All Products
Search
Document Center

Alibaba Cloud Model Studio:SDK Python untuk pengenalan ucapan non-real-time Qwen-Audio-ASR-Filetrans

Last Updated:Oct 29, 2026

Topik ini menjelaskan parameter dan antarmuka SDK Python untuk pengenalan ucapan non-real-time Qwen-Audio-ASR-Filetrans.

Untuk persyaratan input seperti format audio yang didukung, batas ukuran file, dan batas durasi, lihat Spesifikasi audio.

Prasyarat

  • Anda telah mengaktifkan layanan dan mendapatkan Kunci API. Harap konfigurasikan Kunci API sebagai Variabel lingkungan alih-alih melakukan hardcoding di kode Anda untuk mencegah risiko keamanan akibat kebocoran kode.

  • Instal SDK DashScope terbaru.

Mulai cepat

Contoh berikut menggunakan DashScope Python SDK 2.0. Resource inti (client.audio.asr) menyediakan metode untuk mengirim, menunggu, dan mengueri tugas dengan dua cara berikut:

  • Kirim tugas secara asinkron dan tunggu secara sinkron: setelah mengirimkan tugas, blokir thread saat ini hingga tugas selesai dan kembalikan hasil pengenalan.
  • Kirim tugas secara asinkron dan ambil hasil secara asinkron: setelah mengirimkan tugas, panggil antarmuka query untuk mengambil hasil kapan pun Anda membutuhkannya.

Kirim secara asinkron dan tunggu secara sinkron

Kirim tugas dan tunggu
  1. Panggil client.audio.asr.jobs.create untuk mengirim tugas dengan parameter permintaan.

    Catatan

    • Layanan transkripsi file memproses tugas yang dikirim melalui API berdasarkan prinsip best-effort. Setelah Anda mengirimkan tugas, tugas tersebut masuk ke status antrian (PENDING). Waktu antrian bergantung pada panjang antrian dan durasi file, sehingga tidak dapat ditentukan secara pasti, tetapi biasanya dalam hitungan beberapa menit. Setelah pemrosesan dimulai, pengenalan ucapan selesai dengan kecepatan ratusan kali lipat dari kecepatan real-time.
    • Setelah setiap tugas selesai, hasil pengenalan dan URL unduhan berlaku selama 24 jam. Setelah masa berlaku habis, Anda tidak dapat lagi mengambil tugas atau mengunduh hasil melalui URL yang dikembalikan dalam query sebelumnya.
  2. Panggil client.audio.asr.jobs.wait(job=job) untuk menunggu penyelesaian secara sinkron.

    Selama tugas berstatus PENDING atau RUNNING, jobs.wait terus menunggu. Metode ini mengembalikan Job saat tugas berhasil.

    Metode mengembalikan Job. Baca daftar hasil dari job.results; setiap transcription_url mengarah ke hasil transkripsi yang dapat diunduh.

import json
import os

import dashscope

# Ganti {WorkspaceId} dengan ID ruang kerja sebenarnya untuk wilayah tersebut.
client = dashscope.Client(
    api_key=os.environ["DASHSCOPE_API_KEY"],
    workspace="{WorkspaceId}",
    region="ap-southeast-1",
)

job = client.audio.asr.jobs.create(
    model="qwen-audio-3.0-asr-flash-filetrans",
    file_urls=["{YOUR_AUDIO_URL}"],
)

job = client.audio.asr.jobs.wait(job=job)

print(json.dumps(job.model_dump(), indent=4, ensure_ascii=False))

Kirim secara asinkron dan ambil hasil secara asinkron

Kirim tugas dan periksa status
  1. Panggil client.audio.asr.jobs.create untuk mengirim tugas dengan parameter permintaan.

    Catatan

    • Layanan transkripsi file memproses tugas yang dikirim melalui API berdasarkan prinsip best-effort. Setelah Anda mengirimkan tugas, tugas tersebut masuk ke status antrian (PENDING). Waktu antrian bergantung pada panjang antrian dan durasi file, sehingga tidak dapat ditentukan secara pasti, tetapi biasanya dalam hitungan beberapa menit. Setelah pemrosesan dimulai, pengenalan ucapan selesai dengan kecepatan ratusan kali lipat dari kecepatan real-time.
    • Setelah setiap tugas selesai, hasil pengenalan dan URL unduhan berlaku selama 24 jam. Setelah masa berlaku habis, Anda tidak dapat lagi mengambil tugas atau mengunduh hasil melalui URL yang dikembalikan dalam query sebelumnya.
  2. Panggil client.audio.asr.jobs.fetch(task_id) dalam loop dan baca hasilnya setelah tugas berhasil.

    Baca status tugas dari job.status. Contoh ini mengueri tugas sekali per detik.

    Metode mengembalikan Job. Baca daftar hasil dari job.results; setiap transcription_url mengarah ke hasil transkripsi yang dapat diunduh.

import json
import os
import time

import dashscope

# Ganti {WorkspaceId} dengan ID ruang kerja sebenarnya untuk wilayah tersebut.
client = dashscope.Client(
    api_key=os.environ["DASHSCOPE_API_KEY"],
    workspace="{WorkspaceId}",
    region="ap-southeast-1",
)

job = client.audio.asr.jobs.create(
    model="qwen-audio-3.0-asr-flash-filetrans",
    file_urls=["{YOUR_AUDIO_URL}"],
)

while job.status in ("PENDING", "RUNNING"):
    time.sleep(1)
    job = client.audio.asr.jobs.fetch(task_id=job.task_id)

print(json.dumps(job.model_dump(), indent=4, ensure_ascii=False))

Titik akhir layanan

SDK menggunakan wilayah Beijing secara default. Saat membuat dashscope.Client, tentukan wilayah melalui region dan ID ruang kerja melalui workspace. Pengaturan wilayah hanya berlaku untuk Client ini.

Singapura

https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1

Ganti {WorkspaceId} dengan ID Ruang Kerja aktual Anda.

China (Beijing)

https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api/v1

Ganti {WorkspaceId} dengan ID Ruang Kerja aktual Anda.

API Key berbeda untuk setiap wilayah. Gunakan API Key untuk wilayah yang sesuai.

Parameter permintaan

Atur parameter permintaan melalui client.audio.asr.transcribe atau client.audio.asr.jobs.create.

ParameterTipeWajibDeskripsi

model

str

Ya

Nama model.

file_urls

list[str]

Ya

Daftar URL file audio atau video yang akan ditranskripsi. 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, RESTful API mendukung URL sementara dengan awalan oss://, sedangkan SDK tidak mendukung URL sementara dengan awalan oss://.

Penting

  • URL sementara berlaku selama 48 jam dan tidak dapat digunakan setelah masa berlaku habis. Jangan gunakan di lingkungan produksi.

  • Antarmuka unggah kredensial memiliki Pembatasan laju hingga 100 QPS dan tidak dapat diskalakan. Jangan gunakan di lingkungan produksi, skenario konkurensi tinggi, atau skenario uji stres.

  • Untuk produksi, gunakan penyimpanan stabil seperti Alibaba Cloud OSS agar file tersedia dalam jangka panjang dan menghindari Pembatasan laju.

  • Jika URL file audio yang diatur ke URL publik sementara OSS tidak dapat diakses, atur X-DashScope-OssResourceResolve ke enable di header permintaan (tidak disarankan).

    SDK tidak mendukung konfigurasi header permintaan.

parameters.keep_dialect

bool

Tidak

Hanya didukung oleh qwen-audio-3.1-asr-flash-filetrans. Nilai default adalah false, yang mentranskripsikan dialek menjadi bahasa Mandarin standar. Tetapkan ke true untuk mempertahankan ungkapan dialek.

parameters.vocabulary_id

str

Tidak

ID daftar kata kunci panas yang telah dikompilasi sebelumnya.

Hasilkan ID ini terlebih dahulu dengan memanggil API pembuatan daftar kata kunci panas. Masukkan ID ini selama pengenalan untuk menggunakan kata kunci dalam daftar tersebut.

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

Untuk detail penggunaan, lihat Kata kunci panas yang telah dikompilasi.

parameters.vocabulary

dict

Tidak

Hotword instan.

Diteruskan sebagai pasangan kunci-nilai, di mana kunci adalah teks kata kunci panas (string) dan nilai adalah bobot kata kunci panas (integer). Tidak perlu membuat daftar kata kunci panas terlebih dahulu. Bobot berkisar dari [1, 5] atau diatur ke 50: nilai dalam [1, 5] membuat model lebih cenderung menghasilkan kata tersebut seiring peningkatan nilainya; nilai 50 menandakan kata kunci super panas, yang sangat meningkatkan recall, tetapi jumlah kata kunci super panas tidak boleh melebihi 50.

Cocok untuk optimasi kata kunci panas tingkat sesi yang bersifat sementara.

Jika kata kunci instan dan prakompilasi dikonfigurasi bersama, kedua daftar digabungkan. Jika hasil gabungan melebihi 2000 kata kunci, 2000 kata kunci dipilih secara acak. Untuk detail penggunaan, lihat Kata kunci panas instan.

Contoh:

Contoh berikut menggunakan kembali client yang telah dikonfigurasi dengan wilayah dan ruang kerja di Mulai cepat.

vocab = {"Zhang San": 5, "Li Si": 5}
result = client.audio.asr.jobs.create(
    model="qwen-audio-3.0-asr-flash-filetrans",
    file_urls=["{YOUR_AUDIO_URL}"],
    parameters={"vocabulary": vocab},
)

parameters.channel_id

list[int]

Tidak

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

PentingSetiap track yang ditentukan ditagih secara independen. Misalnya, meminta [0, 1] untuk satu file dikenai dua biaya terpisah.

Nilai default: [0].

parameters.special_word_filter

str

Tidak

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

parameters.diarization_enabled

bool

Tidak

Apakah akan mengaktifkan diarization pembicara. Secara default dinonaktifkan.

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

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

CatatanSaat diarization pembicara diaktifkan, pastikan durasi audio tidak melebihi 2 jam. Jika tidak, pengenalan mungkin gagal atau timeout.

Nilai default: False.

Untuk contoh speaker_id, lihat Deskripsi hasil pengenalan.

parameters.speaker_count

int

Tidak

PentingHanya berlaku saat diarization pembicara diaktifkan (diarization_enabled diatur ke True).

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

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

Tidak ada nilai default.

parameters.language_hints

list[str]

Tidak

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

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

Klik untuk melihat kode bahasa yang didukung

  • zh: Chinese
  • en: English
  • ja: Japanese
  • ko: Korean
  • vi: Vietnamese
  • th: Thai
  • id: Indonesian
  • ms: Malay
  • tl: Filipino
  • hi: Hindi
  • ar: Arabic
  • fr: French
  • de: German
  • es: Spanish
  • pt: Portuguese
  • ru: Russian
  • it: Italian
  • nl: Dutch
  • sv: Swedish
  • da: Danish
  • fi: Finnish
  • no: Norwegian
  • el: Greek
  • pl: Polish
  • cs: Czech
  • hu: Hungarian
  • ro: Romanian
  • bg: Bulgarian
  • hr: Croatian
  • sk: Slovak

Tanggapan

Job

Job berisi informasi tugas, output mentah, dan penggunaan.

{
    "task_id": "00000000-0000-0000-0000-000000000001",
    "status": "PENDING",
    "submitted_at": "2026-10-29 10:00:00.000",
    "scheduled_at": null,
    "finished_at": null,
    "output": {
        "task_id": "00000000-0000-0000-0000-000000000001",
        "task_status": "PENDING",
        "submit_time": "2026-10-29 10:00:00.000"
    },
    "usage": null
}
{
    "task_id": "00000000-0000-0000-0000-000000000001",
    "status": "RUNNING",
    "submitted_at": "2026-10-29 10:00:00.000",
    "scheduled_at": "2026-10-29 10:00:00.100",
    "finished_at": null,
    "output": {
        "task_id": "00000000-0000-0000-0000-000000000001",
        "task_status": "RUNNING",
        "submit_time": "2026-10-29 10:00:00.000",
        "scheduled_time": "2026-10-29 10:00:00.100"
    },
    "usage": null
}
{
    "task_id": "00000000-0000-0000-0000-000000000001",
    "status": "SUCCEEDED",
    "submitted_at": "2026-10-29 10:00:00.000",
    "scheduled_at": "2026-10-29 10:00:00.100",
    "finished_at": "2026-10-29 10:00:01.000",
    "output": {
        "task_id": "00000000-0000-0000-0000-000000000001",
        "task_status": "SUCCEEDED",
        "submit_time": "2026-10-29 10:00:00.000",
        "scheduled_time": "2026-10-29 10:00:00.100",
        "end_time": "2026-10-29 10:00:01.000",
        "results": [
            {
                "file_url": "{YOUR_AUDIO_URL}",
                "transcription_url": "{TRANSCRIPTION_URL}",
                "subtask_status": "SUCCEEDED"
            }
        ]
    },
    "usage": {
        "duration": 1,
        "total_tokens": 0,
        "output_tokens": 0,
        "input_tokens": 0
    }
}
{
    "task_id": "00000000-0000-0000-0000-000000000001",
    "status": "FAILED",
    "submitted_at": "2026-10-29 10:00:00.000",
    "scheduled_at": "2026-10-29 10:00:00.100",
    "finished_at": "2026-10-29 10:00:01.000",
    "output": {
        "task_id": "00000000-0000-0000-0000-000000000001",
        "task_status": "FAILED",
        "submit_time": "2026-10-29 10:00:00.000",
        "scheduled_time": "2026-10-29 10:00:00.100",
        "end_time": "2026-10-29 10:00:01.000",
        "code": "SERVER_ERROR",
        "file_url": "{YOUR_AUDIO_URL}",
        "subtask_status": "FAILED",
        "results": [
            {
                "file_url": "{YOUR_AUDIO_URL}",
                "subtask_status": "FAILED",
                "results": []
            }
        ]
    },
    "usage": null
}

Kolom

Deskripsi

task_id

ID tugas.

status

Status tugas: PENDING, RUNNING, SUCCEEDED, atau FAILED.

submitted_at

Waktu pengiriman, sesuai dengan job.output["submit_time"].

scheduled_at

Waktu mulai pemrosesan, sesuai dengan job.output["scheduled_time"].

finished_at

Waktu selesai, sesuai dengan job.output["end_time"].

output

Dictionary output tugas mentah.

results

Daftar hasil subtugas, dapat diakses melalui job.results. Unduh file JSON pada transcription_url untuk mendapatkan teks yang dikenali.

usage

Informasi penggunaan tugas. qwen-audio-3.1-asr-flash-filetrans melaporkan penggunaan Token melalui input_tokens, output_tokens, dan total_tokens. qwen-audio-3.0-asr-flash-filetrans diukur berdasarkan duration.

Job.output

job.output adalah dictionary output tugas mentah yang dikembalikan oleh layanan.

PENDING

{
    "task_id": "00000000-0000-0000-0000-000000000001",
    "task_status": "PENDING",
    "submit_time": "2026-10-29 10:00:00.000"
}

RUNNING

{
    "task_id": "00000000-0000-0000-0000-000000000001",
    "task_status": "RUNNING",
    "submit_time": "2026-10-29 10:00:00.000",
    "scheduled_time": "2026-10-29 10:00:00.100"
}

SUCCEEDED

{
    "task_id": "00000000-0000-0000-0000-000000000001",
    "task_status": "SUCCEEDED",
    "submit_time": "2026-10-29 10:00:00.000",
    "scheduled_time": "2026-10-29 10:00:00.100",
    "end_time": "2026-10-29 10:00:01.000",
    "results": [
        {
            "file_url": "{YOUR_AUDIO_URL}",
            "transcription_url": "{TRANSCRIPTION_URL}",
            "subtask_status": "SUCCEEDED"
        }
    ]
}

FAILED (raise_on_error=False)

{
    "task_id": "00000000-0000-0000-0000-000000000001",
    "task_status": "FAILED",
    "submit_time": "2026-10-29 10:00:00.000",
    "scheduled_time": "2026-10-29 10:00:00.100",
    "end_time": "2026-10-29 10:00:01.000",
    "code": "SERVER_ERROR",
    "file_url": "{YOUR_AUDIO_URL}",
    "subtask_status": "FAILED",
    "results": [
        {
            "file_url": "{YOUR_AUDIO_URL}",
            "subtask_status": "FAILED",
            "results": []
        }
    ]
}
ParameterDeskripsi

code

Kode kesalahan. Gabungkan dengan bidang message dan rujuk ke Kode kesalahan untuk memecahkan masalah.

message

Pesan kesalahan. Gabungkan dengan bidang code dan rujuk ke Kode kesalahan untuk memecahkan masalah.

task_id

ID Tugas.

task_status

Status tugas.

Salah satu dari empat status: PENDING, RUNNING, SUCCEEDED, dan FAILED.

Saat tugas berisi beberapa subtugas, status tugas keseluruhan ditandai sebagai SUCCEEDED selama ada subtugas yang berhasil. Periksa bidang subtask_status untuk menentukan hasil setiap subtugas.

results

Hasil pengenalan subtugas.

subtask_status

Status subtugas.

Salah satu dari empat status: PENDING, RUNNING, SUCCEEDED, dan FAILED.

file_url

URL audio yang dikenali.

transcription_url

URL hasil pengenalan audio.

Hasil pengenalan disimpan sebagai file JSON. Anda dapat mengunduh file tersebut dari tautan yang terkait dengan transcription_url atau membaca isinya langsung melalui permintaan HTTP. Untuk isi file JSON, lihat Deskripsi hasil pengenalan.

Deskripsi hasil pengenalan

Hasil pengenalan disimpan sebagai file JSON.

{
    "file_url":"{YOUR_AUDIO_URL}",
    "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, //Bidang ini ditampilkan hanya 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 berikut perlu diperhatikan:

ParameterTipeDeskripsi

audio_format

string

Format audio file sumber.

channels

array[integer]

Indeks track audio dalam file sumber. Untuk audio single-track, [0] dikembalikan; untuk audio dual-track, [0, 1] dikembalikan; dan seterusnya.

original_sampling_rate

integer

Laju sampel (Hz) audio dalam file sumber.

original_duration_in_milliseconds

integer

Durasi audio asli (ms) dalam file sumber.

channel_id

integer

Indeks track hasil transkripsi, dimulai dari 0.

content_duration

integer

Durasi (ms) konten dalam track yang diidentifikasi sebagai ucapan.

CatatanPenjelasan penagihan berikut berlaku untuk qwen-audio-3.0-asr-flash-filetrans. qwen-audio-3.1-asr-flash-filetrans ditagih berdasarkan penggunaan token.

Layanan model pengenalan ucapan hanya mentranskripsi konten dalam track yang diidentifikasi sebagai ucapan, dan melakukan metering serta penagihan berdasarkan durasi tersebut. Konten non-ucapan tidak di-metering atau ditagih. Biasanya, durasi konten ucapan lebih pendek daripada durasi audio asli. Karena keberadaan konten ucapan ditentukan oleh model AI, hasilnya mungkin sedikit berbeda dari situasi aktual.

transcript

string

Hasil transkripsi tingkat paragraf.

sentences

array

Hasil transkripsi tingkat kalimat.

words

array

Hasil transkripsi tingkat kata.

begin_time

integer

Timestamp mulai (ms).

end_time

integer

Timestamp akhir (ms).

text

string

Hasil transkripsi.

speaker_id

integer

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

Bidang ini muncul dalam hasil pengenalan hanya saat diarization pembicara diaktifkan.

punctuation

string

Tanda baca yang diprediksi setelah kata, jika ada.

Antarmuka utama

Resource inti (client.audio.asr)

Buat klien dengan dashscope.Client, lalu gunakan resource client.audio.asr. Semua metode berikut mengembalikan Job.

Metode

Signature metode

Deskripsi

transcribe

def transcribe(
    file_urls: List[str],
    *,
    model: str = "qwen-audio-3.1-asr-flash-filetrans",
    parameters: Optional[Dict[str, Any]] = None,
    phrase_id: Optional[str] = None,
    timeout: float = 86400.0,
    submit_timeout: Optional[float] = None,
    poll_interval: float = 1.0,
    max_interval: float = 8.0,
    api_key: Optional[str] = None,
    workspace: Optional[str] = None,
) -> Job

Kirim tugas dan tunggu penyelesaiannya secara sinkron. Model default adalah qwen-audio-3.1-asr-flash-filetrans. Tentukan model secara eksplisit untuk memanggil model lain.

jobs.create

def create(
    *,
    model: str,
    file_urls: List[str],
    parameters: Optional[Dict[str, Any]] = None,
    phrase_id: Optional[str] = None,
    timeout: Optional[float] = None,
    api_key: Optional[str] = None,
    workspace: Optional[str] = None,
) -> Job

Kirim tugas dan kembalikan Job yang berisi task_id dan status, tanpa menunggu pengenalan selesai.

jobs.wait

def wait(
    job: Union[Job, str],
    *,
    poll_interval: float = 1.0,
    max_interval: float = 8.0,
    timeout: float = 86400.0,
    api_key: Optional[str] = None,
    workspace: Optional[str] = None,
) -> Job

Teruskan Job atau ID tugas dan tunggu penyelesaiannya secara sinkron. Atur interval polling awal dan maksimum melalui poll_interval dan max_interval, serta total waktu tunggu melalui timeout. Semua nilai dalam detik.

jobs.fetch

def fetch(
    task_id: str,
    *,
    timeout: Optional[float] = None,
    api_key: Optional[str] = None,
    workspace: Optional[str] = None,
) -> Job

Kueri status dan hasil tugas sekali berdasarkan ID tugas, tanpa menunggu penyelesaian.

Kode kesalahan

Secara default, tugas yang gagal memicu DashScopeError. Untuk menerima Job yang gagal, atur raise_on_error=False saat membuat Client, lalu periksa job.status.

Jika Anda mengalami kesalahan, lihat Kode kesalahan untuk memecahkan masalah.

Saat tugas berisi beberapa subtugas, status tugas keseluruhan ditandai sebagai SUCCEEDED selama setidaknya satu subtugas berhasil. Periksa bidang subtask_status untuk menentukan hasil setiap subtugas.

Contoh tanggapan kesalahan:

{
    "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": "{YOUR_AUDIO_URL}",
            "code": "InvalidFile.DownloadFailed",
            "message": "The audio file cannot be downloaded.",
            "subtask_status": "FAILED"
        }
    ],
    "task_metrics": {
        "TOTAL": 1,
        "SUCCEEDED": 0,
        "FAILED": 1
    }
}

FAQ

Fitur

T: Apakah audio terenkode Base64 didukung?

Audio yang dienkripsi Base64 tidak didukung. Hanya audio di URL yang dapat diakses publik yang dapat dikenali. Aliran biner dan file lokal tidak dapat dikenali secara langsung.

T: Bagaimana cara membuat file audio tersedia di URL yang dapat diakses publik?

Langkah-langkah umum adalah sebagai berikut. Ini adalah salah satu pendekatan; proses sebenarnya bervariasi tergantung produk penyimpanan. Kami menyarankan Anda mengunggah audio ke Alibaba Cloud OSS:

1. Pilih metode penyimpanan dan hosting

Contohnya:

  • Layanan penyimpanan objek (direkomendasikan):

    • Gunakan layanan penyimpanan objek penyedia cloud (seperti Alibaba Cloud OSS) untuk mengunggah file audio ke bucket dan mengaturnya ke akses publik.
    • Keuntungan: Ketersediaan tinggi, dukungan akselerasi CDN, dan manajemen mudah.
  • Server web:

    • Letakkan file audio di server web yang mendukung akses HTTP/HTTPS (seperti Nginx atau Apache).
    • Keuntungan: Cocok untuk proyek kecil atau pengujian lokal.
  • Jaringan pengiriman konten (CDN):

    • Host file audio di CDN dan akses melalui URL yang disediakan CDN.
    • Keuntungan: Mempercepat pengiriman file dan cocok untuk skenario konkurensi tinggi.

2. Unggah file audio

Unggah audio sesuai metode penyimpanan atau hosting yang Anda pilih. Contohnya:

  • Layanan penyimpanan objek:

    • Masuk ke konsol penyedia cloud dan buat bucket.
    • Unggah file audio, dan atur izinnya ke baca publik atau hasilkan tautan akses sementara.
  • Server web:

    • Letakkan file audio di direktori yang ditentukan di server (seperti /var/www/html/audio/).
    • Pastikan file dapat diakses melalui HTTP/HTTPS.

3. Hasilkan URL yang dapat diakses publik

Contohnya:

  • Layanan penyimpanan objek:

    • Setelah file diunggah, sistem secara otomatis menghasilkan URL akses publik (biasanya dalam format https://<bucket-name>.<region>.aliyuncs.com/<file-name>).
    • Untuk Nama domain yang lebih ramah, ikat domain kustom dan aktifkan HTTPS.
  • Server web:

    • URL akses biasanya alamat server ditambah jalur file (seperti https://your-domain.com/audio/file.mp3).
  • CDN:

    • Setelah Anda mengonfigurasi akselerasi CDN, gunakan URL yang disediakan CDN (seperti https://cdn.your-domain.com/audio/file.mp3).

4. Verifikasi bahwa URL berfungsi

Pastikan URL yang dihasilkan dapat diakses melalui jaringan publik. Contohnya:

  • Buka URL di browser dan periksa apakah file audio dapat diputar.
  • Gunakan tool (seperti curl atau Postman) untuk memverifikasi bahwa URL mengembalikan respons HTTP yang benar (kode status 200).

Saat menggunakan SDK, jika file audio disimpan di Alibaba Cloud OSS, URL sementara dengan awalan oss:// tidak didukung.

Saat menggunakan RESTful API, jika file audio disimpan di Alibaba Cloud OSS, URL sementara dengan awalan oss:// didukung:

  • URL sementara berlaku selama 48 jam dan tidak dapat digunakan setelah masa berlaku habis. Jangan gunakan di lingkungan produksi.
  • API untuk mendapatkan kredensial unggah dibatasi hingga 100 QPS dan tidak mendukung penskalaan. Jangan gunakan di lingkungan produksi, skenario konkurensi tinggi, atau skenario uji stres.
  • Untuk lingkungan produksi, gunakan layanan penyimpanan stabil seperti OSS untuk memastikan ketersediaan file jangka panjang dan menghindari masalah Pembatasan laju.

T: Berapa lama waktu yang dibutuhkan untuk mendapatkan hasil pengenalan?

Setelah tugas dikirim, tugas tersebut masuk ke status antrian (PENDING). Waktu antrian bergantung pada panjang antrian dan durasi audio, sehingga tidak dapat ditentukan secara pasti, tetapi biasanya dalam hitungan beberapa menit. Secara umum, semakin panjang audio, semakin lama waktunya.

Pemecahan masalah

Jika Anda mengalami kesalahan kode, pecahkan masalah berdasarkan informasi di Kode kesalahan.

T: Polling tidak pernah mengembalikan hasil?

Hal ini mungkin disebabkan oleh Pembatasan kecepatan. Tunggu sebentar dan coba lagi.

T: Mengapa ucapan tidak dapat dikenali (tidak ada hasil pengenalan)?

Periksa apakah format audio dan laju sampel sudah benar dan memenuhi batasan parameter.

Gunakan tool ffprobe untuk mendapatkan container audio, kodek, laju sampel, channel, dan detail lainnya:

ffprobe -v error -show_entries format=format_name -show_entries stream=codec_name,sample_rate,channels -of default=noprint_wrappers=1 input.xxx