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
-
Obtenir une clé API :Obtenir une clé API
-
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.xcframeworksur 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
- Initialiser le SDK.
- Configurez les paramètres pertinents pour votre cas d'utilisation.
- Définissez
async_requestsurfalseet appeleznui_file_trans_startpour soumettre une requête de reconnaissance vocale non temps réel et attendre le résultat. - Dans le rappel
onFileTransEventCallback, écoutez l'événementEVENT_FILE_TRANS_RESULTpour obtenir le résultat final de la reconnaissance. - Appelez
nui_releasepour libérer les ressources du SDK.
Mode asynchrone
- Initialiser le SDK.
- Configurez les paramètres pertinents pour votre cas d'utilisation.
- Définissez
async_requestsurtrueet appeleznui_file_trans_startpour soumettre une requête de reconnaissance vocale non temps réel. - Appelez
nui_file_trans_querypour interroger activement la progression ou le résultat de la reconnaissance. - Dans le rappel
onFileTransEventCallback, écoutez l'événementEVENT_FILE_TRANS_QUERY_RESULTpour obtenir le résultat de la requête en cours. - Dans le rappel
onFileTransEventCallback, écoutez l'événementEVENT_FILE_TRANS_RESULTpour obtenir le résultat final de la reconnaissance. - Appelez
nui_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 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
| 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 Un maximum de deux fichiers journaux sont conservés localement. |
|
| Non | La taille maximale du fichier journal, en octets. Ce paramètre prend effet uniquement lorsque Valeur par défaut : 104857600 (100 * 1024 * 1024 octets, soit 100 Mio). |
|
| Non | Contrôle le niveau de filtrage du contenu des journaux envoyé via le rappel de journal ( Valeur par défaut : 2. Valeurs valides :
Remarque : |
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
| 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 vocale est asynchrone. Valeur par défaut : Valeurs valides :
|
|
| Non | Si la |
|
| 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. |
|
| 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. Valeur 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
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.
-(NuiResultCode) nui_initialize:(const char *)parameters
logLevel:(NuiSdkLogLevel)level
saveLog:(BOOL)save_log;
Descriptions des paramètres
| Paramètre | Type | Description |
|---|---|---|
|
| 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 défini sur |
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.
-(NuiResultCode) nui_set_params:(const char *)params;
Descriptions des paramètres
| Paramètre | Type | Description |
|---|---|---|
|
| Le paramètre Exemple : |
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
| Paramètre | Type | Description |
|---|---|---|
|
| Paramètres d'effet de reconnaissance vocale. Exemple : |
|
| 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.
-(NuiResultCode) nui_file_trans_query:(const char *)task_id;
Descriptions des paramètres
| Paramètre | Type | Description |
|---|---|---|
|
| L'ID de la tâche à interroger, obtenu à partir de l'événement |
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
| Paramètre | Type | Description |
|---|---|---|
|
| L'ID de la tâche à annuler, obtenu à partir de l'événement |
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.
-(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
| Paramètre | Type | Description |
|---|---|---|
|
| L'événement de rappel. |
|
| Le résultat de la reconnaissance vocale. |
|
| L'ID de la tâche. |
|
| Indique si ce tour de reconnaissance est terminé. |
|
| Valide uniquement lorsque l’événement |
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
| Événement | Description |
|---|---|
| Connecté au service avec succès. |
| Le fichier audio à reconnaître a été téléchargé avec succès. Vous pouvez maintenant obtenir l' |
| Le résultat de la tâche de requête. |
| Le résultat final de la reconnaissance. |
| Une erreur s'est produite lors de la reconnaissance vocale. |