Alibaba Cloud Model Studio:Paraformer 非リアルタイム音声認識 Java SDK

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

import java.util.Arrays;

public class Main {
    public static void main(String[] args) {
        // 以下の設定は中国 (北京) リージョン用です。「{WorkspaceId}」を実際のワークスペース ID に置き換えてください。設定はリージョンによって異なります。
        Constants.baseHttpApiUrl = "https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api/v1";
        // 文字起こしリクエストパラメーターを作成
        TranscriptionParam param =
                TranscriptionParam.builder()
                        // API キーが環境変数に設定されていない場合は、apiKey をご自身の API キーに置き換えてください
                        //.apiKey("apikey")
                        .model("paraformer-v2")
                        // "language_hints" は paraformer-v2 モデルでのみサポートされています
                        .parameter("language_hints", new String[]{"zh", "en"})
                        .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(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.google.gson.*;

import java.util.Arrays;

public class Main {
    public static void main(String[] args) {
        // 以下の設定は中国 (北京) リージョン用です。「{WorkspaceId}」を実際のワークスペース ID に置き換えてください。設定はリージョンによって異なります。
        Constants.baseHttpApiUrl = "https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api/v1";
        // 文字起こしリクエストパラメーターを作成
        TranscriptionParam param =
                TranscriptionParam.builder()
                        // API キーが環境変数に設定されていない場合は、apiKey をご自身の API キーに置き換えてください
                        //.apiKey("apikey")
                        .model("paraformer-v2")
                        // "language_hints" は paraformer-v2 モデルでのみサポートされています
                        .parameter("language_hints", new String[]{"zh", "en"})
                        .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());
            // タスクが終了するまでループでタスク結果を取得
            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(result.getOutput());
        } catch (Exception e) {
            System.out.println("error: " + e);
        }
        System.exit(0);
    }
}

TranscriptionParam param = TranscriptionParam.builder()
  .model("paraformer-v2")
  // "language_hints" は paraformer-v2 モデルでのみサポートされています
  .parameter("language_hints", new String[]{"zh", "en"})
  .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":"Hello world, this is the Alibaba speech laboratory.",
            "sentences":[
                {
                    "begin_time":100,
                    "end_time":3820,
                    "text":"Hello world, this is the Alibaba speech laboratory.",
                    "sentence_id":1,
                    "speaker_id":0, //このフィールドは自動話者分離が有効な場合にのみ表示されます
                    "words":[
                        {
                            "begin_time":100,
                            "end_time":596,
                            "text":"Hello ",
                            "punctuation":""
                        },
                        {
                            "begin_time":596,
                            "end_time":844,
                            "text":"world",
                            "punctuation":", "
                        }
                        // その他の内容はここで省略
                    ]
                }
            ]
        }
    ]
}

// 文字起こしリクエストパラメーターを作成
TranscriptionParam param =
        TranscriptionParam.builder()
                // API キーが環境変数に設定されていない場合は、apiKey をご自身の API キーに置き換えてください
                //.apiKey("apikey")
                .model("paraformer-v2")
                // "language_hints" は paraformer-v2 モデルでのみサポートされています
                .parameter("language_hints", new String[]{"zh", "en"})
                .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：

• Object Storage Service (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、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 に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：ファイル配信の高速化、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/ホスティング方法に基づいて音声ファイルをアップロードします。例：

• Object Storage Service：

  • 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、ファイルの権限を「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 を介してアクセス可能であることを確認します。

例：

• Object Storage Service：

  • アップロード後、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)。
  • よりユーザーフレンドリなドメインが必要な場合は、カスタムドメインをバインドして HTTPS を有効にすることができます。

• Web サーバー：

  • ファイルアクセス 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)。

パブリックネットワーク環境で、生成された URL が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できるか確認します。
• ツール (curl や Postman など) を使用して、URL が正しい HTTP 応答 (状態コード 200) を返すか確認します。