Cette rubrique détaille les paramètres et le fonctionnement de l'API HTTP dédiée à la reconnaissance vocale en différé avec Qwen-Audio-ASR-Filetrans.
Pour connaître les prérequis d'entrée (formats audio pris en charge, limites de taille de fichier et de durée), reportez-vous aux Spécifications audio.
Fonctionnement
Contrairement aux appels synchrones DashScope qui renvoient immédiatement le résultat dans une requête unique, les appels asynchrones sont conçus pour les fichiers audio volumineux ou les tâches longues. Ce mode repose sur un flux en deux étapes (soumission puis interrogation) afin d'éviter les délais d'expiration liés à une attente prolongée :
-
Étape 1 : Soumettre la tâche.
- Le client envoie une requête de traitement asynchrone.
- Après validation de la requête, le serveur n'exécute pas immédiatement la tâche. Il renvoie plutôt un identifiant unique
task_idconfirmant la création réussie de la tâche.
-
Étape 2 : Récupérer le résultat.
- Le client utilise le
task_idretourné pour interroger régulièrement l'interface de requête. - Une fois la tâche terminée, l'interface de requête renvoie le résultat final de la reconnaissance.
- Le client utilise le
Endpoints du service
Singapore
Interface de soumission de tâche : POST https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1/services/audio/asr/transcription
Interface de requête de tâche : GET https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1/tasks/{task_id}
Remplacez {WorkspaceId} par votre véritable ID d'espace de travail.
China (Beijing)
Interface de soumission de tâche : POST https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api/v1/services/audio/asr/transcription
Interface de requête de tâche : GET https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api/v1/tasks/{task_id}
Remplacez {WorkspaceId} par votre véritable ID d'espace de travail.
ImportantAlibaba Cloud Model Studio a publié des domaines spécifiques à chaque espace de travail pour les régions China (Beijing) et Singapore. Ces nouveaux domaines dédiés offrent des performances supérieures et une meilleure stabilité pour les requêtes d'inférence. Nous vous recommandons de migrer vers ces nouveaux domaines :
- China (Beijing) : passez de
dashscope.aliyuncs.comà{WorkspaceId}.cn-beijing.maas.aliyuncs.com - Singapore : passez de
dashscope-intl.aliyuncs.comà{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com
En-têtes de requête
| Paramètre | Type | Obligatoire | Description |
|---|---|---|---|
|
| Oui | Jeton d'authentification au format |
|
| Oui | Type MIME du corps de la requête. Uniquement requis pour l'interface de soumission de tâche. Valeur fixe : |
|
| Oui | Indicateur de tâche asynchrone. Uniquement requis pour l'interface de soumission de tâche. Valeur fixe : |
Interface de soumission de tâche
Soumet une tâche de reconnaissance vocale. Cette interface répond de manière asynchrone ; surveillez donc l'état de la tâche via l'Interface de requête de tâche.
RemarqueSi un déploiement dédié renvoie current user api does not support asynchronous calls, définissez X-DashScope-Async sur disable et utilisez une requête synchrone.
Corps de la requête | Appel de baseL'exemple suivant utilise la région Singapore. Remplacez « {WorkspaceId} » par votre véritable ID d'espace de travail. La configuration varie selon la région. Les régions de Singapore et de Beijing utilisent des clés API différentes. Mots-clés intégrésUtilisez les mots-clés intégrés selon le format suivant : ContexteUtilisez le contexte selon le format suivant : |
model Le nom du modèle. | |
input Objet contenant les paramètres d'entrée. | |
parameters Incluez toujours |
Corps de la réponse | |
request_id Identifiant unique de cet appel. | |
output Données renvoyées par l'interface de soumission de tâche. |
Interface de requête de tâche
Interroge l'état d'exécution et le résultat d'une tâche de reconnaissance vocale. Interrogez cette interface de manière répétée jusqu'à ce que la tâche atteigne un état terminal.
Corps de la requête | L'exemple suivant utilise la région Singapore. Remplacez « {WorkspaceId} » par votre véritable ID d'espace de travail. La configuration varie selon la région. Les régions de Singapore et de Beijing utilisent des clés API différentes. |
task_id ImportantCe paramètre est un paramètre de chemin d'URL. Aucun corps de requête n'est attendu. Pour interroger une tâche, spécifiez son identifiant. Cet ID correspond au | |
Corps de la réponse | |
request_id Identifiant unique de cet appel. | |
output Données renvoyées par l'interface de requête de tâche. |
Autres interfaces : interrogation groupée de l'état des tâches / annulation d'une tâche
Pour plus de détails, consultez Gérer les tâches asynchrones : vous pouvez interroger par lot les tâches de reconnaissance vocale en différé soumises au cours des dernières 24 heures, et annuler celles qui se trouvent à l'état PENDING (en file d'attente).
Description du résultat de reconnaissance
Le résultat de la reconnaissance est enregistré dans un fichier JSON.
{
"file_url":"{YOUR_AUDIO_URL}",
"properties":{
"audio_format":"pcm_s16le",
"channels":[
0
],
"original_sampling_rate":16000,
"original_duration_in_milliseconds":3834
},
"transcripts":[
{
"channel_id":0,
"content_duration_in_milliseconds":3720,
"text":"Hello world, this is Alibaba Speech Lab.",
"sentences":[
{
"begin_time":100,
"end_time":3820,
"text":"Hello world, this is Alibaba Speech Lab.",
"sentence_id":1,
"speaker_id":0, //This field is displayed only when automatic speaker diarization is enabled
"words":[
{
"begin_time":100,
"end_time":596,
"text":"Hello ",
"punctuation":""
},
{
"begin_time":596,
"end_time":844,
"text":"world",
"punctuation":", "
}
// Other content is omitted here
]
}
]
}
]
}
Les paramètres suivants méritent une attention particulière :
| Paramètre | Type | Description |
|---|---|---|
|
| Format audio du fichier source. |
| array[integer] | Index de piste de l'audio dans le fichier source. Pour un audio monopiste, [0] est renvoyé ; pour un audio bipiste, [0, 1] est renvoyé, et ainsi de suite. |
|
| Fréquence d'échantillonnage (Hz) de l'audio dans le fichier source. |
|
| Durée originale de l'audio (ms) dans le fichier source. |
|
| Index de piste du résultat de transcription, commençant à 0. |
|
| Durée (ms) du contenu identifié comme parole dans la piste. RemarqueLa description de facturation ci-dessous s’applique à Le service de modèle de reconnaissance vocale ne transcrit que le contenu d'une piste identifié comme parole, et la facturation s'appuie sur cette durée. Le contenu non parlé n'est ni mesuré ni facturé. Généralement, la durée du contenu parlé est inférieure à la durée audio originale. Étant donné que la présence de parole est déterminée par un modèle d'IA, le résultat peut différer légèrement de la réalité. |
|
| Résultat de transcription au niveau du paragraphe. |
|
| Résultat de transcription au niveau de la phrase. |
|
| Résultat de transcription au niveau du mot. |
|
| Horodatage de début (ms). |
|
| Horodatage de fin (ms). |
|
| Résultat de la transcription. |
|
| Index du locuteur actuel, commençant à 0, servant à distinguer les différents intervenants. Ce champ n'apparaît dans le résultat de reconnaissance que si la diarisation des locuteurs est activée. |
|
| Ponctuation prédite après le mot, le cas échéant. |