Alibaba Cloud Model Studio:Qwen-Audio-3.0-ASR-Flash-Filetrans/Fun-ASR non-real-time speech recognition Java SDK

import com.alibaba.dashscope.audio.asr.transcription.*;
import com.alibaba.dashscope.utils.Constants;
import com.google.gson.*;

import java.util.Arrays;

public class Main {
    public static void main(String[] args) {
        // 以下はシンガポールリージョンの設定です。呼び出す際に、"{WorkspaceId}" を実際のワークスペース ID に置き換えてください。リージョンごとに設定は異なります。
        Constants.baseHttpApiUrl = "https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1";
        // 文字起こしリクエストのパラメーターを作成
        TranscriptionParam param =
                TranscriptionParam.builder()
                        // API キーはシンガポールリージョンと北京リージョンで異なります。API キーの取得：https://www.alibabacloud.com/help/zh/model-studio/get-api-key
                        // 環境変数を設定していない場合は、次の行を Model Studio の API キーに置き換えてください：.apiKey("sk-xxx")
                        //.apiKey("apikey")
                        .model("qwen-audio-3.0-asr-flash-filetrans") // ここでは qwen-audio-3.0-asr-flash-filetrans を例として使用します。必要に応じてモデル名を変更してください。モデルリスト：https://www.alibabacloud.com/help/zh/model-studio/models
                        .fileUrls(
                                Arrays.asList(
                                        "{YOUR_AUDIO_URL}"))
                        .build();
        try {
            Transcription transcription = new Transcription();
            // 文字起こしリクエストを送信
            TranscriptionResult result = transcription.asyncCall(param);
            System.out.println("RequestId: " + result.getRequestId());
            // タスクが完了するまでブロックして待機し、結果を取得
            result = transcription.wait(
                    TranscriptionQueryParam.FromTranscriptionParam(param, result.getTaskId()));
            // 結果を出力
            System.out.println(new GsonBuilder().setPrettyPrinting().create().toJson(result.getOutput()));
        } catch (Exception e) {
            System.out.println("error: " + e);
        }
        System.exit(0);
    }
}

import com.alibaba.dashscope.audio.asr.transcription.*;
import com.alibaba.dashscope.common.TaskStatus;
import com.alibaba.dashscope.utils.Constants;
import com.google.gson.*;

import java.util.Arrays;

public class Main {
    public static void main(String[] args) {
        // 以下はシンガポールリージョンの設定です。呼び出す際に、"{WorkspaceId}" を実際のワークスペース ID に置き換えてください。リージョンごとに設定は異なります。
        Constants.baseHttpApiUrl = "https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1";
        // 文字起こしリクエストのパラメーターを作成
        TranscriptionParam param =
                TranscriptionParam.builder()
                        // API キーはシンガポールリージョンと北京リージョンで異なります。API キーの取得：https://www.alibabacloud.com/help/zh/model-studio/get-api-key
                        // 環境変数を設定していない場合は、次の行を Model Studio の API キーに置き換えてください：.apiKey("sk-xxx")
                        //.apiKey("apikey")
                        .model("qwen-audio-3.0-asr-flash-filetrans") // ここでは qwen-audio-3.0-asr-flash-filetrans を例として使用します。必要に応じてモデル名を変更してください。モデルリスト：https://www.alibabacloud.com/help/zh/model-studio/models
                        .fileUrls(
                                Arrays.asList(
                                        "{YOUR_AUDIO_URL}"))
                        .build();
        try {
            Transcription transcription = new Transcription();
            // 文字起こしリクエストを送信
            TranscriptionResult result = transcription.asyncCall(param);
            System.out.println("RequestId: " + result.getRequestId());
            // タスクが完了するまでループでタスク結果をポーリング
            while (true) {
                result = transcription.fetch(TranscriptionQueryParam.FromTranscriptionParam(param, result.getTaskId()));
                if (result.getTaskStatus() == TaskStatus.SUCCEEDED || result.getTaskStatus() == TaskStatus.FAILED) {
                    break;
                }
                Thread.sleep(1000);
            }
            // 結果を出力
            System.out.println(new GsonBuilder().setPrettyPrinting().create().toJson(result.getOutput()));
        } catch (Exception e) {
            System.out.println("error: " + e);
        }
        System.exit(0);
    }
}

TranscriptionParam param = TranscriptionParam.builder()
  .model("qwen-audio-3.0-asr-flash-filetrans")
  .fileUrls(
          Arrays.asList(
                  "{YOUR_AUDIO_URL}"))
  .build();

{
    "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":"こんにちは世界、こちらはアリババスピーチラボです。",
            "sentences":[
                {
                    "begin_time":100,
                    "end_time":3820,
                    "text":"こんにちは世界、こちらはアリババスピーチラボです。",
                    "sentence_id":1,
                    "speaker_id":0, //このフィールドは、話者ダイアライゼーションが有効な場合にのみ表示されます
                    "words":[
                        {
                            "begin_time":100,
                            "end_time":596,
                            "text":"こんにちは ",
                            "punctuation":""
                        },
                        {
                            "begin_time":596,
                            "end_time":844,
                            "text":"世界",
                            "punctuation":", "
                        }
                        // 他のコンテンツはここで省略されています
                    ]
                }
            ]
        }
    ]
}

// 文字起こしリクエストのパラメーターを構築
TranscriptionParam param =
        TranscriptionParam.builder()
                // API キーを環境変数として設定していない場合は、apiKey をご自身の API キーに置き換えてください
                //.apiKey("apikey")
                .model("qwen-audio-3.0-asr-flash-filetrans")
                .fileUrls(
                        Arrays.asList(
                                "{YOUR_AUDIO_URL}"))
                .build();
try {
    Transcription transcription = new Transcription();
    // 文字起こしリクエストを送信
    TranscriptionResult result = transcription.asyncCall(param);
    System.out.println("RequestId: " + result.getRequestId());
    TranscriptionQueryParam queryParam = TranscriptionQueryParam.FromTranscriptionParam(param, result.getTaskId());

} catch (Exception e) {
    System.out.println("error: " + e);
}

例：

• オブジェクトストレージサービス (推奨)：

  • クラウドプロバイダーのオブジェクトストレージサービス (例：Alibaba Cloud OSS) を使用して、音声ファイルをバケットにアップロードし、パブリックアクセスに設定します。
  • 利点：高可用性、CDN アクセラレーションのサポート、および簡単な管理。

• Web サーバー：

  • HTTP/HTTPS アクセスをサポートする Web サーバー (Nginx や Apache など) に音声ファイルを配置します。
  • 利点：小規模なプロジェクトやローカルテストに適しています。

• コンテンツデリバリーネットワーク (CDN)：

  • CDN 上で音声ファイルをホストし、CDN が提供する URL を介してアクセスします。
  • 利点：ファイル配信を高速化し、高同時実行シナリオに適しています。

選択したストレージまたはホスティング方法に従って音声をアップロードします。例：

• オブジェクトストレージサービス：

  • クラウドプロバイダーのコンソールにログインし、バケットを作成します。
  • 音声ファイルをアップロードし、その権限をパブリック読み取りに設定するか、一時的なアクセスリンクを生成します。

• Web サーバー：

  • サーバー上の指定されたディレクトリ (例：/var/www/html/audio/) に音声ファイルを配置します。
  • ファイルが HTTP/HTTPS 経由でアクセス可能であることを確認します。

例：

• オブジェクトストレージサービス：

  • ファイルがアップロードされると、システムは自動的にパブリックアクセス URL を生成します (通常は https://<bucket-name>.<region>.aliyuncs.com/<file-name> の形式)。
  • より分かりやすいドメイン名にするには、カスタムドメインをバインドして HTTPS を有効にします。

• Web サーバー：

  • アクセス URL は通常、サーバーアドレスとファイルパスを組み合わせたものです (例：https://your-domain.com/audio/file.mp3)。

• CDN：

  • CDN アクセラレーションを設定した後、CDN が提供する URL を使用します (例：https://cdn.your-domain.com/audio/file.mp3)。

生成された URL がパブリックネットワーク経由でアクセス可能であることを確認します。例：

• ブラウザで URL を開き、音声ファイルが再生されるかどうかを確認します。
• ツール (例：curl や Postman) を使用して、URL が正しい HTTP 応答 (ステータスコード 200) を返すことを確認します。