuncs.com/prod/paraformer-v2/20250213/16%3A12/3baafe5f-d09d-46c6-8b01-724927670edb-1.json?Expires=1739520730&OSSAccessKeyId=YOUR_ACCESS_KEY_ID&Signature=YOUR_SIGNATURE",
            "subtask_status":"SUCCEEDED"
        }
    ],
    "task_metrics":{
        "TOTAL":1,
        "SUCCEEDED":1,
        "FAILED":0
    }
}

{
        "task_id": "7bac899c-06ec-4a79-8875-xxxxxxxxxxxx",
        "task_status": "SUCCEEDED",
        "submit_time": "2024-12-16 16:30:59.170",
        "scheduled_time": "2024-12-16 16:30:59.204",
        "end_time": "2024-12-16 16:31:02.375",
        "results": [
            {
                "file_url": "{YOUR_AUDIO_URL}",
                "code": "InvalidFile.DownloadFailed",
                "message": "The audio file cannot be downloaded.",
                "subtask_status": "FAILED"
            }
        ],
        "task_metrics": {
            "TOTAL": 1,
            "SUCCEEDED": 0,
            "FAILED": 1
        }
    }

public String getFileUrl()

Aucun

URL du fichier audio reconnu

Retourne l'URL du fichier audio reconnu.

public String getTranscriptionUrl()

Aucun

URL du résultat de reconnaissance

Retourne l'URL du résultat de reconnaissance. Cette URL est valide pendant 24 heures. Passé ce délai, il n'est plus possible d'interroger la tâche ni de télécharger les résultats via cette URL.

Le résultat est enregistré dans un fichier JSON. Vous pouvez le télécharger via l'URL ci-dessus ou lire directement son contenu via une requête HTTP.

Pour la signification de chaque champ JSON, consultez la section Description du résultat de reconnaissance.

public TaskStatus getSubTaskStatus()

Aucun

TaskStatus, l'état de la sous-tâche

Retourne l'état de la sous-tâche.

TaskStatus est une classe énumérative. Seuls les quatre états suivants nécessitent votre attention : PENDING, RUNNING, SUCCEEDED et FAILED.

public String getMessage()

Aucun

Informations clés durant l'exécution de la tâche (peut être vide)

Retourne les informations clés générées pendant l'exécution.

En cas d'échec, examinez ce contenu pour identifier la cause.

audio_format

string

Format audio du fichier source.

channels

array[integer]

Index des pistes audio du fichier source. Retourne [0] pour un audio mono, [0, 1] pour un audio bipiste, etc.

original_sampling_rate

integer

Fréquence d'échantillonnage (Hz) de l'audio dans le fichier source.

original_duration

integer

Durée originale (ms) de l'audio dans le fichier source.

channel_id

integer

Index de la piste audio du résultat de transcription, commençant à 0.

content_duration

integer

Durée (ms) du contenu identifié comme parole dans la piste audio.

transcript

string

Résultat de transcription au niveau du paragraphe.

sentences

array

Résultat de transcription au niveau de la phrase.

words

array

Résultat de transcription au niveau du mot.

begin_time

integer

Horodatage de début (ms).

end_time

integer

Horodatage de fin (ms).

text

string

Texte transcrit.

speaker_id

integer

Index du locuteur actuel, commençant à 0, servant à distinguer les différents intervenants.

Ce champ n'apparaît dans les résultats que si la diarisation des locuteurs est activée.

punctuation

string

Ponctuation prédite après le mot (le cas échéant).

public static TranscriptionQueryParam FromTranscriptionParam(TranscriptionParam param, String taskId)

• param : Instance de TranscriptionParam
• taskId : Identifiant de la tâche

Instance de TranscriptionQueryParam

Crée une instance TranscriptionQueryParam.

public TranscriptionResult asyncCall(TranscriptionParam param)

param : Paramètres de reconnaissance vocale, instance de TranscriptionParam

Résultat de la tâche (TranscriptionResult)

Soumet une tâche de reconnaissance vocale de manière asynchrone.

public TranscriptionResult wait(TranscriptionQueryParam queryParam)

queryParam : Instance de TranscriptionQueryParam

Résultat de la tâche (TranscriptionResult)

Bloque le thread courant jusqu'à la fin de la tâche asynchrone (état SUCCEEDED ou FAILED).

public TranscriptionResult fetch(TranscriptionQueryParam queryParam)

queryParam : Instance de TranscriptionQueryParam

Résultat de la tâche (TranscriptionResult)

Interroge le résultat actuel de la tâche de manière asynchrone.