transkripsi file audio API RESTful Fun-ASR DashScope - Alibaba Cloud Model Studio

Gunakan HTTP API Fun-ASR untuk mengirimkan file audio guna ditranskripsikan dan mengambil hasilnya melalui DashScope.

Panduan pengguna: Pengenalan ucapan non-real-time. Untuk format audio yang didukung, batas ukuran file, dan batas durasi, lihat Spesifikasi audio.

Panggilan asinkron DashScope (Fun-ASR)

Cara kerja

Berbeda dengan panggilan sinkron yang langsung mengembalikan hasil, mode asinkron menangani file audio panjang dan tugas yang memakan waktu. Mode ini menggunakan alur kerja kirim-lalu-polling untuk menghindari timeout permintaan selama pemrosesan berlangsung lama:

Langkah 1: Kirim tugas
- Klien mengirim permintaan pemrosesan asinkron.
- Setelah memvalidasi permintaan, server mengembalikan task_id unik tanpa langsung mengeksekusi tugas, yang menandakan bahwa tugas berhasil dibuat.
Langkah 2: Dapatkan hasilnya
- Klien menggunakan task_id yang dikembalikan untuk melakukan polling ke endpoint kueri hasil secara berulang.
- Saat tugas selesai, endpoint kueri hasil akan mengembalikan hasil transkripsi akhir.

Titik akhir layanan

Tiongkok (Beijing)

Endpoint kirim tugas: POST https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api/v1/services/audio/asr/transcription

Endpoint kueri tugas: GET https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api/v1/tasks/{task_id}

Ganti {WorkspaceId} dengan workspace ID Anda yang sebenarnya.

Singapura

Endpoint kirim tugas: POST https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1/services/audio/asr/transcription

Endpoint kueri tugas: GET https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1/tasks/{task_id}

Ganti {WorkspaceId} dengan workspace ID Anda yang sebenarnya.

Singapura

Endpoint pengiriman tugas: POST https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1/services/audio/asr/transcription

Endpoint kueri tugas: GET https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1/tasks/{task_id}

Ganti {WorkspaceId} dengan workspace ID Anda yang sebenarnya.

Tiongkok (Beijing)

Endpoint pengiriman tugas: POST https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api/v1/services/audio/asr/transcription

Endpoint kueri tugas: GET https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api/v1/tasks/{task_id}

Ganti {WorkspaceId} dengan workspace ID aktual Anda.

Penting

Alibaba Cloud Model Studio telah merilis domain khusus ruang kerja untuk wilayah Tiongkok (Beijing) dan Singapura. Domain khusus baru ini memberikan performa lebih baik dan stabilitas lebih tinggi untuk permintaan inferensi. Kami merekomendasikan migrasi ke domain baru:

Tiongkok (Beijing): dari dashscope.aliyuncs.com ke {WorkspaceId}.cn-beijing.maas.aliyuncs.com
Singapura: dari dashscope-intl.aliyuncs.com ke {WorkspaceId}.ap-southeast-1.maas.aliyuncs.com

Ganti {WorkspaceId} dengan Workspace ID Anda yang sebenarnya. Domain lama tetap berfungsi sepenuhnya.

Penting

Saat mengirimkan tugas melalui domain baru (https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com), badan permintaan harus menyertakan objek parameters. Bahkan jika Anda tidak perlu mengatur parameter apa pun, kirimkan objek kosong {}. Jika tidak, tugas berhasil dikirim tetapi transkripsi gagal.

Ganti {WorkspaceId} dengan workspace ID Anda yang sebenarnya.

Header permintaan

Parameter	Tipe	Wajib	Deskripsi
Authorization	string	Ya	Token autentikasi dalam format `Bearer <your_api_key>`. Ganti `<your_api_key>` dengan Kunci API Anda yang sebenarnya. Diperlukan untuk kedua endpoint, baik kirim tugas maupun kueri tugas.
Content-Type	string	Ya	Jenis media dari badan permintaan. Hanya diperlukan untuk endpoint kirim tugas. Atur ke `application/json`.
X-DashScope-Async	string	Ya	Identifier tugas asinkron. Hanya diperlukan untuk endpoint kirim tugas. Atur ke `enable`. Menghilangkan header ini menyebabkan pengiriman tugas gagal.

Kirim tugas

Mengirimkan tugas transkripsi audio. Endpoint ini mengembalikan respons secara asinkron; gunakan Kueri tugas untuk melakukan polling terhadap hasilnya.

Isi permintaan	URL berikut untuk wilayah Singapura. Ganti WorkspaceId dengan workspace ID Anda yang sebenarnya. URL berbeda tiap wilayah. Kunci API untuk Singapura dan Beijing berbeda. `curl --location 'https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1/services/audio/asr/transcription' \ --header "Authorization: Bearer $DASHSCOPE_API_KEY" \ --header "Content-Type: application/json" \ --header "X-DashScope-Async: enable" \ --data '{ "model": "fun-asr", "input": { "file_urls": [ "https://dashscope.oss-cn-beijing.aliyuncs.com/samples/audio/paraformer/hello_world_female2.wav" ] }, "parameters": { "channel_id": [0] } }'`
model `string` (Wajib) Nama model untuk transkripsi file audio dan video. Nilai yang valid: fun-asr fun-asr-2025-11-07 fun-asr-2025-08-25 fun-asr-mtl fun-asr-mtl-2025-08-25
input `object` (Wajib) Objek parameter input. Properti file_urls `array[string]` (Wajib) Daftar URL file audio atau video yang akan ditranskripsikan. Mendukung HTTP dan HTTPS. Setiap permintaan hanya menerima satu URL. Untuk format audio yang didukung, batas ukuran file, dan batas durasi, lihat Spesifikasi audio. Jika file audio Anda disimpan di Alibaba Cloud OSS, RESTful API juga mendukung URL sementara dengan awalan `oss://`. Penting URL sementara kedaluwarsa setelah 48 jam dan tidak dapat digunakan lagi. Jangan gunakan di lingkungan produksi. API kredensial unggah file memiliki pembatasan kecepatan pada 100 QPS dan tidak dapat diskalakan. Jangan gunakan di skenario produksi, konkurensi tinggi, atau pengujian beban. Di lingkungan produksi, simpan file di penyimpanan stabil seperti Alibaba Cloud OSS untuk memastikan ketersediaan jangka panjang dan menghindari pembatasan kecepatan. Jika URL publik sementara OSS tidak dapat diakses, atur `X-DashScope-OssResourceResolve` ke `enable` di Header permintaan (tidak direkomendasikan). Java SDK dan Python SDK tidak mendukung header permintaan kustom.
parameters `object` (Opsional) Objek parameter permintaan. Penting Saat menggunakan domain baru (`https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com`), `parameters` wajib diisi. Bahkan jika Anda tidak perlu mengatur parameter apa pun, kirimkan objek kosong `{}`. Jika Anda menghilangkan field ini, tugas berhasil dikirim tetapi endpoint hasil kueri mengembalikan kegagalan transkripsi. Properti vocabulary_id `string` (Opsional) ID kosakata kustom. Saat diatur, kosakata kustom yang terkait dengan ID ini akan berlaku selama transkripsi. Secara default dinonaktifkan. Untuk petunjuk penggunaan, lihat Hotword kustom. channel_id `array[integer]` (Opsional) Menentukan indeks track audio yang akan ditranskripsikan dalam file audio multi-track. Indeks dimulai dari 0. Misalnya, [0] mentranskripsikan track pertama, dan [0, 1] mentranskripsikan track pertama dan kedua. Jika dihilangkan, hanya track pertama yang diproses. Penting Setiap track yang ditentukan ditagih secara terpisah. Misalnya, meminta [0, 1] untuk satu file dikenai dua biaya terpisah. Default: [0]. special_word_filter `string` (Opsional) Menentukan kata sensitif yang akan ditangani selama transkripsi, dengan metode pemrosesan berbeda untuk kata yang berbeda. Untuk detailnya, lihat Filter kata sensitif. diarization_enabled `boolean` (Opsional) Apakah akan mengaktifkan diarization pembicara. Secara default dinonaktifkan. Hanya berlaku untuk audio mono. Audio multi-channel tidak mendukung diarization pembicara. Saat diaktifkan, hasil transkripsi mencakup field `speaker_id` untuk membedakan pembicara yang berbeda. Catatan Jika diarization pembicara diaktifkan, pastikan durasi audio di bawah 2 jam. Audio yang lebih panjang dapat menyebabkan kegagalan transkripsi atau timeout. Untuk contoh `speaker_id`, lihat Deskripsi hasil transkripsi. Default: false. speaker_count `integer` (Opsional) Penting Hanya berlaku saat diarization pembicara diaktifkan (`diarization_enabled` diatur ke `true`). Petunjuk jumlah pembicara yang diharapkan. Nilai yang valid: bilangan bulat dari 2 hingga 100, inklusif. Secara default, sistem mendeteksi jumlah pembicara secara otomatis. Memberikan nilai ini membimbing algoritma menuju jumlah yang ditentukan, tetapi tidak menjamin jumlah tersebut dalam output. language_hints `array[string]` (Opsional) Bahasa audio yang akan ditranskripsikan. Jika bahasa tidak diketahui, hilangkan parameter ini. Model akan mendeteksi bahasa secara otomatis. Hanya nilai pertama dalam array yang dibaca. Nilai tambahan diabaikan. Lihat kode bahasa yang didukung fun-asr, fun-asr-2025-11-07, fun-asr-mtl, fun-asr-mtl-2025-08-25: zh: Bahasa Tiongkok en: Inggris ja: Jepang ko: Korea vi: Vietnam th: Thai id: Bahasa Indonesia ms: Melayu tl: Filipina hi: Hindi ar: Arab fr: Prancis de: Jerman es: Spanyol pt: Portugis ru: Rusia it: Italia nl: Belanda sv: Swedia da: Bahasa Denmark fi: Bahasa Finlandia no: Norwegia el: Yunani pl: Bahasa Polandia cs: Ceko hu: Hongaria ro: Rumania bg: Bahasa Bulgaria hr: Kroasia sk: Slowakia fun-asr-2025-08-25: zh: Bahasa Tiongkok en: Inggris

Isi respons	`{ "output": { "task_status": "PENDING", "task_id": "c2e5d63b-96e1-4607-bb91-**********" }, "request_id": "77ae55ae-be17-97b8-9942--**********" }`
request_id `string` Identifier unik untuk permintaan ini.
output `object` Data yang dikembalikan saat mengirimkan tugas. Properti task_id `string` ID tugas. Berikan ID ini sebagai string ke Kueri tugas. task_status `string` Status tugas. Mengembalikan `PENDING` saat tugas berhasil dikirim.

Tugas Kueri

Mengembalikan status dan hasil tugas transkripsi audio. Lakukan polling ke endpoint ini hingga tugas mencapai status terminal.

Isi Permintaan	URL berikut untuk wilayah Singapura. Ganti WorkspaceId dengan workspace ID Anda yang sebenarnya. URL berbeda tiap wilayah. Kunci API untuk Singapura dan Beijing berbeda. `curl --location 'https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1/tasks/{task_id}' \ --header "Authorization: Bearer $DASHSCOPE_API_KEY"`
task_id `string` (Wajib) Penting Parameter path URL. Tidak ada badan permintaan. ID tugas yang akan dikueri, dikembalikan sebagai `task_id` oleh Kirim tugas.

Isi respons	Contoh sukses { "request_id": "f9e1afad-94d3-997e-a83b-**********", "output": { "task_id": "f86ec806-4d73-485f-a24f-********", "task_status": "SUCCEEDED", "submit_time": "2024-09-12 15:11:40.041", "scheduled_time": "2024-09-12 15:11:40.071", "end_time": "2024-09-12 15:11:40.903", "results": [ { "file_url": "https://dashscope.oss-cn-beijing.aliyuncs.com/samples/audio/paraformer/hello_world_female2.wav", "transcription_url": "https://dashscope-result-bj.oss-cn-beijing.aliyuncs.com/pre/filetrans-16k/20240912/15%3A11/409a4b92-445b-4dd8-8c1d-f110954d82d8-1.json?Expires=1726211500&OSSAccessKeyId=yourOSSAccessKeyId&Signature=v5Owy5qoAfT7mzGmQgH0g8C**%3D", "subtask_status": "SUCCEEDED" } ], "task_metrics": { "TOTAL": 1, "SUCCEEDED": 1, "FAILED": 0 } }, "usage": { "duration": 9 } } Contoh error { "task_id": "7bac899c-06ec-4a79-8875-xxxxxxxxxxxx", "task_status": "SUCCEEDED", "submit_time": "2024-12-16 16:30:59.170", "scheduled_time": "2024-12-16 16:30:59.204", "end_time": "2024-12-16 16:31:02.375", "results": [ { "file_url": "https://dashscope.oss-cn-beijing.aliyuncs.com/samples/audio/sensevoice/rich_text_exaple_1.wav", "code": "FILE_DOWNLOAD_FAILED", "message": "The audio file cannot be downloaded.", "subtask_status": "FAILED" } ], "task_metrics": { "TOTAL": 1, "SUCCEEDED": 0, "FAILED": 1 } }
request_id `string` Identifier unik untuk permintaan ini.
output `object` Data yang dikembalikan saat mengkueri tugas. Properti task_id `string` ID tugas yang dikueri. task_status `string` Status tugas yang dikueri. Catatan Saat tugas berisi beberapa subtugas, status keseluruhan tugas ditandai sebagai `SUCCEEDED` selama ada subtugas yang berhasil. Periksa field `subtask_status` untuk menentukan hasil subtugas individual. submit_time `string` Waktu saat tugas dikirim. scheduled_time `string` Waktu saat tugas dijadwalkan untuk dieksekusi. end_time `string` Waktu saat tugas selesai. results `array[object]` Daftar hasil subtugas, satu untuk setiap file audio yang akan ditranskripsikan. Properti subtask_status `string` Status subtugas. file_url `string` URL file yang diproses dalam subtugas transkripsi ini. transcription_url `string` URL untuk mengunduh hasil transkripsi. URL ini berlaku selama 24 jam. Setelah kedaluwarsa, URL yang sebelumnya dikembalikan tidak dapat lagi digunakan untuk mengkueri tugas atau mengunduh hasil. Hasil transkripsi disimpan sebagai file JSON. Anda dapat mengunduh file ini melalui URL atau membaca isinya langsung melalui permintaan HTTP. Untuk makna setiap field dalam data JSON, lihat Deskripsi hasil transkripsi. code `string` Penting Hanya dikembalikan saat subtugas gagal. Kode kesalahan subtugas yang gagal. message `string` Penting Hanya dikembalikan saat subtugas gagal. Pesan kesalahan subtugas yang gagal. task_metrics `object` Statistik eksekusi tugas secara keseluruhan. Properti TOTAL `integer` Jumlah total subtugas. SUCCEEDED `integer` Jumlah subtugas yang berhasil. FAILED `integer` Jumlah subtugas yang gagal.

API lainnya: kueri batch status tugas dan pembatalan tugas

Untuk detailnya, lihat 管理异步任务: mendukung kueri batch tugas transkripsi file audio yang dikirim dalam 24 jam terakhir, dan membatalkan tugas dalam status PENDING (antrian).

Deskripsi hasil transkripsi

Hasil pengenalan disimpan sebagai file JSON.

Klik untuk melihat contoh hasil pengenalan

{
    "file_url":"https://dashscope.oss-cn-beijing.aliyuncs.com/samples/audio/paraformer/hello_world_female2.wav",
    "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, // Field ini hanya ditampilkan saat diarization pembicara otomatis diaktifkan.
                    "words":[
                        {
                            "begin_time":100,
                            "end_time":596,
                            "text":"Hello ",
                            "punctuation":""
                        },
                        {
                            "begin_time":596,
                            "end_time":844,
                            "text":"world",
                            "punctuation":", "
                        }
                        // Konten lainnya dihilangkan di sini.
                    ]
                }
            ]
        }
    ]
}

Parameter utama adalah sebagai berikut:

Parameter	Tipe	Deskripsi
audio_format	string	Format audio dalam file sumber.
channels	array[integer]	Informasi indeks track audio dalam file sumber. Mengembalikan [0] untuk audio single-track, [0, 1] untuk audio dual-track, dan seterusnya.
original_sampling_rate	integer	Laju sampel audio dalam file sumber (Hz).
original_duration_in_milliseconds	integer	Durasi asli audio dalam file sumber (ms).
channel_id	integer	Indeks track audio yang ditranskripsikan, dimulai dari 0.
content_duration_in_milliseconds	integer	Durasi konten dalam track audio yang diidentifikasi sebagai suara (ms). Penting Penagihan hanya berdasarkan durasi konten suara (bagian non-suara tidak diukur). Durasi suara biasanya lebih pendek daripada durasi audio total. Deteksi suara berbasis AI mungkin memiliki sedikit perbedaan.
transcript	string	Hasil transkripsi ucapan tingkat paragraf.
sentences	array	Hasil transkripsi ucapan tingkat kalimat.
words	array	Hasil transkripsi ucapan tingkat kata.
begin_time	integer	Timestamp mulai (ms).
end_time	integer	Timestamp akhir (ms).
text	string	Hasil transkripsi ucapan.
speaker_id	integer	Indeks pembicara saat ini, dimulai dari 0. Ini digunakan untuk membedakan pembicara yang berbeda. Field ini hanya ditampilkan dalam hasil pengenalan saat diarization pembicara diaktifkan.
punctuation	string	Tanda baca yang diprediksi setelah kata, jika ada.

Panggilan sinkron DashScope (Fun-ASR-Flash)

Penting

Panggilan SDK tidak didukung untuk fitur ini.

Titik akhir

Tiongkok (Beijing)

POST https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation

Ganti {WorkspaceId} dengan Workspace ID Anda yang sebenarnya.

Singapura

POST https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation

Ganti {WorkspaceId} dengan Workspace ID Anda yang sebenarnya.

Singapura

POST https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation

Ganti {WorkspaceId} dengan Workspace ID Anda yang sebenarnya.

Tiongkok (Beijing)

POST https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation

Ganti {WorkspaceId} dengan workspace ID Anda yang sebenarnya.

Penting

Tiongkok (Beijing): dari dashscope.aliyuncs.com ke {WorkspaceId}.cn-beijing.maas.aliyuncs.com
Singapura: dari dashscope-intl.aliyuncs.com ke {WorkspaceId}.ap-southeast-1.maas.aliyuncs.com

Ganti {WorkspaceId} dengan Workspace ID Anda yang sebenarnya. Domain lama tetap berfungsi sepenuhnya.

Header permintaan

Parameter	Tipe	Wajib	Deskripsi
Authorization	string	Ya	Token autentikasi dalam format `Bearer <your_api_key>`. Ganti `<your_api_key>` dengan Kunci API Anda yang sebenarnya.
Content-Type	string	Ya	Jenis media dari badan permintaan. Atur ke `application/json`.
X-DashScope-SSE	string	Ya	Mengontrol apakah hasil dikembalikan sebagai aliran SSE. Atur ke `enable` untuk menerima hasil antara dan akhir secara bertahap. Atur ke `disable` atau hilangkan header ini untuk hanya menerima hasil akhir.

Isi permintaan	URL berikut untuk wilayah Singapura. Ganti WorkspaceId dengan workspace ID Anda yang sebenarnya. URL dan Kunci API berbeda tiap wilayah. Non-streaming curl --location --request POST 'https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation' \ --header "Authorization: Bearer $DASHSCOPE_API_KEY" \ --header "Content-Type: application/json" \ --header "X-DashScope-SSE: disable" \ --data '{ "model": "fun-asr-flash-2026-06-15", "input": { "messages": [ { "role": "user", "content": [ { "type": "input_audio", "input_audio": { "data": "https://dashscope.oss-cn-beijing.aliyuncs.com/samples/audio/paraformer/hello_world_female2.wav" } } ] } ] }, "parameters": { "format": "wav", "sample_rate": "16000" } }' Streaming curl --location --request POST 'https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation' \ --header "Authorization: Bearer $DASHSCOPE_API_KEY" \ --header "Content-Type: application/json" \ --header "X-DashScope-SSE: enable" \ --data '{ "model": "fun-asr-flash-2026-06-15", "input": { "messages": [ { "role": "user", "content": [ { "type": "input_audio", "input_audio": { "data": "https://dashscope.oss-cn-beijing.aliyuncs.com/samples/audio/paraformer/hello_world_female2.wav" } } ] } ] }, "parameters": { "format": "wav", "sample_rate": "16000" } }' Dengan konteks - Non-streaming curl --location --request POST 'https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation' \ --header "Authorization: Bearer $DASHSCOPE_API_KEY" \ --header "Content-Type: application/json" \ --header "X-DashScope-SSE: disable" \ --data '{ "model": "fun-asr-flash-2026-06-15", "input": { "messages": [ { "role": "user", "content": [ { "type": "input_text", "text": "Hello!" } ] }, { "role": "assistant", "content": [ { "type": "text", "text": "Hello! I am Tongyi Qianwen. How can I help you?" } ] }, { "role": "user", "content": [ { "type": "input_audio", "input_audio": { "data": "https://dashscope.oss-cn-beijing.aliyuncs.com/samples/audio/paraformer/hello_world_female2.wav" } } ] } ] }, "parameters": { "format": "wav", "sample_rate": "16000" } }' Dengan konteks - Streaming curl --location --request POST 'https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation' \ --header "Authorization: Bearer $DASHSCOPE_API_KEY" \ --header "Content-Type: application/json" \ --header "X-DashScope-SSE: enable" \ --data '{ "model": "fun-asr-flash-2026-06-15", "input": { "messages": [ { "role": "user", "content": [ { "type": "input_text", "text": "Hello!" } ] }, { "role": "assistant", "content": [ { "type": "text", "text": "Hello! I am Tongyi Qianwen. How can I help you?" } ] }, { "role": "user", "content": [ { "type": "input_audio", "input_audio": { "data": "https://dashscope.oss-cn-beijing.aliyuncs.com/samples/audio/paraformer/hello_world_female2.wav" } } ] } ] }, "parameters": { "format": "wav", "sample_rate": "16000" } }' Base64 Anda dapat mengirimkan data yang dienkripsi Base64 (Data URI) dalam format: `data:<mediatype>;base64,<data>`. `<mediatype>`: Tipe MIME Bervariasi berdasarkan format audio. Contoh: WAV: `audio/wav` MP3: `audio/mpeg` `<data>`: String audio file yang dienkripsi Base64 Pengkodean Base64 meningkatkan ukuran muatan. Pastikan file asli cukup kecil sehingga data terenkripsi tetap dalam batas ukuran input audio 10 MB. Contoh: `data:audio/wav;base64,SUQzBAAAAAAAI1RTU0UAAAAPAAADTGF2ZjU4LjI5LjEwMAAAAAAAAAAAAAAA//PAxABQ/BXRbMPe4IQAhl9` Lihat contoh kode Python `import base64, pathlib # input.mp3 adalah file audio lokal yang akan ditranskripsikan. Ganti dengan path file Anda sendiri dan pastikan memenuhi persyaratan audio. file_path = pathlib.Path("input.mp3") base64_str = base64.b64encode(file_path.read_bytes()).decode() data_uri = f"data:audio/mpeg;base64,{base64_str}"` Java import java.nio.file.; import java.util.Base64; public class Main { /* * filePath adalah file audio lokal yang akan ditranskripsikan. Ganti dengan path file Anda sendiri dan pastikan memenuhi persyaratan audio. */ public static String toDataUrl(String filePath) throws Exception { byte[] bytes = Files.readAllBytes(Paths.get(filePath)); String encoded = Base64.getEncoder().encodeToString(bytes); return "data:audio/mpeg;base64," + encoded; } public static void main(String[] args) throws Exception { System.out.println(toDataUrl("input.mp3")); } } import base64, pathlib import os import requests # input.wav adalah file audio lokal yang akan ditranskripsikan. Ganti dengan path file Anda sendiri dan pastikan memenuhi persyaratan audio. file_path = pathlib.Path("input.wav") base64_str = base64.b64encode(file_path.read_bytes()).decode() data_uri = f"data:audio/wav;base64,{base64_str}" # Ganti "{WorkspaceId}" dengan workspace ID Anda yang sebenarnya url = "https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation" headers = { "Authorization": f"Bearer {os.environ['DASHSCOPE_API_KEY']}", "Content-Type": "application/json", "X-DashScope-SSE": "disable", } payload = { "model": "fun-asr-flash-2026-06-15", "input": { "messages": [ { "role": "user", "content": [ { "type": "input_audio", "input_audio": { "data": data_uri, }, } ], } ] }, "parameters": { "format": "wav", "sample_rate": "16000", }, } response = requests.post(url, headers=headers, json=payload) print(response.status_code) print(response.json())
model `string` (Wajib) Nama model. Atur ke `fun-asr-flash-2026-06-15`.
input `object` (Wajib) Informasi input. Properti messages `array(object)` (Wajib) Daftar pesan. Berisi audio yang akan ditranskripsikan, dan opsional konteks percakapan untuk meningkatkan akurasi pengenalan. Penting Fitur konteks meningkatkan akurasi pengenalan untuk kosakata khusus. Untuk detail penggunaan, lihat Mulai cepat. Batasan: Pesan konteks (`input_text` dan `text`) masing-masing dibatasi hingga 5. Jika melebihi, hanya 5 yang terbaru yang dipertahankan. Panjang teks total per giliran (`user` dan `assistant` panjang field `text` digabungkan) tidak boleh melebihi 400 karakter (dihitung per karakter, setiap karakter dihitung sebagai 1). Konten berlebih dipotong diam-diam dari akhir. Penting Saat memberikan konteks, urutan pesan dalam array `messages` penting: pesan konteks harus mengikuti urutan giliran percakapan, dengan setiap pesan `user` (`input_text`) ditempatkan sebelum pesan `assistant` (`text`) yang sesuai. Pesan `user` yang berisi `input_audio` harus selalu menjadi item terakhir dalam array `messages`. Properti role `string` (Wajib) Peran pesan. Nilai yang valid: `user` (Wajib): Pesan pengguna. Saat tipe adalah `input_audio`, ini merepresentasikan audio yang akan ditranskripsikan. Saat tipe adalah `input_text`, ini merepresentasikan hasil transkripsi giliran sebelumnya atau daftar kata khusus domain (opsional, untuk konteks). `assistant` (Opsional, untuk konteks): Respons LLM dari giliran sebelumnya. content `array(object)` (Wajib) Daftar konten pesan. Properti type `string` (Wajib) Tipe konten. Setiap permintaan harus menyertakan setidaknya satu pesan `input_audio`. Nilai yang valid: `input_audio` (Wajib): Input audio untuk transkripsi saat ini (peran harus user). Sertakan objek `input_audio`. `input_text` (Opsional, untuk konteks): Hasil transkripsi giliran sebelumnya atau daftar kata khusus domain (peran harus user). Sertakan field `text`. `text` (Opsional, untuk konteks): Respons LLM dari giliran sebelumnya (peran harus assistant). Sertakan field `text`. input_audio `object` (Wajib bersyarat) Wajib saat `type` adalah `input_audio`. Properti data `string` (Wajib) Data audio untuk transkripsi. Untuk format audio yang didukung, batas ukuran file, dan batas durasi, lihat Spesifikasi audio. Dua format didukung: URL file audio: URL yang dapat diakses publik yang menunjuk ke file audio. Data URI Base64: Data URI yang berisi data audio terenkripsi Base64, dibentuk dengan menggabungkan awalan `data:{MIME_TYPE};base64,` dengan data audio terenkripsi Base64. Tipe MIME yang didukung termasuk `audio/wav` dan `audio/mp3`. Contoh (URL): `https://example.com/audio/sample.wav` Contoh (Base64): `data:audio/wav;base64,{BASE64_ENCODED_DATA}` text `string` (Wajib bersyarat) Saat `type` adalah `input_text`, berikan hasil transkripsi dari giliran sebelumnya atau daftar kata khusus domain. Saat `type` adalah `text`, berikan respons LLM dari giliran sebelumnya. Panjang teks dihitung per karakter, setiap karakter dihitung sebagai 1. Panjang field `text` gabungan semua pesan dalam satu giliran tidak boleh melebihi 400 karakter. Konten berlebih dipotong dari akhir.
parameters `object` (Wajib) Parameter model. Properti format `string` (Wajib) Format audio. Atur ini ke format aktual file audio Anda, seperti `wav`, `mp3`, atau `opus`. Untuk detailnya, lihat Spesifikasi audio. sample_rate `string` (Opsional) Laju sampel audio dalam Hz. Misalnya, `16000` menunjukkan laju sampel 16 kHz. Untuk detailnya, lihat Spesifikasi audio.

Badan respons	Non-streaming { "output": { "sentence": { "begin_time": 760, "channel_id": 0, "end_time": 3800, "sentence_end": true, "sentence_id": 1, "text": "Hello world, this is Alibaba Speech Lab.", "words": [ {"begin_time": 760, "end_time": 1040, "fixed": true, "punctuation": "", "text": "Hello"}, {"begin_time": 1040, "end_time": 1240, "fixed": true, "punctuation": "，", "text": " world"}, {"begin_time": 1360, "end_time": 1880, "fixed": true, "punctuation": "", "text": "this is"}, {"begin_time": 1880, "end_time": 2520, "fixed": true, "punctuation": "", "text": "Alibaba"}, {"begin_time": 2520, "end_time": 2840, "fixed": true, "punctuation": "", "text": "Speech"}, {"begin_time": 2840, "end_time": 3800, "fixed": true, "punctuation": "。", "text": "Lab"} ] }, "text": "Hello world, this is Alibaba Speech Lab." }, "usage": { "duration": 4 }, "request_id": "40e0734d-096f-9ae3-86c1-a8c013287561" } Streaming Saat `X-DashScope-SSE: enable` diatur, server mengembalikan hasil menggunakan protokol Server-Sent Events (SSE). Setiap event SSE memiliki format berikut: `id:{sequence_number} event:result :HTTP_STATUS/200 data:{JSON data}` Contoh respons: id:1 event:result :HTTP_STATUS/200 data:{"output":{"sentence":{"sentence_id":1,"sentence_end":true,"end_time":3800,"words":[{"end_time":1040,"punctuation":"","begin_time":760,"fixed":true,"text":"Hello"},{"end_time":1240,"punctuation":"，","begin_time":1040,"fixed":true,"text":" World"},{"end_time":1880,"punctuation":"","begin_time":1360,"fixed":true,"text":"this is"},{"end_time":2520,"punctuation":"","begin_time":1880,"fixed":true,"text":"Alibaba"},{"end_time":2840,"punctuation":"","begin_time":2520,"fixed":true,"text":"Speech"},{"end_time":3800,"punctuation":"。","begin_time":2840,"fixed":true,"text":"Lab"}],"begin_time":760,"text":"Hello world, this is Alibaba Speech Lab","channel_id":0},"text":"Hello World, this is Alibaba Speech Lab."},"usage":{"duration":4},"request_id":"fc1582e4-935c-9fc2-a482-a98bf43daa69"}
request_id `string` Identifier unik untuk permintaan ini.
output `object` Hasil output. Properti text `string` Teks transkripsi lengkap yang terakumulasi hingga titik ini. sentence `object` Detail kalimat saat ini. Properti sentence_id `integer` Nomor kalimat, dimulai dari 1. sentence_end `boolean` Apakah ini hasil akhir untuk kalimat tersebut. Saat `true`, pengenalan untuk kalimat ini selesai. begin_time `integer` Waktu mulai kalimat dalam milidetik. end_time `integer` Waktu akhir kalimat dalam milidetik. Hanya dikembalikan saat `sentence_end` adalah `true`. text `string` Teks transkripsi untuk kalimat saat ini. channel_id `integer` Nomor channel audio, dimulai dari 0. words `array` Daftar timestamp tingkat kata. Properti text `string` Teks kata. begin_time `integer` Waktu mulai kata dalam milidetik. end_time `integer` Waktu akhir kata dalam milidetik. punctuation `string` Tanda baca setelah kata. String kosong jika tidak ada. fixed `boolean` Apakah kata tersebut telah difinalisasi. `false` berarti timestamp dapat disesuaikan dalam event berikutnya.
usage `object` Informasi penggunaan. Hanya dikembalikan saat `sentence_end` adalah `true`. Properti duration `integer` Durasi audio yang diproses dalam detik.

Pemrosesan hasil streaming SSE

Dalam mode streaming, perhatikan hal berikut:

Untuk setiap event SSE yang diterima, uraikan JSON dalam field data.
Periksa output.sentence.sentence_end untuk menentukan apakah kalimat saat ini sudah selesai: saat nilainya true, pengenalan untuk kalimat tersebut selesai dan timestamp tingkat kata telah difinalisasi; saat nilainya false, pengenalan masih berlangsung dan teks serta timestamp dapat berubah dalam event berikutnya.
Informasi usage hanya dikembalikan dalam event akhir kalimat. Gunakan informasi ini untuk melacak durasi pemrosesan audio.

Panggilan asinkron DashScope (Fun-ASR)

Cara kerja

Titik akhir layanan

Tiongkok (Beijing)

Singapura

Singapura

Tiongkok (Beijing)

Header permintaan

Kirim tugas

Isi permintaan

Isi respons

Tugas Kueri

Isi Permintaan

Isi respons

Contoh sukses

Contoh error

API lainnya: kueri batch status tugas dan pembatalan tugas

Deskripsi hasil transkripsi

Panggilan sinkron DashScope (Fun-ASR-Flash)

Titik akhir

Tiongkok (Beijing)

Singapura

Singapura

Tiongkok (Beijing)

Header permintaan

Isi permintaan

Non-streaming

Streaming

Dengan konteks - Non-streaming

Dengan konteks - Streaming

Base64

Badan respons

Non-streaming

Streaming

Pemrosesan hasil streaming SSE