Alibaba Cloud Model Studio:Pengenalan ucapan non-real-time (Qwen-Audio-ASR) Android SDK

url

String

Ya

Endpoint layanan:

• wss://dashscope.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation

• Tiongkok (Beijing): wss://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation

• Singapura: wss://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation

Ganti {WorkspaceId} dengan ID Workspace.

apikey

String

Ya

API Key.

service_mode

String

Ya

Mode operasi. Untuk pengenalan ucapan non-real-time, atur parameter ini ke "1".

device_id

String

Ya

String unik yang mengidentifikasi pengguna akhir. Anda dapat menggunakan ID pengguna dalam aplikasi atau pengidentifikasi perangkat unik yang dibuat klien. ID ini terutama digunakan untuk pelacakan log dan pemecahan masalah.

debug_path

String

Tidak

Jalur untuk file log. Parameter ini hanya berlaku jika Anda memanggil initialize dengan save_log diatur ke true. Dalam kasus ini, Anda harus menentukan jalur file log. Jika tidak, akan terjadi error. Hingga dua file log dipertahankan secara lokal.

max_log_file_size

int

Tidak

Ukuran file log maksimum dalam byte. Parameter ini hanya berlaku ketika Anda memanggil initialize dengan save_log diatur ke true. Default: 104857600 (100 * 1024 * 1024 byte, atau 100 MiB).

log_track_level

int

Tidak

Tingkat pemfilteran untuk log yang dikirim melalui callback logging (onFileTransLogTrackCallback). Default: 2. Nilai yang valid:

• 0: LOG_LEVEL_VERBOSE
• 1: LOG_LEVEL_DEBUG
• 2: LOG_LEVEL_INFO
• 3: LOG_LEVEL_WARNING
• 4: LOG_LEVEL_ERROR
• 5: LOG_LEVEL_NONE (menonaktifkan fitur ini).

apikey

string

Tidak

Jika Connection and control parameters apikey menggunakan temporary API key, Anda dapat memperbaruinya di sini untuk mencegah kedaluwarsa.

nls_config

object

Ya

Objek konfigurasi pengenalan ucapan inti, termasuk model dan parameter yang mengontrol pengenalan.

nls_config.model

string

Ya

Nama model.

nls_config.format

string

Ya

Format audio. Atur parameter ini ke format aktual. Format yang didukung meliputi wav, mp3, opus. Untuk detailnya, lihat Audio specifications.

nls_config.sample_rate

string

Tidak

Tingkat sampel audio dalam Hz. Misalnya, 16000 menunjukkan tingkat sampel 16 kHz. Untuk detailnya, lihat Audio specifications.

nls_config.vocabulary_id

string

Tidak

ID kosakata yang telah dikompilasi sebelumnya. Buat kosakata terlebih dahulu dan berikan ID-nya selama pengenalan untuk menggunakan kata kuncinya. Gunakan opsi ini jika kosakata sudah diketahui, relatif stabil, dan digunakan kembali di berbagai permintaan. Untuk petunjuk penggunaan, lihat Kata kunci yang telah dikompilasi sebelumnya.

nls_config.instant_vocabulary

object

Tidak

Kata kunci instan.

Berikan pasangan kunci-nilai. Kuncinya adalah teks kata kunci (string) dan nilainya adalah bobotnya (integer). Anda tidak perlu membuat kosakata terlebih dahulu. Bobot yang valid adalah [1, 5] atau 50. Dalam rentang [1, 5], bobot yang lebih tinggi membuat model lebih mungkin menghasilkan kata tersebut. Bobot 50 menentukan kata kunci super dan secara signifikan meningkatkan recall. Anda dapat menentukan hingga 50 kata kunci super.

Gunakan opsi ini untuk optimasi kata kunci sementara tingkat sesi.

Jika kata kunci instan dan yang telah dikompilasi sebelumnya dikonfigurasi, sistem akan menggabungkannya. Jika daftar gabungan melebihi 2000 entri, sistem akan memilih 2000 entri secara acak. Untuk petunjuk penggunaan, lihat Kata kunci instan.

{
  "张三": 5,
  "李四": 5
}

nls_config.language_hints

array[string]

Tidak

Kode bahasa yang akan dikenali. Jika bahasa belum diketahui, abaikan parameter ini agar model mendeteksinya secara otomatis. Anda dapat menetapkan hingga 4 nilai. Jika lebih, hanya 4 nilai pertama yang berlaku.

Menentukan kode bahasa dapat meningkatkan akurasi pengenalan.

messages

array[object]

Ya

Daftar pesan. Berisi audio yang akan dikenali dan konteks percakapan opsional untuk meningkatkan pengenalan.

role

string

Ya

Peran pesan. Nilai yang valid:

• user (wajib): Pesan pengguna. Jika tipe adalah input_audio, ini mewakili audio yang akan dikenali. Jika tipe adalah input_text, ini mewakili hasil pengenalan dari giliran sebelumnya atau kosakata spesifik domain (konteks opsional).

• assistant (konteks opsional): Respons model bahasa besar dari percakapan sebelumnya.

content

array[object]

Ya

Daftar isi pesan. Lihat deskripsi berikut.

type

string

Ya

Tipe konten. Setiap permintaan memerlukan setidaknya satu input_audio pesan. Nilai yang valid:

• input_audio (wajib): Input audio yang akan dikenali (role adalah user). Anda juga harus menyediakan objek input_audio.

• input_text (konteks opsional): Hasil pengenalan ucapan pengguna dari percakapan sebelumnya atau kosakata khusus domain (role adalah user). Anda juga harus menyediakan bidang text.

• text (konteks opsional): Respons model bahasa besar dari percakapan sebelumnya (role adalah assistant). Anda juga harus menyediakan bidang text.

input_audio

object

Tidak

Wajib diisi ketika type adalah input_audio.

input_audio.data

string

Ya

Data audio yang akan dikenali. Untuk format audio yang didukung, batas ukuran file, batas durasi, dan persyaratan input lainnya, lihat Spesifikasi audio. Dua metode input berikut didukung:

• URL file audio: Berikan URL file audio yang dapat diakses secara publik.

• Base64 Data URI: Berikan audio yang dienkode Base64 sebagai Data URI. Gabungkan prefiks data:{MIME_TYPE};base64, dengan data audio yang dienkode Base64. Jenis MIME yang didukung meliputi audio/wav, audio/mp3.

Contoh (URL): https://example.com/audio/sample.wav

Contoh (Base64): data:audio/wav;base64,{BASE64_ENCODED_DATA}

text

string

Tidak

Wajib jika type adalah input_text, berikan hasil pengenalan ucapan pengguna dari giliran sebelumnya atau kosakata spesifik domain. Jika type adalah text, berikan respons model bahasa besar dari giliran sebelumnya. Panjang teks dihitung dalam karakter, dengan setiap karakter dihitung sebagai satu. Total panjang semua bidang text pesan di setiap giliran konteks tidak boleh melebihi 400 karakter. Karakter berlebih akan dipotong dari akhir.

callback

INativeFileTransCallback

Implementasi antarmuka callback event dan data.

parameters

String

String JSON yang berisi parameter autentikasi, koneksi, dan debugging. Lihat Connection and control parameters.

level

Constants.LogLevel

Level log yang dicetak oleh SDK.

save_log

boolean

Apakah akan menyimpan log secara lokal. Jika diatur ke true, gunakan Connection and control parameters untuk mengatur debug_path guna menentukan path, dan gunakan max_log_file_size untuk mengatur ukuran file.

params

String

Parameter pengenalan di nls_config dan parameter messages.

Contoh:

{
  "messages": [
    {
      "content": [
        {
          "input_audio": {
            "data": "{YOUR_AUDIO_URL}"
          },
          "type": "input_audio"
        }
      ],
      "role": "user"
    }
  ],
  "nls_config": {
    "format": "mp3",
    "model": "qwen-audio-3.0-asr-flash"
  }
}

params

String

Parameter pengenalan. Contoh:

{
  "apikey": "st-****",
  "messages": [
    {
      "content": [
        {
          "input_audio": {
            "data": "{YOUR_AUDIO_URL}"
          },
          "type": "input_audio"
        }
      ],
      "role": "user"
    }
  ],
  "nls_config": {
    "format": "mp3",
    "model": "qwen-audio-3.0-asr-flash"
  }
}

task_id

byte[ ]

Anda dapat mengabaikan parameter ini dan meneruskan null.

task_id

String

ID tugas yang akan dibatalkan, diperoleh dari EVENT_FILE_TRANS_UPLOADED.

event

NuiEvent

Event callback.

resultCode

int

Hanya valid saat event EVENT_ASR_ERROR terjadi.

asrResult

AsrResult

Hasil pengenalan ucapan.

taskId

String

ID tugas.

arg2

int

Dicadangkan.

EVENT_FILE_TRANS_CONNECTED

Berhasil terhubung ke layanan.

EVENT_FILE_TRANS_UPLOADED

File audio berhasil diunggah. Anda dapat memperoleh task_id saat ini pada titik ini.

EVENT_FILE_TRANS_RESULT

Hasil pengenalan akhir.

EVENT_ASR_ERROR

Terjadi error selama pengenalan ucapan.