Ce guide vous montre comment convertir la parole en texte avec le SDK Android de reconnaissance vocale non temps réel Qwen-Audio-ASR-Filetrans.
Pour les exigences d'entrée telles que les formats audio pris en charge, les limites de taille de fichier et les limites de durée, consultez Spécifications audio.
Démarrage rapide
-
Obtenir une clé API : Obtenir une clé API. Pour une meilleure sécurité, stockez la clé API dans une variable d'environnement.
-
Téléchargez le SDK et exécutez l'exemple de code :
- Téléchargez le dernier package du SDK.
- Extrayez le package ZIP. Trouvez le SDK au format AAR dans le répertoire
app/libset ajoutez-le aux dépendances de votre projet. Pour l'intégration C++ Android, utilisezandroid_libsetandroid_includedans le package ZIP pour obtenir les bibliothèques dynamiques et les fichiers d'en-tête. - Ouvrez le projet dans Android Studio. Le code d'exemple se trouve dans
DashFunAsrFileTranscriberActivity.java. Remplacez la clé API, puis testez la fonctionnalité.
Procédure d'appel
Mode synchrone
- Initialiser le SDK.
- Configurez les paramètres requis par votre activité.
- Définissez
async_requestsurfalseet appelezstartFileTranscriberpour soumettre une requête de reconnaissance vocale non temps réel et attendre le résultat. - Écoutez l'événement
EVENT_FILE_TRANS_RESULTdans l'interfaceonFileTransEventCallbackpour obtenir le résultat final de la reconnaissance. - Appelez
releasepour libérer les ressources du SDK.
Mode asynchrone
- Initialiser le SDK.
- Configurez les paramètres requis par votre activité.
- Définissez
async_requestsurtrueet appelezstartFileTranscriberpour soumettre une requête de reconnaissance vocale non temps réel. - Appelez
queryFileTranscriberpour interroger la progression et le résultat de la reconnaissance. - Écoutez l'événement
EVENT_FILE_TRANS_QUERY_RESULTdans l'interfaceonFileTransEventCallbackpour obtenir le résultat de la requête en cours. - Écoutez l'événement
EVENT_FILE_TRANS_RESULTdans l'interfaceonFileTransEventCallbackpour obtenir le résultat final de la reconnaissance. - Appelez
releasepour libérer les ressources du SDK.
Paramètres de requête
Paramètres de connexion et de contrôle
Configurez ces paramètres en transmettant une chaîne JSON dans l'argument parameters de l'interface initialize.
Exemple de paramètre
La chaîne JSON suivante est un exemple et ne répertorie pas tous les paramètres. Ajoutez les paramètres dont vous avez besoin lors de l'écriture de votre code :
{
"url": "wss://dashscope.aliyuncs.com/api/v1/services/audio/asr/transcription",
"apikey": "st-****",
"device_id": "my_device_id",
"service_mode": "1"
}
Description des paramètres
| Paramètre | Type | Obligatoire | Description |
|---|---|---|---|
|
| Oui | Points de terminaison de service :
Remplacez |
|
| Oui | La clé API. |
|
| Oui | Le mode d'exécution. Fixé à |
|
| Oui | Une chaîne unique qui identifie l'utilisateur final. Définissez-la sur un identifiant d'utilisateur dans l'application ou un identifiant d'appareil généré par le client. Cet identifiant est principalement utilisé pour le suivi des journaux et le dépannage. |
|
| Non | Le chemin de stockage du fichier journal. Ce paramètre prend effet uniquement lorsque Au maximum deux fichiers journaux sont conservés localement. |
|
| Non | La taille maximale du fichier journal, en octets. Ce paramètre prend effet uniquement lorsque Par défaut : 104857600 (100 * 1024 * 1024 octets, soit 100 Mio). |
|
| Non | Le niveau de filtrage pour le contenu du journal envoyé via le rappel de journal ( Par défaut : 2. Valeurs valides :
Remarque : |
Paramètres de reconnaissance vocale
Configurez tous les paramètres de reconnaissance vocale via l'interface startFileTranscriber.
Exemple de paramètre
La chaîne JSON suivante est un exemple et ne répertorie pas tous les paramètres. Ajoutez les paramètres dont vous avez besoin lors de l'écriture de votre code :
{
"apikey": "st-****",
"file_urls": [
"{YOUR_AUDIO_URL}"
],
"async_request": false,
"nls_config": {
"model":"qwen-audio-3.0-asr-flash-filetrans",
"diarization_enabled": false
}
}
Description des paramètres
| Paramètre | Type | Obligatoire | Description |
|---|---|---|---|
|
| Oui | Une liste d'URL des fichiers audio ou vidéo à transcrire. HTTP et HTTPS sont pris en charge. Une seule requête ne prend en charge qu'une seule URL. Pour les exigences d'entrée telles que les formats audio pris en charge, les limites de taille de fichier et les limites de durée, consultez Spécifications audio. Si l'enregistrement est stocké dans Alibaba Cloud OSS, l'API RESTful prend en charge les URL temporaires préfixées par Important
|
|
| Non | Indique si la requête de reconnaissance est asynchrone. Par défaut : Valeurs valides :
|
|
| Non | Si la |
|
| Oui | L'objet de configuration principal pour la reconnaissance vocale. Il contient des paramètres clés tels que la sélection du modèle et le contrôle de la reconnaissance. |
|
| Oui | Le nom du modèle. |
|
| Non | Les mots sensibles à traiter lors de la reconnaissance vocale. Vous pouvez définir une méthode de traitement différente pour chaque mot sensible. Pour plus de détails, consultez Filtrage des mots sensibles. |
|
| Non | L'index des pistes audio à reconnaître dans un fichier audio multipiste. L'index commence à 0. Par exemple, [0] reconnaît la première piste, et [0, 1] reconnaît la première et la deuxième piste en même temps. Si vous omettez ce paramètre, seule la première piste est traitée. ImportantChaque piste spécifiée est facturée indépendamment. Par exemple, demander [0, 1] pour un seul fichier entraîne deux frais distincts. Valeur par défaut : [0]. |
|
| Non | Indique s'il faut activer la diarisation des locuteurs. Désactivé par défaut. S'applique uniquement à l'audio mono. L'audio multicanal ne prend pas en charge la diarisation des locuteurs. Lorsqu'elle est activée, le résultat de la reconnaissance inclut un champ RemarqueLorsque la diarisation des locuteurs est activée, maintenez la durée de l'audio dans la limite de 2 heures. Sinon, la reconnaissance peut échouer ou expirer. Par défaut : false. Pour un exemple de |
|
| Non | ImportantPrend effet uniquement lorsque la diarisation des locuteurs est activée ( Une valeur de référence pour le nombre de locuteurs. La plage valide est un entier de 2 à 100 (inclus). Par défaut, le nombre de locuteurs est détecté automatiquement. Si vous définissez cette valeur, elle guide uniquement l'algorithme pour qu'il produise le nombre spécifié lorsque cela est possible, sans garantir ce nombre exact. Aucune valeur par défaut. |
|
| Non | L'ID d'une liste de mots clés précompilée. Générez cet ID à l'avance en appelant l'API de création de liste de mots clés. Transmettez l'ID lors de la reconnaissance pour utiliser les mots clés de la liste. Convient aux scénarios où le vocabulaire est connu et relativement stable, et où vous devez réutiliser la même liste de mots d'une requête à l'autre. Pour plus de détails sur l'utilisation, consultez Mots clés précompilés. |
|
| Non | Une liste de messages contenant un contexte de conversation facultatif pour améliorer la précision de la reconnaissance. ImportantLe contexte permet d'améliorer la reconnaissance des termes spécifiques au domaine. Pour l'utilisation, consultez Amélioration du contexte. Vous pouvez inclure jusqu'à 5 messages de chaque type de contexte : ImportantLorsque vous incluez du contexte, organisez |
|
| Non | Mots clés instantanés, transmis sous forme de paires clé-valeur. Chaque clé est le texte du mot clé ( Les poids valides sont des entiers de 1 à 5, ou 50. Un poids plus élevé de 1 à 5 rend le modèle plus susceptible de produire le mot clé. Un poids de 50 définit un super mot clé et améliore considérablement le rappel. Vous pouvez spécifier jusqu'à 50 super mots clés. Si vous configurez également des mots clés précompilés, les deux ensembles sont fusionnés. Si l'ensemble fusionné dépasse 2000 mots clés, 2000 sont sélectionnés au hasard. Pour l'utilisation, consultez Mots clés instantanés. ImportantPour les modèles et les limites qui s'appliquent aux mots clés instantanés, consultez Mots clés instantanés. |
|
| Non | Les codes de langue à reconnaître. Si vous ne pouvez pas déterminer la langue à l'avance, laissez-le non défini et le modèle détectera la langue automatiquement. Vous pouvez définir jusqu’à 4 valeurs. Au-delà, seules les 4 premières sont prises en compte. Cliquez pour afficher les codes de langue pris en charge
|
Interfaces clés
NativeNui
initialize
Initialiser l'instance du SDK de reconnaissance vocale. Le SDK est un singleton. Ne pas l'initialiser à nouveau avant d'appeler release.
Cette interface est bloquante, appelez-la donc sur un thread non UI.
Signature de la méthodepublic synchronized int initialize(final INativeFileTransCallback callback,
String parameters,
final Constants.LogLevel level,
final boolean save_log)
Description des paramètres
| Paramètre | Type | Description |
|---|---|---|
|
| L'implémentation de l'interface de rappel des événements et des données. |
|
| Une chaîne JSON qui contient les paramètres d'authentification, de connexion et de débogage. Consultez Paramètres de connexion et de contrôle. |
|
| Contrôle le niveau d'impression des propres journaux du SDK. |
|
| Indique s'il faut enregistrer les journaux localement. Si |
setParams
Utilisez cette interface pour définir ou mettre à jour les paramètres nls_config séparément. Si vous fournissez tous les paramètres à la fois dans startFileTranscriber, vous n'avez pas besoin d'appeler cette méthode.
public synchronized int setParams(String params);
Description des paramètres
| Paramètre | Type | Description |
|---|---|---|
|
| Le paramètre Exemple : |
startFileTranscriber
Démarre la reconnaissance.
Signature de la méthodepublic synchronized int startFileTranscriber(String params, byte[] task_id)
Description des paramètres
| Paramètre | Type | Description |
|---|---|---|
|
| Paramètres de reconnaissance vocale. Exemple : |
|
| L'ID de la tâche. Le SDK génère une chaîne aléatoire en interne. Vous obtenez l'task_id après le retour réussi de cette interface. |
queryFileTranscriber
Utilisez cette interface pour interroger l'état et le résultat actuels d'une tâche asynchrone. Une fois l'appel réussi, le résultat est renvoyé via l'événement EVENT_FILE_TRANS_QUERY_RESULT dans le rappel onFileTransEventCallback.
RemarqueObtenez l'task_id transmis à cette méthode à partir de l'événement EVENT_FILE_TRANS_UPLOADED.
public synchronized int queryFileTranscriber(String task_id)
Description des paramètres
| Paramètre | Type | Description |
|---|---|---|
|
| L'ID de la tâche à interroger, obtenu à partir de l'événement |
cancelFileTranscriber
Annule immédiatement la tâche en cours.
Signature de la méthodepublic synchronized int cancelFileTranscriber(String task_id)
Description des paramètres
| Paramètre | Type | Description |
|---|---|---|
|
| L'ID de la tâche à annuler, obtenu à partir de l'événement |
release
Libérer toutes les ressources internes du SDK. Après l'appel de cette méthode, l'instance du SDK devient inutilisable. Pour l'utiliser à nouveau, appeler initialize pour l'initialiser à nouveau.
public synchronized int release();
GetVersion
Obtient les informations de version actuelles du SDK.
Signature de la méthodepublic synchronized String GetVersion();
Valeur de retour
Les informations de version actuelles du SDK.
INativeFileTransCallback : rappels de l'écouteur
onFileTransEventCallback : écouter les événements et les résultats de reconnaissance
Signature de la méthodevoid onFileTransEventCallback(NuiEvent event, final int resultCode, final int arg2, AsrResult asrResult, String taskId);
Description des paramètres
| Paramètre | Type | Description |
|---|---|---|
|
| L'événement de rappel. |
|
| Valide uniquement lorsque l’événement |
|
| Le résultat de la reconnaissance vocale. |
|
| L'ID de la tâche. |
|
| Un paramètre réservé. |
onFileTransLogTrackCallback : écouter les journaux de trace
Ce rappel reçoit les journaux internes détaillés du SDK pour le diagnostic et le débogage des problèmes.
default void onFileTransLogTrackCallback(Constants.LogLevel level, String log)
NuiEvent : types d'événements
| Événement | Description |
|---|---|
| La connexion au service a réussi. |
| Le fichier audio à reconnaître a été téléchargé avec succès. Vous pouvez maintenant obtenir l' |
| Une requête de résultat de tâche. |
| Le résultat final de la reconnaissance. |
| Une erreur s'est produite lors de la reconnaissance vocale. |