Tous les produits
Search
Centre de documentation

Alibaba Cloud Model Studio:SDK iOS de reconnaissance vocale non temps réel Qwen-Audio-ASR-Filetrans

Dernière mise à jour :Oct 29, 2026

Ce guide vous présente le SDK iOS de reconnaissance vocale non temps réel Qwen-Audio-ASR-Filetrans, afin que vous puissiez convertir l'audio en texte.

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

  1. Obtenir une clé API :Obtenir une clé API

  2. Téléchargez le SDK et exécutez l'exemple de code :
    • Télécharger le dernier bundle SDK.
    • Décompressez le package ZIP et ajoutez le nuisdk.framework inclus à votre projet.
    • Sous Build Phases → Link Binary With Libraries, ajoutez nuisdk.xcframework.
    • Sous General → Frameworks, Libraries, and Embedded Content, définissez nuisdk.xcframework sur Embed & Sign.
    • Ouvrez le projet d'exemple dans Xcode. Le code d'exemple se trouve dans DashFunAsrFileTranscriberViewController.m. Remplacez la API Key pour tester la fonctionnalité.

Étapes d'appel

Mode synchrone

  1. Initialiser le SDK.
  2. Configurez les paramètres pertinents pour votre cas d'utilisation.
  3. Définissez async_request sur false et appelez nui_file_trans_start pour soumettre une requête de reconnaissance vocale non temps réel et attendre le résultat.
  4. Dans le rappel onFileTransEventCallback, écoutez l'événement EVENT_FILE_TRANS_RESULT pour obtenir le résultat final de la reconnaissance.
  5. Appelez nui_release pour libérer les ressources du SDK.

Mode asynchrone

  1. Initialiser le SDK.
  2. Configurez les paramètres pertinents pour votre cas d'utilisation.
  3. Définissez async_request sur true et appelez nui_file_trans_start pour soumettre une requête de reconnaissance vocale non temps réel.
  4. Appelez nui_file_trans_query pour interroger activement la progression ou le résultat de la reconnaissance.
  5. Dans le rappel onFileTransEventCallback, écoutez l'événement EVENT_FILE_TRANS_QUERY_RESULT pour obtenir le résultat de la requête en cours.
  6. Dans le rappel onFileTransEventCallback, écoutez l'événement EVENT_FILE_TRANS_RESULT pour obtenir le résultat final de la reconnaissance.
  7. Appelez nui_release pour 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 nui_initialize.

Exemples de paramètres

Ce qui suit est un exemple de chaîne JSON. Tous les paramètres ne sont pas répertoriés. Ajoutez ceux 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"
}
Descriptions des paramètres
ParamètreTypeObligatoireDescription

url

String

Oui

Points de terminaison de service :

  • wss://dashscope.aliyuncs.com/api/v1/services/audio/asr/transcription
  • Chine (Pékin) : wss://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api/v1/services/audio/asr/transcription

  • Singapour : wss://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1/services/audio/asr/transcription

Remplacez {WorkspaceId} par votre véritable ID d'espace de travail.

apikey

String

Oui

La clé API.

service_mode

String

Oui

Le mode d'exécution. Fixé à "1" pour la reconnaissance vocale non temps réel.

device_id

String

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.

debug_path

String

Non

Le chemin de stockage du fichier journal.

Ce paramètre prend effet uniquement lorsque save_log est défini sur YES lors de l'appel de l'interface nui_initialize. Dans ce cas, vous devez définir le chemin du fichier journal ; sinon, une erreur est renvoyée.

Un maximum de deux fichiers journaux sont conservés localement.

max_log_file_size

int

Non

La taille maximale du fichier journal, en octets.

Ce paramètre prend effet uniquement lorsque save_log est défini sur YES lors de l'appel de l'interface nui_initialize.

Valeur par défaut : 104857600 (100 * 1024 * 1024 octets, soit 100 Mio).

log_track_level

int

Non

Contrôle le niveau de filtrage du contenu des journaux envoyé via le rappel de journal (onFileTransLogTrackCallback).

Valeur par défaut : 2.

Valeurs valides :

  • 0: LOG_LEVEL_VERBOSE

  • 1: LOG_LEVEL_DEBUG

  • 2: LOG_LEVEL_INFO

  • 3: LOG_LEVEL_WARNING

  • 4: LOG_LEVEL_ERROR

  • 5 : LOG_LEVEL_NONE (désactive cette fonctionnalité)

Remarque : log_track_level et level (définis via l'interface nui_initialize) déterminent ensemble quels journaux sont finalement envoyés au rappel. La valeur de niveau d'un journal doit être supérieure ou égale à la fois à log_track_level et level avant d'être envoyée au rappel. Par exemple, si log_track_level est défini sur 2 (INFO) et level sur 3 (WARNING), seuls les journaux de niveau WARNING ou supérieur (valeur >= 3) sont envoyés au rappel.

Paramètres d'effet de reconnaissance vocale

Configurez tous les paramètres de reconnaissance vocale via l'interface nui_file_trans_start.

Exemples de paramètres

Ce qui suit est un exemple de chaîne JSON. Tous les paramètres ne sont pas répertoriés. Ajoutez ceux 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
    }
}
Descriptions des paramètres
ParamètreTypeObligatoireDescription

file_urls

array[string]

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 oss://, tandis que le SDK ne prend pas en charge les URL temporaires préfixées par oss://.

Important

  • Une URL temporaire est valide pendant 48 heures et ne peut pas être utilisée après son expiration. Ne l'utilisez pas en production.

  • L'interface d'identification de téléchargement est limitée à 100 QPS et ne peut pas être mise à l'échelle. Ne l'utilisez pas en production, dans des scénarios à forte concurrence ou lors de tests de charge.

  • Pour la production, utilisez un stockage stable tel que Alibaba Cloud OSS pour maintenir la disponibilité des fichiers à long terme et éviter la limitation du débit.

  • Si l'URL d'un fichier audio définie sur une URL publique temporaire OSS est inaccessible, définissez X-DashScope-OssResourceResolve sur enable dans l'en-tête de la requête (non recommandé).

    Le SDK ne prend pas en charge la configuration des en-têtes de requête.

async_request

boolean

Non

Indique si la requête de reconnaissance vocale est asynchrone.

Valeur par défaut : false.

Valeurs valides :

  • true : requête asynchrone
  • false : requête synchrone

apikey

string

Non

Si la apikey dans Paramètres de connexion et de contrôle est une clé API temporaire, vous pouvez la mettre à jour ici pour éviter qu'elle n'expire.

nls_config

object

Oui

L'objet de configuration principal de la reconnaissance vocale. Il contient des paramètres clés tels que la sélection du modèle et les contrôles d'effet de reconnaissance.

nls_config.model

string

Oui

Le nom du modèle.

nls_config.special_word_filter

object

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.

nls_config.channel_id

array[integer]

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].

nls_config.diarization_enabled

boolean

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 speaker_id qui distingue les différents locuteurs.

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.

Valeur par défaut : false.

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

nls_config.speaker_count

integer

Non

ImportantPrend effet uniquement lorsque la diarisation des locuteurs est activée (diarization_enabled est défini sur true).

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.

nls_config.vocabulary_id

string

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.

nls_config.input_context

array

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 : input_text et text. Si cette limite est dépassée, seuls les 5 messages les plus récents de chaque type sont conservés. La longueur combinée des champs text dans les messages user et assistant à chaque tour ne doit pas dépasser 400 caractères. Chaque caractère compte pour 1. Le texte excédentaire est tronqué à partir de la fin.

ImportantLorsque vous incluez du contexte, organisez messages par tour de conversation. À chaque tour, le message user (type input_text) doit précéder le message assistant correspondant (type text). Le message user contenant input_audio doit être le dernier message du tableau messages.

[
  {
    "role": "user",
    "content": [
      {
        "type": "input_text",
        "text": "你好啊,我是通义千问,有什么可以帮助你的?"
      }
    ]
  }
]

nls_config.instant_vocabulary

object

Non

Mots clés instantanés, transmis sous forme de paires clé-valeur. Chaque clé est le texte du mot clé (string) et chaque valeur est son poids (integer). Aucune liste de mots clés précompilés n'est requise. Utilisez ce paramètre pour les mots clés temporaires au niveau de la session.

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.

{
  "张三": 5,
  "李四": 5
}

nls_config.language_hints

array[string]

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

  • zh : Chinois
  • en : Anglais
  • ja : Japonais
  • ko : Coréen
  • vi : Vietnamien
  • th : Thaï
  • id : Indonésien
  • ms : Malais
  • tl : Philippin
  • hi : Hindi
  • ar : Arabe
  • fr : Français
  • de : Allemand
  • es : Espagnol
  • pt : Portugais
  • ru : Russe
  • it : Italien
  • nl : Néerlandais
  • sv : Suédois
  • da : Danois
  • fi : Finnois
  • no : Norvégien
  • el : Grec
  • pl : Polonais
  • cs : Tchèque
  • hu : Hongrois
  • ro : Roumain
  • bg : Bulgare
  • hr : Croate
  • sk : Slovaque

Interfaces clés

NeoNui

nui_initialize

Initialise l'instance du SDK de reconnaissance vocale. Le SDK est un singleton. Ne l'initialisez pas à nouveau avant d'appeler nui_release.

Signature de la méthode
-(NuiResultCode) nui_initialize:(const char *)parameters
                       logLevel:(NuiSdkLogLevel)level
                        saveLog:(BOOL)save_log;
Descriptions des paramètres
ParamètreTypeDescription

parameters

char*

Une chaîne JSON qui contient les paramètres d'authentification, de connexion et de débogage. Consultez Paramètres de connexion et de contrôle.

level

NuiSdkLogLevel

Contrôle le niveau d'impression des propres journaux du SDK.

save_log

BOOL

Indique s'il faut enregistrer les journaux localement. Si défini sur YES, vous devez spécifier un chemin via debug_path dans Paramètres de connexion et de contrôle, et vous pouvez définir la taille du fichier via max_log_file_size.

nui_set_params

Utilisez cette interface pour définir ou mettre à jour le paramètre nls_config de manière indépendante. Si vous fournissez tous les paramètres à la fois dans nui_file_trans_start, vous n'avez pas besoin d'appeler cette méthode.

Signature de la méthode
-(NuiResultCode) nui_set_params:(const char *)params;
Descriptions des paramètres
ParamètreTypeDescription

params

char*

Le paramètre nls_config dans Paramètres d'effet de reconnaissance vocale. Les paramètres autres que nls_config ne peuvent pas être définis via cette méthode.

Exemple :

{
    "nls_config": {
        "model":"qwen-audio-3.0-asr-flash-filetrans",
        "diarization_enabled": false
    }
}

nui_file_trans_start

Démarre la reconnaissance.

Signature de la méthode
-(NuiResultCode) nui_file_trans_start:(const char *)params
                               taskId:(char *)task_id;
Descriptions des paramètres
ParamètreTypeDescription

params

char*

Paramètres d'effet de reconnaissance vocale.

Exemple :

{
    "file_urls": [
        "{YOUR_AUDIO_URL}"
    ],
    "async_request": false,
    "nls_config": {
        "model":"qwen-audio-3.0-asr-flash-filetrans",
        "diarization_enabled": false
    }
}

task_id

char*

L'identifiant de la tâche. Le SDK génère une chaîne aléatoire en interne et renvoie le task_id lorsque cette interface est appelée avec succès.

nui_file_trans_query

Utilisez cette interface pour interroger activement l'état et le résultat actuels d'une tâche asynchrone. Après un 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.

Signature de la méthode
-(NuiResultCode) nui_file_trans_query:(const char *)task_id;
Descriptions des paramètres
ParamètreTypeDescription

task_id

char*

L'ID de la tâche à interroger, obtenu à partir de l'événement EVENT_FILE_TRANS_UPLOADED.

nui_file_trans_cancel

Annule immédiatement la tâche en cours.

Signature de la méthode
-(NuiResultCode) nui_file_trans_cancel:(const char *)task_id;
Descriptions des paramètres
ParamètreTypeDescription

task_id

char*

L'ID de la tâche à annuler, obtenu à partir de l'événement EVENT_FILE_TRANS_UPLOADED.

nui_release

Libère toutes les ressources internes du SDK et termine de force toutes les tâches en cours. Après avoir appelé cette méthode, l'instance du SDK devient indisponible. Pour la réutiliser, vous devez appeler à nouveau nui_initialize pour l'initialiser.

Signature de la méthode
-(NuiResultCode) nui_release;

nui_get_version

Obtient les informations de version actuelles du SDK.

Signature de la méthode
-(const char*) nui_get_version;
Valeur de retour

Les informations de version actuelles du SDK.

NeoNuiSdkDelegate : surveiller les rappels

onFileTransEventCallback : surveiller les événements et les résultats de reconnaissance vocale

Signature de la méthode
-(void) onFileTransEventCallback:(NuiCallbackEvent)nuiEvent
                       asrResult:(const char *)asr_result
                          taskId:(const char *)task_id
                        ifFinish:(BOOL)finish
                         retCode:(int)code;
Descriptions des paramètres
ParamètreTypeDescription

nuiEvent

NuiCallbackEvent

L'événement de rappel.

asr_result

char*

Le résultat de la reconnaissance vocale.

task_id

char*

L'ID de la tâche.

finish

BOOL

Indique si ce tour de reconnaissance est terminé.

code

int

Valide uniquement lorsque l’événement EVENT_ASR_ERROR se produit.

onFileTransLogTrackCallback : surveiller les journaux de trace

Utilisez ce rappel pour recevoir les journaux internes détaillés du SDK pour le dépannage et le débogage.

-(void)onFileTransLogTrackCallback:(NuiSdkLogLevel)level
                        logMessage:(const char *)log;

NuiCallbackEvent : types d'événements

ÉvénementDescription

EVENT_FILE_TRANS_CONNECTED

Connecté au service avec succès.

EVENT_FILE_TRANS_UPLOADED

Le fichier audio à reconnaître a été téléchargé avec succès. Vous pouvez maintenant obtenir l'task_id de la tâche en cours.

EVENT_FILE_TRANS_QUERY_RESULT

Le résultat de la tâche de requête.

EVENT_FILE_TRANS_RESULT

Le résultat final de la reconnaissance.

EVENT_ASR_ERROR

Une erreur s'est produite lors de la reconnaissance vocale.