Tous les produits
Search
Centre de documentation

Alibaba Cloud Model Studio:Qwen-Audio-ASR Node.js SDK

Dernière mise à jour :Nov 19, 2026

Prérequis

Obtenez une clé API dans la console et définissez-la dans la variable d’environnement DASHSCOPE_API_KEY.

Installer le SDK

Nécessite Node.js 18 ou ultérieur. Téléchargez le SDK 0.1.0, puis exécutez dans votre projet :

npm install ./dashscope-sdk-nodejs-0.1.0.tgz

Démarrage rapide

Utilisez les mêmes exemples pour les modèles ci-dessous. Remplacez l’ID de modèle à l’aide de ce tableau.

ModèleID de modèle dans l’exemple
Qwen-Audio-ASR-Streamingqwen-audio-3.1-asr-flash-streaming
Qwen-Audio-ASR-Messageqwen-audio-3.1-asr-flash-message

Téléchargez l’audio d’exemple sous input.mp3 et convertissez-le en PCM mono 16 kHz, 16 bits :

ffmpeg -i input.mp3 -f s16le -ac 1 -ar 16000 input.pcm

Enregistrez l’exemple dans example.mjs, puis exécutez node example.mjs.

import { readFile } from 'node:fs/promises'
import { setTimeout as sleep } from 'node:timers/promises'
import { RecognitionClient } from 'dashscope-sdk-nodejs/asr'

const pcm = await readFile('input.pcm')
const asr = new RecognitionClient({
  apiKey: process.env.DASHSCOPE_API_KEY,
  workspaceId: process.env.DASHSCOPE_WORKSPACE_ID,
  baseUrl: 'dashscope-intl.aliyuncs.com',
  model: 'qwen-audio-3.1-asr-flash-streaming',
  format: 'pcm',
  sampleRate: 16000,
})
asr.on('sentenceEnd', sentence => console.log('Final sentence:', sentence.text))
asr.on('error', err => console.error(err.code, err.message))

try {
  await asr.start()
  for (let offset = 0; offset < pcm.length; offset += 3200) {
    asr.sendAudio(pcm.subarray(offset, offset + 3200))
    await sleep(100)
  }
  await asr.finish()
} finally {
  asr.close()
}

Paramètres de requête

Qwen-Audio-ASR-Streaming

Référence commune

Options du constructeur de RecognitionClient :

Paramètre

Type

Obligatoire

Description

apiKey

string

Non

Clé API. Utilise DASHSCOPE_API_KEY par défaut.

workspaceId

string

Non

ID de l’espace de travail. Utilise DASHSCOPE_WORKSPACE_ID par défaut.

baseUrl

string

Non

Définissez l’hôte sur dashscope-intl.aliyuncs.com (Singapour).

model

string

Non

ID du modèle. Par défaut : qwen-audio-3.1-asr-flash-streaming.

format

'pcm' | 'wav' | 'mp3' | 'opus' | 'speex' | 'aac' | 'amr'

Non

Format audio. Par défaut : pcm. WAV utilise PCM, Opus/Speex des conteneurs Ogg et AMR utilise AMR-NB.

sampleRate

number

Non

Fréquence d’échantillonnage réelle en Hz. Par défaut : 16000.

vocabularyId

string

Non

ID du vocabulaire précompilé.

languageHints

string[]

Non

Indications de langue de reconnaissance. Les 4 premières valeurs au plus sont prises en compte. Détection automatique si omises.

multiThresholdModeEnabled

boolean

Non

Mode multiseuil pour éviter les segments VAD trop longs. Par défaut : false.

maxSentenceSilence

number

Non

Seuil de silence de fin de phrase VAD en ms : [200,6000] ; par défaut : 800.

heartbeat

boolean

Non

Maintien de connexion silencieuse. Par défaut : false ; continuez à envoyer de l’audio silencieux si activé.

context

AsrContextMessage[]

Non

Contexte de reconnaissance. Format : { role, content: [{ type: "input_text", text }] }, avec role valant user ou assistant. Au plus 5 messages par rôle et moins de 400 caractères au total, dans l’ordre des tours.

parameters

Partial<RecognitionParameters>

Non

Paramètres supplémentaires, tels que vad_model, keep_dialect et vocabulary.

connectTimeoutMs

number

Non

Délai de connexion en ms. Par défaut : 10000.

taskTimeoutMs

number

Non

Délai de confirmation de début/fin en ms. Par défaut : 60000 ; 0 le désactive.

parameters.vad_model

'near_meeting_16k' | 'far_field_meeting_16k'

Non

VAD de champ proche ou lointain. Par défaut : far_field_meeting_16k.

parameters.keep_dialect

boolean

Non

Conserve les expressions dialectales. Par défaut : false.

parameters.vocabulary

Record<string, number>

Non

Vocabulaire instantané : mots en clés, poids dans [1,5] ou 50 en valeurs.

parameters.speech_noise_threshold

number

Non

Seuil de sensibilité VAD : [-1,1].

Qwen-Audio-ASR-Message

Référence commune

Options du constructeur de RecognitionClient :

Paramètre

Type

Obligatoire

Description

apiKey

string

Non

Clé API. Utilise DASHSCOPE_API_KEY par défaut.

workspaceId

string

Non

ID de l’espace de travail. Utilise DASHSCOPE_WORKSPACE_ID par défaut.

baseUrl

string

Non

Définissez l’hôte sur dashscope-intl.aliyuncs.com (Singapour).

model

string

Oui

Définissez l’ID sur qwen-audio-3.1-asr-flash-message.

format

'pcm' | 'wav' | 'mp3' | 'opus' | 'speex' | 'aac' | 'amr'

Non

Format audio. Par défaut : pcm. WAV utilise PCM, Opus/Speex des conteneurs Ogg et AMR utilise AMR-NB.

sampleRate

number

Non

Fréquence d’échantillonnage audio. Utilisez 16000 Hz.

vocabularyId

string

Non

ID du vocabulaire précompilé.

languageHints

string[]

Non

Indications de langue de reconnaissance. Les 4 premières valeurs au plus sont prises en compte. Détection automatique si omises.

disfluencyRemovalEnabled

boolean

Non

Supprime les disfluences et améliore le texte. Par défaut : false.

maxSentenceSilence

number

Non

Seuil de silence de fin de phrase VAD en ms : [200,6000] ; par défaut : 800.

heartbeat

boolean

Non

Maintien de connexion silencieuse. Par défaut : false ; continuez à envoyer de l’audio silencieux si activé.

context

AsrContextMessage[]

Non

Contexte de reconnaissance. Format : { role, content: [{ type: "input_text", text }] }, avec role valant user ou assistant. Au plus 5 messages par rôle et moins de 400 caractères au total, dans l’ordre des tours.

parameters

Partial<RecognitionParameters>

Non

Paramètres supplémentaires, tels que vad_model, keep_dialect et vocabulary.

connectTimeoutMs

number

Non

Délai de connexion en ms. Par défaut : 10000.

taskTimeoutMs

number

Non

Délai de confirmation de début/fin en ms. Par défaut : 60000 ; 0 le désactive.

parameters.vad_model

'near_meeting_16k' | 'far_field_meeting_16k'

Non

VAD de champ proche ou lointain. Par défaut : far_field_meeting_16k.

parameters.keep_dialect

boolean

Non

Conserve les expressions dialectales. Par défaut : false.

parameters.vocabulary

Record<string, number>

Non

Vocabulaire instantané : mots en clés, poids dans [1,5] ou 50 en valeurs.

parameters.speech_noise_threshold

number

Non

Seuil de sensibilité VAD : [-1,1].

parameters.intermediate_result_enabled

boolean

Non

Renvoie les résultats intermédiaires. Par défaut : false.

Référence de l’API

Qwen-Audio-ASR-Streaming

Méthodes principales

Méthode

Valeur de retour

Description

start()

Promise<void>

Démarre la reconnaissance ; envoyez l’audio après résolution.

sendAudio(audio: Buffer | Uint8Array)

void

Envoie les trames audio au format et à l’échantillonnage configurés.

finish()

Promise<void>

Termine l’entrée et attend la fin. Le texte arrive via les callbacks.

close(code?: number, reason?: string)

void

Ferme la connexion et libère les ressources de la tâche.

Événements de callback

Enregistrez les callbacks avec on(event, listener). Consultez les champs complets dans les événements serveur.

Événement

Charge utile

Description

started

{ taskId: string }

La tâche a démarré et accepte les entrées.

result

{ text: string; sentence_end: boolean; sentence_begin?: boolean; words?: RecognitionWord[] }

Phrase intermédiaire ou finale, hors résultats de heartbeat.

sentenceEnd

{ text: string; sentence_end: boolean; sentence_begin?: boolean; words?: RecognitionWord[] }

Phrase finale avec sentence_end === true.

finished

{ taskId: string; duration?: number; usage?: RecognitionUsage }

La tâche est terminée et l’état local effacé.

failed / error

DashScopeError

Erreur avec code, message et identifiants de requête.

close

{ code: number; reason: string }

Notification de fermeture de la connexion sous-jacente.

event

ServerEvent

Message JSON brut du service.

Qwen-Audio-ASR-Message

Méthodes principales

Méthode

Valeur de retour

Description

start()

Promise<void>

Démarre la reconnaissance ; envoyez l’audio après résolution.

sendAudio(audio: Buffer | Uint8Array)

void

Envoie les trames audio au format et à l’échantillonnage configurés.

updateContext(context: AsrContextMessage[])

void

Met à jour le contexte après démarrage et avant la fin de l’entrée.

finish()

Promise<void>

Termine l’entrée et attend la fin. Le texte arrive via les callbacks.

close(code?: number, reason?: string)

void

Ferme la connexion et libère les ressources de la tâche.

Événements de callback

Enregistrez les callbacks avec on(event, listener). Consultez les champs complets dans les événements serveur.

Événement

Charge utile

Description

started

{ taskId: string }

La tâche a démarré et accepte les entrées.

result

{ text: string; sentence_end: boolean; sentence_begin?: boolean; words?: RecognitionWord[] }

Phrase intermédiaire ou finale, hors résultats de heartbeat.

sentenceEnd

{ text: string; sentence_end: boolean; sentence_begin?: boolean; words?: RecognitionWord[] }

Phrase finale avec sentence_end === true.

finished

{ taskId: string; duration?: number; usage?: RecognitionUsage }

La tâche est terminée et l’état local effacé.

failed / error

DashScopeError

Erreur avec code, message et identifiants de requête.

close

{ code: number; reason: string }

Notification de fermeture de la connexion sous-jacente.

event

ServerEvent

Message JSON brut du service.