C# SDK を使用して、LiveTranslate-Realtime を WebSocket を通じて呼び出し、音声をテキストおよび対象言語の音声に翻訳します。
前提条件
API キーを取得し、環境変数 DASHSCOPE_API_KEY に設定します。ワークスペースと同じリージョンの API キーを使用してください。
SDK のインストール
Bailian.DashScope-1.1.0.zip をダウンロードして展開します。C# プロジェクトで SDK を使用するには、ローカル NuGet ソースからインストール します。
クイックスタート
同梱サンプルの実行
- .NET 10 コンソールプロジェクトを作成し、上の手順で SDK をインストールします。
input.pcmをプロジェクトディレクトリに配置します。音声は 16 kHz、モノラル、16 ビットリトルエンディアンのヘッダーなし PCM を使用してください。WAV ファイルは、あらかじめヘッダーなし PCM に変換します。
シンガポールリージョンのワークスペース専用 WebSocket エンドポイントを設定します。WorkspaceId を実際のワークスペース ID に置き換えてください。サポートされているリージョンとエンドポイントは WebSocket での接続 をご覧ください。
export DASHSCOPE_REALTIME_URL="wss://WorkspaceId.ap-southeast-1.maas.aliyuncs.com/api-ws/v1/realtime"
プロジェクトからの呼び出し
このプログラムは、リアルタイムで raw PCM 記録をストリーミングし、応答が完了するまで待機した後、音声を output.pcm に書き込みます。Program.cs を以下のコードに置き換えてください。
using DashScope.Qwen;
if (args.Length < 2)
throw new ArgumentException("Usage: <input.pcm> <model> [voice]");
using var timeout = new CancellationTokenSource(TimeSpan.FromSeconds(60));
var ct = timeout.Token;
await using var client = new QwenLiveTranslator(new QwenLiveTranslateOptions
{
Model = args[1],
Voice = args.Length > 2 ? args[2] : null,
Url = Environment.GetEnvironmentVariable("DASHSCOPE_REALTIME_URL")
?? throw new InvalidOperationException("Set DASHSCOPE_REALTIME_URL to your workspace WebSocket endpoint."),
Modalities = ["text", "audio"],
SourceLanguage = "zh",
TargetLanguage = "en",
SampleRate = 16000,
});
using var output = File.Create("output.pcm");
var completed = new TaskCompletionSource<string?>(TaskCreationOptions.RunContinuationsAsynchronously);
client.TranslationCompleted += (_, e) => Console.WriteLine(e.Text);
client.TranslatedAudioChunk += (_, e) => output.Write(e.Pcm);
client.ResponseCompleted += (_, e) => completed.TrySetResult(e.Status);
client.ErrorOccurred += (_, e) => completed.TrySetException(
new InvalidOperationException($"{e.ServerErrorCode}: {e.ServerErrorMessage}"));
await client.ConnectAsync(ct);
using var input = File.OpenRead(args[0]);
var frame = new byte[640];
int size;
while ((size = await input.ReadAsync(frame.AsMemory(), ct)) > 0)
{
await client.AppendAudioAsync(frame.AsMemory(0, size), ct);
await Task.Delay(20, ct);
}
Array.Clear(frame);
for (var i = 0; i < 60; i++)
{
await client.AppendAudioAsync(frame, ct);
await Task.Delay(20, ct);
}
await client.FinishAsync(ct);
var status = await completed.Task.WaitAsync(ct);
if (status != "completed" || output.Length == 0)
throw new InvalidOperationException($"Status: {status}, audio bytes: {output.Length}");
クイックスタートで入手した raw PCM ファイルをプロジェクトディレクトリに配置し、例を実行してください。
dotnet run -- input.pcm qwen3.8-livetranslate-flash-realtime Serena
リクエストパラメーター
| オプション | タイプ | デフォルト値 | 説明 |
|---|---|---|---|
ApiKey | string? | null | Model Studio API キー。省略された場合、SDK は DASHSCOPE_API_KEY を読み取ります。 |
Url | string | wss://dashscope.aliyuncs.com/api-ws/v1/realtime | WebSocket エンドポイント。SDK は Model を model クエリパラメータとして付加します。 |
WorkspaceId | string? | null | X-DashScope-WorkSpace ヘッダーに送信されるワークスペース ID。ワークスペース固有のエンドポイントを使用するには、Url に完全なアドレスを設定してください。 |
ConnectTimeout | TimeSpan | 10 s | WebSocket 接続を開くためのタイムアウト。 |
StartTimeout | TimeSpan | 10 s | session.created を受信するためのタイムアウト。 |
StopTimeout | TimeSpan | 10 s | 終了モードがそのイベントを待機している際の session.finished 受信のタイムアウト。 |
FinishMode | QwenRealtimeFinishMode? | null | 省略された場合、SDK はモデルに基づいて終了モードを選択します。インスタンス上の FinishMode を参照して、使用しているモードを確認してください。 |
Model | string | qwen3.5-livetranslate-flash-realtime | モデル ID。 |
Modalities | IList<string> | ["text", "audio"] | 出力モダリティ。翻訳テキストのみが必要な場合は ["text"] を使用してください。 |
Voice | string? | null | 翻訳音声の音声。省略された場合、サーバーがデフォルトを選択します。3.8 で音声生成を行う場合、そのモデルがサポートする音声を指定してください。 |
EnableVoiceClone | bool? | null | 翻訳された音声のボイスクローニングを有効にします。 |
VoiceCloneFrequency | string | once | once はセッション開始時にボイスをクローニングし、always は各文ごとにクローニングし、never は既存のクローニング済みボイスIDを使用します。お使いのモデルがサポートするモードを確認してください。 |
SampleRate | int | 16000 | 入力サンプルレート(Hz)。お使いのモデルがサポートするサンプルレートを選択してください。 |
InputAudioFormat | string | pcm | 入力音声フォーマット。SDKオプションでは pcm または opus を受け入れます。クライアントイベントリファレンスを確認して、お使いのモデルがサポートするフォーマットを確認してください。 |
OutputAudioFormat | string? | null | 出力音声フォーマット(例:pcm)。省略された場合、サーバーはデフォルトを使用します。 |
TranscriptionModel | string? | qwen3-asr-flash-realtime | ソース音声認識用モデル。qwen3.5-livetranslate-flash-realtime を使用する場合、このオプションと SourceLanguage をともに null に設定して input_audio_transcription を省略してください。3.8 では、ソース音声認識は常に有効です。 |
SourceLanguage | string? | null | ソース言語コード(例:zh)。省略された場合、サーバーが言語を検出します。 |
TargetLanguage | string | en | ターゲット言語コード(例:en)。 |
SkipSameLanguageText | bool? | null | ソース言語とターゲット言語が一致する場合、翻訳テキストをスキップします。お使いのモデルバージョンがこのオプションをサポートしているか確認してください。 |
SkipSameLanguageAudio | bool? | null | ソース言語とターゲット言語が一致する場合、翻訳音声をスキップします。お使いのモデルバージョンがこのオプションをサポートしているか確認してください。 |
CorpusPhrases | IDictionary<string, string>? | null | 翻訳用の用語集。ソース語をターゲット語にマッピングします(translation.corpus.phrases 形式)。 |
VadThreshold | double? | 0.5 | サーバーのVAD閾値(-1.0 ~ 1.0)。 |
VadSilenceMs | int | 1000 | サーバーが発話終了を検出するまでの沈黙時間(ミリ秒)。 |
EnableDebugInfo | bool? | null | サーバーからデバッグ情報を要求します。 |
3.8 による音声および動画翻訳の場合、まず WebSocketアクセス に示すように session.input_modalities を ["audio", "video"] に設定し、その後音声とともに画像フレームを送信してください。AppendImageAsync は画像フレームを送信します。フィールドに専用のSDKオプションがない場合、SendRawEventAsync を使用して完全なクライアントイベントを送信してください。
API リファレンス
DashScope.Qwen.QwenLiveTranslator と QwenLiveTranslateOptions を併用してください。一部のセッション設定およびイベントフィールドは、3.5 と 3.8 で異なります。モデルに応じた クライアントイベントリファレンス をご確認ください。
メソッド
以下のメソッドは Task を返しますが、DisposeAsync を除きます。ct はオプションのキャンセルトークンです。
| メソッド | 説明 |
|---|---|
ConnectAsync(CancellationToken ct = default) | 接続を開き、session.created を待機し、session.update を送信します。 |
AppendAudioAsync(ReadOnlyMemory<byte> pcm, CancellationToken ct = default) | 音声フレームを送信します。SDK はバイトを Base64-エンコードし、input_audio_buffer.append イベントを送信します。 |
AppendImageAsync(string imageBase64, CancellationToken ct = default) | input_image_buffer.append 形式で Base64 画像フレームを送信します。画像入力をサポートするモデルを選択し、事前に音声および画像入力を有効にしてください。 |
SendRawEventAsync(string frameJson, CancellationToken ct = default) | 提供された完全なクライアントイベントJSONを送信します。専用のSDKメソッドがないイベントに使用してください。 |
FinishAsync(CancellationToken ct = default) | アクティブな FinishMode を使用してセッションを終了します。 |
AbortAsync() | 接続を即時終了し、保留中の結果を破棄します。 |
DisposeAsync() | リソースを非同期で解放し、ValueTask を返します。 |
イベント
| イベント | イベント引数 | 発火時刻 |
|---|---|---|
SessionReady | string? | セッションが準備完了しました。値は session.id です。 |
SourceTranscriptUpdated | QwenTranscriptEventArgs | 現在のソーストランスクリプト。ソース音声認識が有効な場合に返されます。 |
SourceTranscriptCompleted | QwenTranscriptEventArgs | ソース発話の最終トランスクリプト。 |
TranslationTextDelta | QwenTextDeltaEventArgs | 翻訳の差分。最終的な翻訳については TranslationCompleted を参照してください。 |
TranslationCompleted | QwenTranscriptEventArgs | 発話に対する完全な翻訳。 |
TranslatedAudioChunk | QwenAudioChunkEventArgs | 翻訳されたオーディオチャンク。フォーマットおよびサンプルレートは、セッション設定およびモデルの応答に依存します。 |
TranslatedAudioCompleted | EventArgs | ターンのすべての翻訳オーディオが到着しました。 |
ResponseCompleted | QwenResponseSummary | response.done がステータスおよび使用状況とともに到着しました。 |
RawServerEvent | QwenServerEventArgs | タイプとJSONオブジェクトを含む、サーバーの生イベント。 |
ErrorOccurred | DashScopeErrorEventArgs | サーバーエラーまたは接続失敗が発生しました。 |
イベント引数フィールドについては C# SDK 結果タイプ を参照してください。翻訳の使用量はセッション全体で累積されます。
セッションの終了
すべての音声を送信したら、FinishAsync を呼び出してセッションを終了し、残りの翻訳テキストと翻訳音声を受け取ります。LiveTranslate の既定値は FinishAndWait です。このモードでは session.finish を送信して session.finished を待ちます。