WebSocket 接続を介して Paraformer リアルタイム音声認識サービスにアクセスできます。本トピックでは、サービスエンドポイント、リクエストヘッダー、およびインタラクションフローについて説明します。
重要Alibaba Cloud Model Studio は、中国 (北京) リージョン向けにワークスペース専用ドメインをリリースしました。この新しい専用ドメインは、推論リクエストに対して優れたパフォーマンスと高い安定性を提供します。そのため、dashscope.aliyuncs.com から {WorkspaceId}.cn-beijing.maas.aliyuncs.com への移行を推奨します。
{WorkspaceId} は、ご利用のワークスペース ID に置き換えてください。既存のドメインは引き続き完全に機能します。
重要本ドキュメントは、中国 (北京) リージョンにのみ適用されます。モデルを使用するには、中国 (北京) リージョンの API キー を使用する必要があります。
ユーザーガイド： モデルの概要および選定ガイドについては、「音声認識」をご参照ください。サンプルコードについては、「リアルタイム音声認識」をご参照ください。
DashScope SDK は現在、Java および Python のみをサポートしています。その他の言語の場合は、WebSocket を介して直接サービスに接続してください。
サービスエンドポイント
Paraformer は中国 (北京) リージョンでのみ利用可能です。WebSocket URL は以下のとおり固定されています。
wss://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api-ws/v1/inference
{WorkspaceId} は、ご利用のワークスペース ID に置き換えてください。
重要URL は wss:// プロトコルを使用する必要があります。認証情報は Authorization リクエストヘッダーで指定してください（「リクエストヘッダー」を参照）。
リクエストヘッダー
リクエストヘッダーに以下のフィールドを追加してください。
パラメーター | タイプ | 必須 | 説明 |
|---|---|---|---|
Authorization | 文字列 | はい |
|
user-agent | 文字列 | いいえ | クライアント識別子です。サーバーが受信リクエストのソースを識別するのに役立ちます。 |
X-DashScope-WorkSpace | 文字列 | いいえ | Alibaba Cloud Model Studio のワークスペース ID です。 |
X-DashScope-DataInspection | 文字列 | いいえ | データ検査を有効にするかどうかを指定します。デフォルトではこのヘッダーを省略し、必要な場合にのみ |
重要Authorization ヘッダーは WebSocket ハンドシェイク中に検証されます。API キーが無効または欠落している場合、ハンドシェイクは HTTP 401 または 403 エラーで失敗します。
インタラクションフロー
クライアント側およびサーバー側のイベントの詳細については、「クライアントイベント」および「サーバー送信イベント」をご参照ください。
クライアントとサーバーは、以下のシーケンスでやり取りを行います。
- 接続の確立：クライアントがサーバーに対して WebSocket 接続を開きます。
- タスクの開始：クライアントが run-task 命令を送信します。サーバーは task-started イベントを返してタスクが開始されたことを確認し、その後のステップに進みます。
- 音声ストリームの送信：クライアントがモノラルのバイナリ音声をストリーミングします。サーバーは認識結果を含む result-generated イベントを返します。
- タスク終了の通知：クライアントが finish-task 命令を送信し、引き続きサーバーから result-generated イベントを受信します。
- タスクの終了：クライアントがサーバーから task-finished イベントを受信し、タスクが終了したことを示します。
- 接続の終了：クライアントが WebSocket 接続を閉じます。