Alibaba Cloud Model Studio:SDK Python pengenalan ucapan non-real-time Paraformer

model

str

Ya

Nama model untuk transkripsi file audio dan video Paraformer. Model yang didukung.

file_urls

list[str]

Ya

Daftar URL untuk transkripsi file audio dan video. Protokol HTTP dan HTTPS didukung. Satu permintaan hanya mendukung 1 URL.

Jika file audio disimpan di Alibaba Cloud OSS, SDK tidak mendukung URL sementara dengan awalan oss://.

vocabulary_id

str

Tidak

ID kosakata kustom. Didukung untuk model seri v2; memerlukan konfigurasi bahasa. Dinonaktifkan secara default. Kosakata Kustom.

channel_id

list[int]

[0]

Tidak

Menentukan indeks trek audio yang akan dikenali dalam file audio multi-trek. Indeks dimulai dari 0. Misalnya, [0] berarti mengenali trek pertama, dan [0, 1] berarti mengenali trek pertama dan kedua secara simultan. Jika parameter ini dihilangkan, hanya trek pertama yang diproses secara default.

disfluency_removal_enabled

bool

False

Tidak

Menyaring kata-kata pengisi. Dinonaktifkan secara default.

timestamp_alignment_enabled

bool

False

Tidak

Mengaktifkan penyelarasan timestamp. Dinonaktifkan secara default.

special_word_filter

str

Tidak

Menentukan kata sensitif yang akan diproses selama pengenalan ucapan dan mendukung pengaturan metode pemrosesan berbeda untuk kata sensitif yang berbeda.

Jika parameter ini tidak diberikan, sistem menggunakan logika penyaringan kata sensitif bawaan, dan kata-kata yang cocok dengan daftar kata sensitif Alibaba Cloud Model Studio dalam hasil pengenalan akan diganti dengan * dengan panjang yang sama.

Jika parameter ini diberikan, strategi pemrosesan kata sensitif berikut dapat diterapkan:

• Ganti dengan *: Ganti kata sensitif yang cocok dengan * dengan panjang yang sama.
• Filter langsung: Hapus sepenuhnya kata sensitif yang cocok dari hasil pengenalan.

Nilai parameter ini harus berupa string JSON dengan struktur berikut:

{
  "filter_with_signed": {
    "word_list": ["test"]
  },
  "filter_with_empty": {
    "word_list": ["start", "happen"]
  },
  "system_reserved_filter": true
}

Deskripsi bidang JSON:

• filter_with_signed

  • Tipe: Object.

  • Wajib: Tidak.

  • Deskripsi: Mengonfigurasi daftar kata sensitif yang akan diganti dengan *. Kata yang cocok dalam hasil pengenalan akan diganti dengan * dengan panjang yang sama.

  • Contoh: Menggunakan JSON di atas, hasil pengenalan ucapan untuk "Help me test this code" akan menjadi "Help me **** this code".

  • Bidang internal:

    • word_list: Array string yang mencantumkan kata sensitif yang akan diganti.

• filter_with_empty

  • Tipe: Object.

  • Wajib: Tidak.

  • Deskripsi: Mengonfigurasi daftar kata sensitif yang akan dihapus (difilter) dari hasil pengenalan. Kata yang cocok akan dihapus sepenuhnya.

  • Contoh: Menggunakan JSON di atas, hasil pengenalan ucapan untuk "The game is about to start, right?" akan menjadi "The game is about to, right?".

  • Bidang internal:

    • word_list: Array string yang mencantumkan kata sensitif yang akan dihapus sepenuhnya (difilter).

• system_reserved_filter

  • Tipe: Boolean.
  • Wajib: Tidak.
  • Default: true.
  • Deskripsi: Apakah akan mengaktifkan aturan kata sensitif bawaan sistem. Ketika diatur ke true, logika penyaringan kata sensitif bawaan sistem juga diaktifkan, dan kata-kata yang cocok dengan daftar kata sensitif Alibaba Cloud Model Studio dalam hasil pengenalan akan diganti dengan * dengan panjang yang sama.

language_hints

list[str]

["zh", "en"]

Tidak

Menentukan kode bahasa dari ucapan yang akan dikenali.

Parameter ini hanya berlaku untuk model paraformer-v2.

Kode bahasa yang didukung:

• zh: Bahasa Tiongkok
• en: Bahasa Inggris
• ja: Bahasa Jepang
• yue: Bahasa Kanton
• ko: Bahasa Korea
• de: Bahasa Jerman
• fr: Bahasa Prancis
• ru: Bahasa Rusia

diarization_enabled

bool

False

Tidak

Diarisasi pembicara otomatis. Dinonaktifkan secara default.

Hanya berlaku untuk audio mono. Audio multi-channel tidak mendukung diarisasi pembicara.

Ketika fitur ini diaktifkan, hasil pengenalan akan menyertakan bidang speaker_id untuk membedakan pembicara yang berbeda.

Untuk contoh speaker_id, lihat Deskripsi hasil pengenalan.

speaker_count

int

Tidak

Jumlah pembicara referensi. Bilangan bulat dari 2 hingga 100.

Berlaku hanya ketika diarization_enabled bernilai true.

Ditentukan secara otomatis secara default. Mengatur parameter ini membimbing algoritma tetapi tidak menjamin jumlah yang tepat.

status_code

Kode status permintaan HTTP.

code

• code paling luar dapat diabaikan.

• Dalam output.results, bidang code adalah kode kesalahan. Gunakan bersama bidang message dan rujuk ke Kode kesalahan untuk troubleshooting.

message

• message paling luar dapat diabaikan.

• message di bawah output.results adalah pesan kesalahan. Gunakan bersama bidang code dan rujuk ke kode kesalahan untuk troubleshooting.

task_id

ID tugas.

task_status

Status tugas.

Keempat status tersebut adalah PENDING, RUNNING, SUCCEEDED, dan FAILED.

Ketika sebuah tugas berisi beberapa subtugas, jika ada subtugas yang berhasil, status seluruh tugas ditandai sebagai SUCCEEDED. Periksa bidang subtask_status untuk menentukan hasil setiap subtugas tertentu.

results

Hasil pengenalan dari subtugas.

subtask_status

Status subtugas.

Keempat status tersebut adalah PENDING, RUNNING, SUCCEEDED, dan FAILED.

file_url

URL file audio yang akan dikenali.

transcription_url

URL yang sesuai dengan hasil pengenalan audio.

Hasil pengenalan disimpan sebagai file JSON. Unduh file dari URL di transcription_url atau baca isinya melalui permintaan HTTP. Untuk detail konten file JSON, lihat Deskripsi hasil pengenalan.

code

Kode kesalahan. Gunakan bersama bidang message. Lihat Kode kesalahan.

message

Pesan kesalahan. Gunakan bersama bidang code. Lihat Kode kesalahan.

task_id

ID tugas.

task_status

Status tugas.

Keempat status tersebut adalah PENDING, RUNNING, SUCCEEDED, dan FAILED.

Ketika sebuah tugas berisi beberapa subtugas, jika ada subtugas yang berhasil, status seluruh tugas ditandai sebagai SUCCEEDED. Periksa bidang subtask_status untuk menentukan hasil setiap subtugas tertentu.

results

Hasil pengenalan dari subtugas.

subtask_status

Status subtugas.

Keempat status tersebut adalah PENDING, RUNNING, SUCCEEDED, dan FAILED.

file_url

URL file audio yang akan dikenali.

transcription_url

URL yang sesuai dengan hasil pengenalan audio.

Hasil pengenalan disimpan dalam file JSON. Unduh file dari transcription_url atau baca isinya melalui permintaan HTTP. Untuk detail konten JSON, lihat Deskripsi hasil pengenalan.

audio_format

string

Format audio dari file sumber.

channels

array[integer]

Informasi indeks trek audio dari file sumber. Mengembalikan [0] untuk audio mono, [0, 1] untuk audio dual-trek, dan seterusnya.

original_sampling_rate

integer

Frekuensi sampling (Hz) audio dalam file sumber.

original_duration

integer

Durasi audio asli (ms) dari file sumber.

channel_id

integer

Indeks trek audio dari hasil transkripsi, dimulai dari 0.

content_duration

integer

Durasi (ms) konten yang diidentifikasi sebagai ucapan dalam trek audio.

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 awal (ms).

end_time

integer

Timestamp akhir (ms).

text

string

Hasil transkripsi ucapan.

speaker_id

integer

Indeks pembicara saat ini, dimulai dari 0, digunakan untuk membedakan pembicara yang berbeda.

Bidang ini hanya ditampilkan dalam hasil pengenalan ketika diarisasi pembicara diaktifkan.

punctuation

string

Tanda baca yang diprediksi setelah kata (jika ada).

async_call

@classmethod
def async_call(cls,
               model: str,
               file_urls: List[str],
               phrase_id: str = None,
               api_key: str = None,
               workspace: str = None,
               **kwargs) -> TranscriptionResponse

Mengirimkan tugas pengenalan ucapan secara asinkron.

Metode ini mengembalikan TranscriptionResponse.

wait

@classmethod
def wait(cls,
         task: Union[str, TranscriptionResponse],
         api_key: str = None,
         workspace: str = None,
         **kwargs) -> TranscriptionResponse

Memblokir thread saat ini hingga tugas asinkron selesai (status SUCCEEDED atau FAILED).

Metode ini mengembalikan TranscriptionResponse.

fetch

@classmethod
def fetch(cls,
          task: Union[str, TranscriptionResponse],
          api_key: str = None,
          workspace: str = None,
          **kwargs) -> TranscriptionResponse

Meminta hasil eksekusi tugas secara asinkron.

Metode ini mengembalikan TranscriptionResponse.