Qwen-Audio-ASR-Streaming の サーバーイベントリファレンス。タスク開始、認識結果、完了、失敗のフィールドと対応するリクエストを説明します。
イベントフロー
- run-task を送信し、task-started を受信してから音声の送信を開始します。
- 音声を継続して送信しながら、result-generated を受信します。
- すべての音声の送信後に finish-task を送信し、task-finished まで結果を受信します。タスクが失敗すると task-failed が返されます。
音声データは run-task では送信しません。WebSocket ではバイナリフレーム、AOQ では Audio Track を使用します。接続、認証、音声転送については、WebSocket API または AOQ 接続 をご参照ください。
task-started
タスクが正常に開始され、クライアントが音声を送信できることを示します。
重要task-started を受信してから音声を送信してください。 run-task はタスクの開始と設定に使用し、音声データは含みません。
headerobjecttask_idstringクライアントによって生成されたタスク ID (UUID フォーマット)。
eventstringイベントタイプ。この値は常に task-started です。
attributesobject追加の属性。この値は通常、空です。
payloadobjectこの値は常に {} です。
{
"header": {
"action": "run-task",
"task_id": "3d30b8aa-8859-46ef-a65a-32cf5a9f0ca4",
"streaming": "duplex"
},
"payload": {
"task_group": "audio",
"task": "asr",
"function": "recognition",
"model": "qwen-audio-3.1-asr-flash-streaming",
"parameters": {
"format": "pcm",
"sample_rate": 16000
},
"input": {}
}
}
{
"header": {
"task_id": "3d30b8aa-8859-46ef-a65a-32cf5a9f0ca4",
"task_uuid": "f32fbf86736e4c279b5d133bff74b657",
"event": "task-started",
"attributes": {}
},
"payload": {}
}
result-generated
文の開始、中間結果、文の最終結果、ハートビートなどの認識結果を返します。
重要sentence_end=true は文の終了を示し、タスクの終了ではありません。 ハートビート結果(heartbeat=true)はスキップできます。タスクの終了は task-finished で判断します。
headerobjecttask_idstringクライアントによって生成されたタスク ID (UUID フォーマット)。
eventstringイベントタイプ。この値は常に result-generated です。
payloadobjectoutputobjectsentenceobjectsentence_idinteger文のシーケンス識別子。通常の認識結果では、sentence_id は 1 から増分します。heartbeat が true (つまり、ハートビートパケット) の場合、sentence_id は常に 0 です。
begin_timeinteger文の開始時刻 (ミリ秒単位)。
end_timeinteger | null文の終了時刻 (ミリ秒単位)。 中間結果またはハートビートでは null の場合があります。
textstring認識されたテキスト。
sentence_beginboolean文の開始を示します。
sentence_endboolean文が終了したかどうか (true = 最終結果、false = 中間結果)。
heartbeatbooleanこの値が true の場合、結果はハートビートパケットであり、無視できます。
wordsarray[object]単語レベルのタイムスタンプ情報。
begin_timeinteger単語の開始時刻 (ミリ秒単位)。
end_timeinteger単語の終了時刻 (ミリ秒単位)。
textstring認識されたテキスト。
punctuationstring句読点。
usageobject現在のタスクの累積使用量。
注記usage は現在のタスクの累積使用量で、一部の中間結果には含まれない場合があります。イベント間で usage を合計しないでください。 qwen-audio-3.0-asr-flash-streaming は時間、qwen-audio-3.1-asr-flash-streaming はトークンに基づいて課金されます。各フィールドの適用範囲は以下をご確認ください。
durationinteger累積音声時間(秒)。
注記qwen-audio-3.0-asr-flash-streaming の課金に使用します。
input_tokensinteger累積入力トークン数。
注記適用モデル: qwen-audio-3.1-asr-flash-streaming。
output_tokensinteger累積出力トークン数。
注記適用モデル: qwen-audio-3.1-asr-flash-streaming。
total_tokensinteger入力と出力のトークン数を合計した累積トークン数。
注記適用モデル: qwen-audio-3.1-asr-flash-streaming。
文の開始
task-started を受信してから音声を送信します。以下は、その後に返される result-generated イベントの例です。音声は WebSocket のバイナリフレームまたは AOQ の Audio Track で送信します。
{
"header": {
"action": "run-task",
"task_id": "3d30b8aa-8859-46ef-a65a-32cf5a9f0ca4",
"streaming": "duplex"
},
"payload": {
"task_group": "audio",
"task": "asr",
"function": "recognition",
"model": "qwen-audio-3.1-asr-flash-streaming",
"parameters": {
"format": "pcm",
"sample_rate": 16000
},
"input": {}
}
}
{
"header": {
"task_id": "3d30b8aa-8859-46ef-a65a-32cf5a9f0ca4",
"event": "result-generated",
"attributes": {}
},
"payload": {
"output": {
"sentence": {
"sentence_id": 1,
"begin_time": 0,
"end_time": null,
"text": "",
"channel_id": 0,
"sentence_end": false,
"sentence_begin": true,
"words": []
},
"text": "",
"request_id": "3d30b8aa-8859-46ef-a65a-32cf5a9f0ca4",
"output": {
"sentence": {
"sentence_id": 1,
"begin_time": 0,
"end_time": null,
"text": "",
"channel_id": 0,
"sentence_end": false,
"sentence_begin": true,
"words": []
},
"text": "",
"request_id": "3d30b8aa-8859-46ef-a65a-32cf5a9f0ca4"
}
}
}
}
中間結果
task-started を受信してから音声を送信します。以下は、その後に返される result-generated イベントの例です。音声は WebSocket のバイナリフレームまたは AOQ の Audio Track で送信します。
{
"header": {
"action": "run-task",
"task_id": "3d30b8aa-8859-46ef-a65a-32cf5a9f0ca4",
"streaming": "duplex"
},
"payload": {
"task_group": "audio",
"task": "asr",
"function": "recognition",
"model": "qwen-audio-3.1-asr-flash-streaming",
"parameters": {
"format": "pcm",
"sample_rate": 16000
},
"input": {}
}
}
{
"header": {
"task_id": "3d30b8aa-8859-46ef-a65a-32cf5a9f0ca4",
"event": "result-generated",
"attributes": {}
},
"payload": {
"output": {
"sentence": {
"sentence_id": 1,
"begin_time": 0,
"end_time": null,
"text": "Please",
"channel_id": 0,
"sentence_end": false,
"words": [
{
"begin_time": 0,
"end_time": 320,
"text": "Please",
"punctuation": "",
"fixed": false,
"speaker_id": null
}
]
},
"text": "Please",
"request_id": "3d30b8aa-8859-46ef-a65a-32cf5a9f0ca4",
"output": {
"sentence": {
"sentence_id": 1,
"begin_time": 0,
"end_time": null,
"text": "Please",
"channel_id": 0,
"sentence_end": false,
"words": [
{
"begin_time": 0,
"end_time": 320,
"text": "Please",
"punctuation": "",
"fixed": false,
"speaker_id": null
}
]
},
"text": "Please",
"request_id": "3d30b8aa-8859-46ef-a65a-32cf5a9f0ca4"
}
}
}
}
文の最終結果
task-started を受信してから音声を送信します。以下は、その後に返される result-generated イベントの例です。音声は WebSocket のバイナリフレームまたは AOQ の Audio Track で送信します。
{
"header": {
"action": "run-task",
"task_id": "3d30b8aa-8859-46ef-a65a-32cf5a9f0ca4",
"streaming": "duplex"
},
"payload": {
"task_group": "audio",
"task": "asr",
"function": "recognition",
"model": "qwen-audio-3.1-asr-flash-streaming",
"parameters": {
"format": "pcm",
"sample_rate": 16000
},
"input": {}
}
}
{
"header": {
"task_id": "3d30b8aa-8859-46ef-a65a-32cf5a9f0ca4",
"event": "result-generated",
"attributes": {}
},
"payload": {
"output": {
"sentence": {
"sentence_id": 1,
"begin_time": 120,
"end_time": 3990,
"text": "Please send the quarterly project report to Kellera before Friday. ",
"channel_id": 0,
"sentence_end": true,
"words": [
{
"begin_time": 120,
"end_time": 320,
"text": "Please",
"punctuation": "",
"fixed": true,
"speaker_id": null
},
{
"begin_time": 320,
"end_time": 560,
"text": " send",
"punctuation": "",
"fixed": true,
"speaker_id": null
},
{
"begin_time": 560,
"end_time": 760,
"text": " the",
"punctuation": "",
"fixed": true,
"speaker_id": null
},
{
"begin_time": 760,
"end_time": 1360,
"text": " quarterly",
"punctuation": "",
"fixed": true,
"speaker_id": null
},
{
"begin_time": 1360,
"end_time": 1800,
"text": " project",
"punctuation": "",
"fixed": true,
"speaker_id": null
},
{
"begin_time": 1800,
"end_time": 2120,
"text": " report",
"punctuation": "",
"fixed": true,
"speaker_id": null
},
{
"begin_time": 2120,
"end_time": 2280,
"text": " to",
"punctuation": "",
"fixed": true,
"speaker_id": null
},
{
"begin_time": 2280,
"end_time": 2336,
"text": " ",
"punctuation": "",
"fixed": true,
"speaker_id": null
},
{
"begin_time": 2336,
"end_time": 2560,
"text": "Kell",
"punctuation": "",
"fixed": true,
"speaker_id": null
},
{
"begin_time": 2560,
"end_time": 2800,
"text": "era",
"punctuation": "",
"fixed": true,
"speaker_id": null
},
{
"begin_time": 2800,
"end_time": 3160,
"text": " before",
"punctuation": "",
"fixed": true,
"speaker_id": null
},
{
"begin_time": 3160,
"end_time": 3990,
"text": " Friday",
"punctuation": ". ",
"fixed": true,
"speaker_id": null
}
],
"stash": {
"sentence_id": 2,
"text": "",
"begin_time": 3990,
"current_time": 3990,
"words": []
}
},
"text": "Please send the quarterly project report to Kellera before Friday. ",
"request_id": "3d30b8aa-8859-46ef-a65a-32cf5a9f0ca4",
"output": {
"sentence": {
"sentence_id": 1,
"begin_time": 120,
"end_time": 3990,
"text": "Please send the quarterly project report to Kellera before Friday. ",
"channel_id": 0,
"sentence_end": true,
"words": [
{
"begin_time": 120,
"end_time": 320,
"text": "Please",
"punctuation": "",
"fixed": true,
"speaker_id": null
},
{
"begin_time": 320,
"end_time": 560,
"text": " send",
"punctuation": "",
"fixed": true,
"speaker_id": null
},
{
"begin_time": 560,
"end_time": 760,
"text": " the",
"punctuation": "",
"fixed": true,
"speaker_id": null
},
{
"begin_time": 760,
"end_time": 1360,
"text": " quarterly",
"punctuation": "",
"fixed": true,
"speaker_id": null
},
{
"begin_time": 1360,
"end_time": 1800,
"text": " project",
"punctuation": "",
"fixed": true,
"speaker_id": null
},
{
"begin_time": 1800,
"end_time": 2120,
"text": " report",
"punctuation": "",
"fixed": true,
"speaker_id": null
},
{
"begin_time": 2120,
"end_time": 2280,
"text": " to",
"punctuation": "",
"fixed": true,
"speaker_id": null
},
{
"begin_time": 2280,
"end_time": 2336,
"text": " ",
"punctuation": "",
"fixed": true,
"speaker_id": null
},
{
"begin_time": 2336,
"end_time": 2560,
"text": "Kell",
"punctuation": "",
"fixed": true,
"speaker_id": null
},
{
"begin_time": 2560,
"end_time": 2800,
"text": "era",
"punctuation": "",
"fixed": true,
"speaker_id": null
},
{
"begin_time": 2800,
"end_time": 3160,
"text": " before",
"punctuation": "",
"fixed": true,
"speaker_id": null
},
{
"begin_time": 3160,
"end_time": 3990,
"text": " Friday",
"punctuation": ". ",
"fixed": true,
"speaker_id": null
}
],
"stash": {
"sentence_id": 2,
"text": "",
"begin_time": 3990,
"current_time": 3990,
"words": []
}
},
"text": "Please send the quarterly project report to Kellera before Friday. ",
"request_id": "3d30b8aa-8859-46ef-a65a-32cf5a9f0ca4"
},
"usage": {
"duration": 4,
"input_tokens": 50,
"output_tokens": 13,
"total_tokens": 63
}
},
"usage": {
"duration": 4,
"input_tokens": 50,
"output_tokens": 13,
"total_tokens": 63
}
}
}
ハートビート
run-task で heartbeat=true を設定し、無音の音声を継続して送信します。以下は、サーバーから返されるハートビートイベントの例です。
{
"header": {
"action": "run-task",
"task_id": "eac269a3-a31d-417a-979d-51066926d8a6",
"streaming": "duplex"
},
"payload": {
"task_group": "audio",
"task": "asr",
"function": "recognition",
"model": "qwen-audio-3.1-asr-flash-streaming",
"parameters": {
"format": "pcm",
"sample_rate": 16000,
"heartbeat": true
},
"input": {}
}
}
{
"header": {
"task_id": "eac269a3-a31d-417a-979d-51066926d8a6",
"event": "result-generated",
"attributes": {}
},
"payload": {
"output": {
"sentence": {
"sentence_id": 0,
"begin_time": 0,
"end_time": null,
"text": "",
"channel_id": 0,
"speaker_id": null,
"sentence_end": false,
"heartbeat": true,
"words": []
},
"text": "",
"request_id": "eac269a3-a31d-417a-979d-51066926d8a6",
"output": {
"sentence": {
"sentence_id": 0,
"begin_time": 0,
"end_time": null,
"text": "",
"channel_id": 0,
"speaker_id": null,
"sentence_end": false,
"heartbeat": true,
"words": []
},
"text": "",
"request_id": "eac269a3-a31d-417a-979d-51066926d8a6"
}
},
"usage": {
"duration": 2
}
}
}
task-finished
タスクの処理が完了し、すべての認識結果が返されたことを示します。
headerobjecttask_idstringクライアントによって生成されたタスク ID (UUID フォーマット)。
eventstringイベントタイプ。この値は常に task-finished です。
attributesobject追加の属性。この値は通常、空です。
payloadobjectusageobjectタスク終了時の累積使用量。各フィールドの意味は result-generated.usageと同じです。
{
"header": {
"action": "finish-task",
"task_id": "3d30b8aa-8859-46ef-a65a-32cf5a9f0ca4",
"streaming": "duplex"
},
"payload": {
"input": {}
}
}
{
"header": {
"task_id": "3d30b8aa-8859-46ef-a65a-32cf5a9f0ca4",
"event": "task-finished",
"attributes": {}
},
"payload": {
"output": {},
"usage": {
"duration": 4,
"input_tokens": 50,
"output_tokens": 13,
"total_tokens": 63
}
}
}
task-failed
タスクの失敗を示します。原因は error_code と error_message で確認します。タスクの失敗後、WebSocket 接続は閉じられ、再利用できません。
headerobjecttask_idstringクライアントによって生成されたタスク ID (UUID フォーマット)。
eventstringイベントタイプ。この値は常に task-failed です。
error_codestringエラータイプの詳細。
error_messagestringエラーの具体的な原因。
attributesobject追加の属性。この値は通常、空です。
payloadobjectこの値は常に {} です。
以下ではサポートされていない音声形式を指定し、task-failed を示します。エラーコードとメッセージは失敗の原因により異なります。
{
"header": {
"action": "run-task",
"task_id": "9272a5a2-8df4-4f2d-af0e-e544c17f3e42",
"streaming": "duplex"
},
"payload": {
"task_group": "audio",
"task": "asr",
"function": "recognition",
"model": "qwen-audio-3.1-asr-flash-streaming",
"parameters": {
"format": "invalid-format",
"sample_rate": 16000
},
"input": {}
}
}
{
"header": {
"task_id": "9272a5a2-8df4-4f2d-af0e-e544c17f3e42",
"event": "task-failed",
"error_code": "UNSUPPORTED_FORMAT",
"error_message": "UNSUPPORTED_FORMAT"
},
"payload": {}
}