A função AI_AUDIO_TRANSCRIBE converte áudio em texto. Utilize este recurso para indexar gravações de atendimento ao cliente, gerar atas de reunião, processar mensagens de voz e arquivar conteúdo de podcasts.
Antes de transcrever suas próprias gravações, confirme que você cumpriu as obrigações de notificação de gravação e obteve a autorização necessária. Recomendamos o uso de URLs de mídia de curta duração com privilégio mínimo, além de limitar o tempo de armazenamento tanto do áudio original quanto do texto transcrito, conforme sua política de retenção de dados de atendimento ao cliente.
Formato do comando
REST API
REST API
@id="c0004a7x2t"
{
"model_name": "qwen3-asr-flash",
"texts": ["<audio_url>"],
"params": {
"language": "zh",
"enable_itn": true,
"max_concurrency": 1
}
}
@id="cmdpysecaud01"
@id="cmdpyhaud0001"
Python
Python
@id="cmdpycodaud01"
schema = MilvusClient.create_schema(auto_id=True, enable_dynamic_field=False)
schema.add_field("id", DataType.INT64, is_primary=True)
schema.add_field("audio_url", DataType.VARCHAR, max_length=4096)
schema.add_field("transcript", DataType.VARCHAR, max_length=4096)
schema.add_field("dummy_vector", DataType.FLOAT_VECTOR, dim=2)
schema.add_function(
Function(
name="transcribe_audio",
function_type=texttransform_function_type(),
input_field_names=["audio_url"],
output_field_names=["transcript"],
params={
"provider": "aliyun_milvus",
"model_name": "qwen3-asr-flash",
"task": "ai_audio_transcribe",
"language": "zh",
"enable_itn": "true",
},
)
)
Parâmetros
|
@id="p0048a7x2t" Parâmetro |
@id="p0050a7x2t" Descrição |
|
@id="p0010a7x2t" |
@id="p0012a7x2t" Obrigatório. Utilize |
|
@id="p0015a7x2t" |
@id="p0017a7x2t" Necessário para REST. Array de URLs de áudio. Não pode conter strings vazias. Os resultados seguem a ordem de entrada. |
|
@id="p0020a7x2t" |
@id="p0022a7x2t" Opcional. Código do idioma de source, por exemplo |
|
@id="p0025a7x2t" |
@id="p0027a7x2t" Opcional. Booleano. Quando ativado, normaliza números falados e expressões similares para a forma escrita. |
|
@id="p0030a7x2t" |
@id="p0032a7x2t" Opcional. Controlam, respectivamente, o tempo limite da chamada e a quantidade de processamentos simultâneos para múltiplos arquivos de áudio. |
|
@id="p0035a7x2t" |
@id="p0037a7x2t" Pode ser omitido ou defina como |
|
@id="p0040a7x2t" Outros |
@id="p0042a7x2t" |
Valores de retorno
data.output.outputs retorna o texto transcrito correspondente a cada entrada de áudio, respeitando a ordem. usage.audio_tokens indica o uso de tokens de áudio, enquanto usage.seconds mostra a duração do áudio processado.
{
"code": 0,
"data": {
"output": {"outputs": ["<transcript>"]},
"usage": {"audio_tokens": 256, "total_tokens": 256, "seconds": 45}
}
}
Exemplo: Transcrever uma gravação de atendimento ao cliente
O exemplo a seguir converte uma mensagem de boas-vindas de hotline em texto para arquivamento de versões e revisão manual, permitindo verificar se horários de atendimento, avisos de gravação e demais conteúdos estão claramente expressos. Campos ausentes na transcrição devem ser marcados como "não confirmados", pois o modelo não consegue complementá-los.
O arquivo público padrão welcome.mp3 é uma mensagem de boas-vindas em chinês; portanto, o exemplo utiliza language=zh. Ao substituir AIFUNC_AUDIO_URL, atualize também AIFUNC_AUDIO_LANGUAGE para o idioma de source real. O exemplo com cURL requer jq.
REST API
REST API
@id="c0058a7x2t"
#!/usr/bin/env bash
set -euo pipefail
MILVUS_REST_BASE_URL="http://c-xxxx.milvus.aliyuncs.com:19530"
MILVUS_AUTH_TOKEN="<yourUsername>:<yourPassword>"
post_json() {
local path="$1"
local body="$2"
curl -X POST \
"$MILVUS_REST_BASE_URL$path" \
-H "Authorization: Bearer $MILVUS_AUTH_TOKEN" \
-H "Content-Type: application/json" \
-d "$body"
}
MODEL_NAME="qwen3-asr-flash"
AUDIO_URL="${AIFUNC_AUDIO_URL:-https://dashscope.oss-cn-beijing.aliyuncs.com/audios/welcome.mp3}"
BODY=$(cat <<JSON
{
"model_name": "$MODEL_NAME",
"texts": ["$AUDIO_URL"],
"params": {"language": "zh", "enable_itn": true, "max_concurrency": 1}
}
JSON
)
RESPONSE_BODY="$(post_json "/v2/vectordb/ai/audio_transcribe" "$BODY")"
if command -v jq >/dev/null 2>&1; then
echo "$RESPONSE_BODY" | jq .
[ "$(echo "$RESPONSE_BODY" | jq -r '.code // -1')" = "0" ] || exit 1
else
echo "$RESPONSE_BODY"
fi
@id="pt0059a7x2t"
@id="h0060a7x2t"
Python
Python
@id="c0061a7x2t"
from __future__ import annotations
from typing import Any
from pymilvus import DataType, Function, FunctionType, MilvusClient
MILVUS_URI = "http://c-xxxx.milvus.aliyuncs.com:19530"
MILVUS_TOKEN = "<yourUsername>:<yourPassword>"
DUMMY_VECTOR_DIM = 2
TEXTTRANSFORM_FUNCTION_TYPE = 9
def texttransform_function_type() -> Any:
for type_name in ("TEXTTRANSFORM", "TEXT_TRANSFORM", "TextTransform"):
function_type = getattr(FunctionType, type_name, None)
if function_type is not None:
return function_type
# Alibaba Cloud Milvus provides TEXTTRANSFORM as a hosted extension (function type value 9);
# some pymilvus versions do not yet have this enum member built in, while Function(...) validates via FunctionType(...).
existing = getattr(FunctionType, "_value2member_map_", {}).get(TEXTTRANSFORM_FUNCTION_TYPE)
if existing is not None:
return existing
extension = int.__new__(FunctionType, TEXTTRANSFORM_FUNCTION_TYPE)
extension._name_ = "TEXTTRANSFORM"
extension._value_ = TEXTTRANSFORM_FUNCTION_TYPE
FunctionType._value2member_map_[TEXTTRANSFORM_FUNCTION_TYPE] = extension
FunctionType._member_map_["TEXTTRANSFORM"] = extension
return extension
def add_id(schema: Any) -> None:
schema.add_field("id", DataType.INT64, is_primary=True)
def add_dummy_vector(schema: Any) -> None:
schema.add_field("dummy_vector", DataType.FLOAT_VECTOR, dim=DUMMY_VECTOR_DIM)
def run_texttransform_example(*, client, collection_name, input_fields, output_field, function_name, function_params, rows) -> None:
if client.has_collection(collection_name):
client.drop_collection(collection_name)
schema = MilvusClient.create_schema(auto_id=True, enable_dynamic_field=False)
add_id(schema)
for name, data_type, max_length in input_fields:
field_params = {"max_length": max_length} if max_length is not None else {}
schema.add_field(name, data_type, **field_params)
output_name, output_data_type, output_max_length = output_field
output_params = {"max_length": output_max_length} if output_max_length is not None else {}
schema.add_field(output_name, output_data_type, **output_params)
add_dummy_vector(schema)
schema.add_function(
Function(
name=function_name,
function_type=texttransform_function_type(),
input_field_names=[name for name, _, _ in input_fields],
output_field_names=[output_name],
params=function_params,
)
)
index_params = client.prepare_index_params()
index_params.add_index(field_name="dummy_vector", index_type="AUTOINDEX", metric_type="COSINE")
client.create_collection(collection_name=collection_name, schema=schema, index_params=index_params)
client.insert(collection_name, rows)
client.flush(collection_name)
fields = [name for name, _, _ in input_fields] + [output_name]
for row in client.query(collection_name, filter="", output_fields=fields, limit=len(rows)):
print(row)
MODEL_NAME = "qwen3-asr-flash"
client = MilvusClient(uri=MILVUS_URI, token=MILVUS_TOKEN)
run_texttransform_example(
client=client,
collection_name="simple_ai_audio_transcribe_schema",
input_fields=[("audio_url", DataType.VARCHAR, 4096)],
output_field=("transcript", DataType.VARCHAR, 4096),
function_name="transcribe_audio",
function_params={"provider": "aliyun_milvus", "model_name": MODEL_NAME, "task": "ai_audio_transcribe", "language": "zh", "enable_itn": "true"},
rows=[{"audio_url": "https://dashscope.oss-cn-beijing.aliyuncs.com/audios/welcome.mp3", "dummy_vector": [0.1, 0.2]}],
)
Resultado esperado: data.output.outputs[0] contém uma transcrição não vazia da mensagem de boas-vindas, com no máximo 10.000 caracteres, que pode ser gravada no campo transcript do arquivo de versões da hotline (retorno de teste real, renderizado em inglês: Welcome to Alibaba Cloud.; a API retorna a transcrição no idioma de source do áudio).
{"code": 0, "data": {"output": {"outputs": ["Welcome to Alibaba Cloud."]}}}
No cenário Python, nomeie o campo de entrada como audio_url e o campo de saída como transcript. A Function executa a transcrição automaticamente durante a inserção.