Alibaba Cloud Model Studio:SDK Android pengenalan suara non-real-time Qwen-Audio-ASR-Filetrans

url

String

Ya

Endpoint layanan:

• wss://dashscope.aliyuncs.com/api/v1/services/audio/asr/transcription

• Tiongkok (Beijing): wss://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api/v1/services/audio/asr/transcription

• Singapura: wss://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1/services/audio/asr/transcription

Ganti {WorkspaceId} dengan ID Workspace Anda yang sebenarnya.

apikey

String

Ya

Kunci API.

service_mode

String

Ya

Mode pelaksanaan. Ditetapkan ke "1" untuk pengenalan ucapan yang direkam.

device_id

String

Ya

String unik yang mengidentifikasi pengguna akhir. Atur ke ID pengguna dalam aplikasi atau pengenal perangkat yang dihasilkan oleh klien. ID ini terutama digunakan untuk pelacakan log dan pemecahan masalah.

debug_path

String

Tidak

Jalur penyimpanan untuk file log.

Parameter ini hanya berlaku jika save_log diatur ke true di antarmuka initialize. Dalam hal ini, Anda harus mengatur jalur file log, atau kesalahan akan dilaporkan.

Maksimal dua file log disimpan secara lokal.

max_log_file_size

int

Tidak

Ukuran maksimum file log, dalam byte.

Parameter ini hanya berlaku jika save_log diatur ke true di antarmuka initialize.

Default: 104857600 (100 * 1024 * 1024 byte, yaitu 100 MiB).

log_track_level

int

Tidak

Tingkat filter untuk konten log yang dikirim melalui callback log (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)

Catatan: log_track_level dan level (diatur melalui antarmuka initialize) bersama-sama menentukan log mana yang akhirnya dikirim ke callback. Log dikirim ke callback hanya ketika nilai levelnya lebih besar dari atau sama dengan log_track_level dan level. Misalnya, jika log_track_level diatur ke 2 (INFO) dan level diatur ke 3 (WARNING), hanya log pada level WARNING atau lebih tinggi (nilai >= 3) yang dikirim ke callback.

file_urls

array[string]

Ya

Daftar URL file audio atau video yang akan ditranskripsikan. HTTP dan HTTPS didukung. Satu permintaan hanya mendukung satu URL. Untuk persyaratan input seperti format audio yang didukung, batas ukuran file, dan batas durasi, lihat Spesifikasi audio.

Jika rekaman disimpan di Alibaba Cloud OSS, API RESTful mendukung URL sementara dengan awalan oss://, sedangkan SDK tidak mendukung URL sementara dengan awalan oss://.

async_request

boolean

Tidak

Apakah permintaan pengenalan bersifat asinkron.

Default: false.

Nilai yang valid:

• true: permintaan asinkron
• false: permintaan sinkron

apikey

string

Tidak

Jika apikey di Parameter koneksi dan kontrol adalah kunci API sementara, Anda dapat memperbaruinya di sini untuk menghindari kedaluwarsa.

nls_config

object

Ya

Objek konfigurasi inti untuk pengenalan ucapan. Berisi parameter kunci seperti pemilihan model dan kontrol pengenalan.

nls_config.model

string

Ya

Nama model.

nls_config.special_word_filter

object

Tidak

Kata sensitif yang akan diproses selama pengenalan suara. Anda dapat mengatur metode penanganan yang berbeda untuk setiap kata sensitif. Untuk detailnya, lihat Pemfilteran kata sensitif.

nls_config.channel_id

array[integer]

Tidak

Indeks trek audio yang akan dikenali dalam file audio multi-trek. Indeks dimulai dari 0. Misalnya, [0] mengenali trek pertama, dan [0, 1] mengenali trek pertama dan kedua secara bersamaan. Jika Anda menghilangkan parameter ini, hanya trek pertama yang diproses.

Nilai default: [0].

nls_config.diarization_enabled

boolean

Tidak

Apakah akan mengaktifkan diarization pembicara. Dinonaktifkan secara default.

Hanya berlaku untuk audio mono. Audio multi-saluran tidak mendukung diarization pembicara.

Saat diaktifkan, hasil pengenalan menyertakan bidang speaker_id yang membedakan pembicara yang berbeda.

Default: false.

Untuk contoh speaker_id, lihat Deskripsi hasil pengenalan.

nls_config.speaker_count

integer

Tidak

Nilai referensi untuk jumlah pembicara. Rentang yang valid adalah bilangan bulat dari 2 hingga 100 (inklusif).

Secara default, jumlah pembicara dideteksi secara otomatis. Jika Anda mengatur nilai ini, ini hanya memandu algoritme untuk menghasilkan jumlah yang ditentukan jika memungkinkan dan tidak menjamin jumlah yang tepat tersebut.

Tidak ada nilai default.

nls_config.vocabulary_id

string

Tidak

ID dari daftar hotword yang telah dikompilasi sebelumnya.

Hasilkan ID ini terlebih dahulu dengan memanggil API buat daftar hotword. Teruskan ID selama pengenalan untuk menggunakan hotword dalam daftar.

Cocok untuk skenario di mana kosakata diketahui dan relatif stabil, dan di mana Anda perlu menggunakan kembali daftar kata yang sama di berbagai permintaan.

Untuk detail penggunaan, lihat Hotword yang telah dikompilasi sebelumnya.

nls_config.input_context

array

Tidak

Daftar pesan yang berisi konteks percakapan opsional untuk meningkatkan akurasi pengenalan.

[
  {
    "role": "user",
    "content": [
      {
        "type": "input_text",
        "text": "你好啊，我是通义千问，有什么可以帮助你的？"
      }
    ]
  }
]

nls_config.instant_vocabulary

object

Tidak

Hotword instan, diteruskan sebagai pasangan kunci-nilai. Setiap kunci adalah teks hotword (string), dan setiap nilai adalah bobotnya (integer). Tidak diperlukan daftar hotword yang telah dikompilasi sebelumnya. Gunakan parameter ini untuk hotword sementara tingkat sesi.

Bobot yang valid adalah bilangan bulat dari 1 hingga 5, atau 50. Bobot yang lebih tinggi dari 1 hingga 5 membuat model lebih mungkin menghasilkan hotword. Bobot 50 mendefinisikan super hotword dan secara signifikan meningkatkan recall. Anda dapat menentukan hingga 50 super hotword.

Jika Anda juga mengonfigurasi hotword yang telah dikompilasi sebelumnya, kedua set akan digabungkan. Jika set yang digabungkan melebihi 2000 hotword, 2000 akan dipilih secara acak. Untuk penggunaan, lihat Hotword instan.

{
  "张三": 5,
  "李四": 5
}

nls_config.language_hints

array[string]

Tidak

Kode bahasa yang akan dikenali. Jika Anda tidak dapat menentukan bahasa terlebih dahulu, biarkan tidak diatur dan model akan mendeteksi bahasa secara otomatis.

Anda dapat menetapkan hingga 4 nilai. Jika lebih, hanya 4 nilai pertama yang berlaku.

callback

INativeFileTransCallback

Implementasi antarmuka callback event dan data.

parameters

String

String JSON yang berisi parameter autentikasi, koneksi, dan debugging. Lihat Parameter koneksi dan kontrol.

level

Constants.LogLevel

Mengontrol tingkat pencetakan log SDK itu sendiri.

save_log

boolean

Apakah akan menyimpan log secara lokal. Jika true, tentukan jalur dengan debug_path di Parameter koneksi dan kontrol, dan secara opsional atur ukuran file dengan max_log_file_size.

params

String

Parameter nls_config di Parameter pengenalan suara. Parameter selain nls_config tidak dapat diatur melalui metode ini.

Contoh:

{
    "nls_config": {
        "model":"qwen-audio-3.0-asr-flash-filetrans",
        "diarization_enabled": false
    }
}

params

String

Parameter pengenalan ucapan.

Contoh:

{
    "file_urls": [
        "{YOUR_AUDIO_URL}"
    ],
    "async_request": false,
    "nls_config": {
        "model":"qwen-audio-3.0-asr-flash-filetrans",
        "diarization_enabled": false
    }
}

task_id

byte[]

ID tugas. SDK menghasilkan string acak secara internal. Anda mendapatkan task_id setelah antarmuka ini berhasil dikembalikan.

task_id

String

ID tugas yang akan dikueri, diperoleh dari event EVENT_FILE_TRANS_UPLOADED.

task_id

String

ID tugas yang akan dibatalkan, diperoleh dari event 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

Parameter yang dicadangkan.

EVENT_FILE_TRANS_CONNECTED

Koneksi layanan berhasil.

EVENT_FILE_TRANS_UPLOADED

File audio yang akan dikenali berhasil diunggah. Anda sekarang dapat memperoleh task_id dari tugas saat ini.

EVENT_FILE_TRANS_QUERY_RESULT

Kueri hasil tugas.

EVENT_FILE_TRANS_RESULT

Hasil pengenalan akhir.

EVENT_ASR_ERROR

Terjadi error selama pengenalan ucapan.