前提条件
コンソールで API キーを取得し、環境変数 DASHSCOPE_API_KEY に設定します。
SDK のインストール
Node.js 18 以降が必要です。SDK 0.1.0 パッケージをダウンロードし、プロジェクトで次を実行します。
npm install ./dashscope-sdk-nodejs-0.1.0.tgz
クイックスタート
以下の呼び出し例を共用できます。表に従ってモデル ID を置き換えてください。
| モデル | サンプルのモデル ID |
|---|---|
| Qwen-Audio-ASR-Streaming | qwen-audio-3.1-asr-flash-streaming |
| Qwen-Audio-ASR-Message | qwen-audio-3.1-asr-flash-message |
サンプル音声を input.mp3 として保存し、16 kHz、16-bit、モノラル PCM に変換します。
ffmpeg -i input.mp3 -f s16le -ac 1 -ar 16000 input.pcm
次のサンプルを example.mjs として保存し、node example.mjs を実行します。
import { readFile } from 'node:fs/promises'
import { setTimeout as sleep } from 'node:timers/promises'
import { RecognitionClient } from 'dashscope-sdk-nodejs/asr'
const pcm = await readFile('input.pcm')
const asr = new RecognitionClient({
apiKey: process.env.DASHSCOPE_API_KEY,
workspaceId: process.env.DASHSCOPE_WORKSPACE_ID,
baseUrl: 'dashscope-intl.aliyuncs.com',
model: 'qwen-audio-3.1-asr-flash-streaming',
format: 'pcm',
sampleRate: 16000,
})
asr.on('sentenceEnd', sentence => console.log('Final sentence:', sentence.text))
asr.on('error', err => console.error(err.code, err.message))
try {
await asr.start()
for (let offset = 0; offset < pcm.length; offset += 3200) {
asr.sendAudio(pcm.subarray(offset, offset + 3200))
await sleep(100)
}
await asr.finish()
} finally {
asr.close()
}
リクエストパラメーター
Qwen-Audio-ASR-Streaming
共通リファレンス
RecognitionClient のコンストラクターオプション:
パラメーター | 型 | 必須 | 説明 |
|---|---|---|---|
|
| いいえ | API キー。デフォルトは |
|
| いいえ | ワークスペース ID。デフォルトは |
|
| いいえ | サービスホスト名を |
|
| いいえ | モデル ID。デフォルト: |
|
| いいえ | 音声形式。デフォルト: |
|
| いいえ | 実際の音声サンプリングレート(Hz)。デフォルト: |
|
| いいえ | 事前コンパイル済み語彙リスト ID。 |
|
| いいえ | 認識言語のヒント。先頭の最大 4 値が有効です。省略時は自動認識します。 |
|
| いいえ | VAD の区間が長くなりすぎるのを防ぐ複数しきい値モード。デフォルト: |
|
| いいえ | VAD の文終了無音しきい値(ms): |
|
| いいえ | 無音時の接続維持。デフォルト: |
|
| いいえ | 認識コンテキスト。形式は |
|
| いいえ | 追加の認識パラメーター( |
|
| いいえ | 接続タイムアウト(ms)。デフォルト: |
|
| いいえ | 開始・終了確認のタイムアウト(ms)。デフォルト: |
|
| いいえ | 近距離または遠距離の VAD。デフォルト: |
|
| いいえ | 方言表現を保持します。デフォルト: |
|
| いいえ | 即時語彙。キーは単語、値は重み |
|
| いいえ | VAD 感度しきい値: |
Qwen-Audio-ASR-Message
共通リファレンス
RecognitionClient のコンストラクターオプション:
パラメーター | 型 | 必須 | 説明 |
|---|---|---|---|
|
| いいえ | API キー。デフォルトは |
|
| いいえ | ワークスペース ID。デフォルトは |
|
| いいえ | サービスホスト名を |
|
| はい | モデル ID を |
|
| いいえ | 音声形式。デフォルト: |
|
| いいえ | 音声サンプリングレート。 |
|
| いいえ | 事前コンパイル済み語彙リスト ID。 |
|
| いいえ | 認識言語のヒント。先頭の最大 4 値が有効です。省略時は自動認識します。 |
|
| いいえ | 言いよどみを除去して結果を整えます。デフォルト: |
|
| いいえ | VAD の文終了無音しきい値(ms): |
|
| いいえ | 無音時の接続維持。デフォルト: |
|
| いいえ | 認識コンテキスト。形式は |
|
| いいえ | 追加の認識パラメーター( |
|
| いいえ | 接続タイムアウト(ms)。デフォルト: |
|
| いいえ | 開始・終了確認のタイムアウト(ms)。デフォルト: |
|
| いいえ | 近距離または遠距離の VAD。デフォルト: |
|
| いいえ | 方言表現を保持します。デフォルト: |
|
| いいえ | 即時語彙。キーは単語、値は重み |
|
| いいえ | VAD 感度しきい値: |
|
| いいえ | 認識中間結果を返します。デフォルト: |
API リファレンス
Qwen-Audio-ASR-Streaming
主なメソッド
メソッド | 戻り値 | 説明 |
|---|---|---|
|
| 認識を開始します。完了後に音声を送信します。 |
|
| 設定した形式とサンプリングレートで音声フレームを送信します。 |
|
| 音声入力を終了して完了を待ちます。テキストはコールバックで返します。 |
|
| 接続を閉じてタスクのリソースを解放します。 |
コールバックイベント
on(event, listener) でコールバックを登録します。全フィールドはサーバーイベントを参照してください。
イベント | ペイロード | 説明 |
|---|---|---|
|
| タスクが開始し、入力を受け付けます。 |
|
| 中間または最終の文。ハートビート結果は除外されます。 |
|
|
|
|
| タスクが終了し、ローカルのタスク状態がクリアされました。 |
|
| 呼び出しエラー。 |
|
| 基になる接続の切断通知。 |
|
| 元のサービス JSON メッセージ。 |
Qwen-Audio-ASR-Message
主なメソッド
メソッド | 戻り値 | 説明 |
|---|---|---|
|
| 認識を開始します。完了後に音声を送信します。 |
|
| 設定した形式とサンプリングレートで音声フレームを送信します。 |
|
| 開始後、入力終了前に認識コンテキストを更新します。 |
|
| 音声入力を終了して完了を待ちます。テキストはコールバックで返します。 |
|
| 接続を閉じてタスクのリソースを解放します。 |
コールバックイベント
on(event, listener) でコールバックを登録します。全フィールドはサーバーイベントを参照してください。
イベント | ペイロード | 説明 |
|---|---|---|
|
| タスクが開始し、入力を受け付けます。 |
|
| 中間または最終の文。ハートビート結果は除外されます。 |
|
|
|
|
| タスクが終了し、ローカルのタスク状態がクリアされました。 |
|
| 呼び出しエラー。 |
|
| 基になる接続の切断通知。 |
|
| 元のサービス JSON メッセージ。 |