Alibaba Cloud Model Studio:SDK Python de reconnaissance vocale non temps réel Paraformer

model

str

Oui

Nom du modèle pour la transcription de fichiers audio et vidéo Paraformer. Modèles pris en charge.

file_urls

list[str]

Oui

Liste d'URL pour la transcription de fichiers audio et vidéo. Les protocoles HTTP et HTTPS sont pris en charge. Une seule requête accepte uniquement 1 URL.

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

vocabulary_id

str

Non

ID du vocabulaire personnalisé. Pris en charge pour les modèles de la série v2 ; nécessite la configuration de la langue. Désactivé par défaut. Vocabulaires personnalisés.

channel_id

list[int]

[0]

Non

Spécifie les index des pistes audio à reconnaître dans un fichier audio multipiste. Les index commencent à 0. Par exemple, [0] signifie la reconnaissance de la première piste, et [0, 1] signifie la reconnaissance simultanée des première et deuxième pistes. Si ce paramètre est omis, seule la première piste est traitée par défaut.

disfluency_removal_enabled

bool

False

Non

Filtre les mots de remplissage. Désactivé par défaut.

timestamp_alignment_enabled

bool

False

Non

Active l'alignement des horodatages. Désactivé par défaut.

special_word_filter

str

Non

Spécifie les mots sensibles à traiter lors de la reconnaissance vocale et permet de définir différentes méthodes de traitement pour différents mots sensibles.

Si ce paramètre n'est pas fourni, le système utilise la logique de filtrage des mots sensibles intégrée, et les mots correspondant à la liste des mots sensibles d'Alibaba Cloud Model Studio dans les résultats de reconnaissance seront remplacés par des * de longueur égale.

Si ce paramètre est fourni, les stratégies de traitement des mots sensibles suivantes peuvent être mises en œuvre :

• Remplacer par : remplace les mots sensibles correspondants par des de longueur égale.
• Filtrer directement : supprime complètement les mots sensibles correspondants des résultats de reconnaissance.

La valeur de ce paramètre doit être une chaîne JSON avec 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 de reconnaissance seront remplacés par des de longueur égale.

  • Exemple : en utilisant le JSON ci-dessus, le résultat de reconnaissance vocale pour « Aidez-moi à tester ce code » serait « Aidez-moi à **** ce code ».

  • Champs internes :

    • word_list : un 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 complètement supprimés.

  • Exemple : en utilisant le JSON ci-dessus, le résultat de reconnaissance vocale pour « Le jeu est sur le point de commencer, n'est-ce pas ? » serait « Le jeu est sur le point de, n'est-ce pas ? ».

  • Champs internes :

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

• system_reserved_filter

  • Type : Boolean.
  • Obligatoire : Non.
  • Valeur par défaut : true.
  • Description : indique s'il faut activer les règles de mots sensibles intégrées du système. Lorsqu'il est défini sur true, la logique de filtrage des mots sensibles intégrée du système est également activée, et les mots correspondant à la liste des mots sensibles d'Alibaba Cloud Model Studio dans les résultats de reconnaissance seront remplacés par des * de longueur égale.

language_hints

list[str]

["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

diarization_enabled

bool

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 de reconnaissance incluent un champ speaker_id pour distinguer les différents locuteurs.

Pour un exemple de speaker_id, consultez la section Description des résultats de reconnaissance.

speaker_count

int

Non

Nombre de locuteurs de référence. Entier compris entre 2 et 100.

Prend effet uniquement lorsque diarization_enabled est vrai.

Déterminé automatiquement par défaut. La définition de ce paramètre guide l'algorithme mais ne garantit pas le nombre exact.

status_code

Code d'état de la requête HTTP.

code

• Ignorez le code le plus externe.
• Dans output.results, le champ code correspond au code d'erreur. Utilisez-le conjointement avec le champ message et reportez-vous aux codes d'erreur pour le dépannage.

message

• Ignorez le message le plus externe.
• Le message sous output.results correspond au message d'erreur. Utilisez-le conjointement avec le champ code et reportez-vous aux codes d'erreur pour le dépannage.

task_id

ID de la tâche.

task_status

État de la tâche.

Les quatre états possibles sont PENDING, RUNNING, SUCCEEDED et FAILED.

Lorsqu'une tâche contient plusieurs sous-tâches, si l'une d'elles réussit, l'état global de la tâche est marqué comme SUCCEEDED. Vérifiez le champ subtask_status pour déterminer le résultat de chaque sous-tâche spécifique.

results

Résultats de reconnaissance des sous-tâches.

subtask_status

État de la sous-tâche.

Les quatre états possibles sont PENDING, RUNNING, SUCCEEDED et FAILED.

file_url

URL du fichier audio à reconnaître.

transcription_url

URL correspondant au résultat de reconnaissance audio.

Le résultat de reconnaissance est enregistré dans un fichier JSON. Téléchargez le fichier depuis l'URL indiquée dans transcription_url ou lisez son contenu via une requête HTTP. Pour plus de détails sur le contenu du fichier JSON, consultez la section Description des résultats de reconnaissance.

code

Code d'erreur. À utiliser avec le champ message. Consultez la section Codes d'erreur.

message

Message d'erreur. À utiliser avec le champ code. Consultez la section Codes d'erreur.

task_id

ID de la tâche.

task_status

État de la tâche.

Les quatre états possibles sont PENDING, RUNNING, SUCCEEDED et FAILED.

Lorsqu'une tâche contient plusieurs sous-tâches, si l'une d'elles réussit, l'état global de la tâche est marqué comme SUCCEEDED. Vérifiez le champ subtask_status pour déterminer le résultat de chaque sous-tâche spécifique.

results

Résultats de reconnaissance des sous-tâches.

subtask_status

État de la sous-tâche.

Les quatre états possibles sont PENDING, RUNNING, SUCCEEDED et FAILED.

file_url

URL du fichier audio à reconnaître.

transcription_url

URL correspondant au résultat de reconnaissance audio.

Le résultat de reconnaissance est enregistré dans un fichier JSON. Téléchargez le fichier depuis transcription_url ou lisez son contenu via une requête HTTP. Pour plus de détails sur le contenu JSON, consultez la section Description des résultats de reconnaissance.

audio_format

string

Format audio du fichier source.

channels

array[integer]

Informations sur l'index des pistes audio du fichier source. Retourne [0] pour l'audio mono, [0, 1] pour l'audio à deux pistes, etc.

original_sampling_rate

integer

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

original_duration

integer

Durée audio originale (ms) du 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 vocale au niveau du paragraphe.

sentences

array

Résultat de transcription vocale au niveau de la phrase.

words

array

Résultat de transcription vocale au niveau du mot.

begin_time

integer

Horodatage de début (ms).

end_time

integer

Horodatage de fin (ms).

text

string

Résultat de transcription vocale.

speaker_id

integer

Index du locuteur actuel, commençant à 0, utilisé pour distinguer les différents locuteurs.

Ce champ s'affiche uniquement dans les résultats de reconnaissance lorsque la diarisation des locuteurs est activée.

punctuation

string

Ponctuation prédite après le mot (le cas échéant).

async_call

@classmethod
def async_call(cls,
               model: str,
               file_urls: List[str],
               phrase_id: str = None,
               api_key: str = None,
               workspace: str = None,
               **kwargs) -> TranscriptionResponse

Soumet de manière asynchrone une tâche de reconnaissance vocale.

Cette méthode retourne un objet TranscriptionResponse.

wait

@classmethod
def wait(cls,
         task: Union[str, TranscriptionResponse],
         api_key: str = None,
         workspace: str = None,
         **kwargs) -> TranscriptionResponse

Bloque le thread actuel jusqu'à l'achèvement de la tâche asynchrone (l'état est SUCCEEDED ou FAILED).

Cette méthode retourne un objet TranscriptionResponse.

fetch

@classmethod
def fetch(cls,
          task: Union[str, TranscriptionResponse],
          api_key: str = None,
          workspace: str = None,
          **kwargs) -> TranscriptionResponse

Interroge de manière asynchrone le résultat d'exécution de la tâche.

Cette méthode retourne un objet TranscriptionResponse.