Qwen-Audio-3.0-ASR-Flash-Streaming/Fun-ASR-Realtime real-time speech recognition server-side events - Alibaba Cloud Model Studio: Central de Documentação do Alibaba Cloud

O service de reconhecimento de fala em tempo real Qwen-Audio-3.0-ASR-Flash-Streaming/Fun-ASR-Realtime envia eventos do lado do servidor ao cliente via WebSocket. Este tópico descreve as estruturas de dados e os campos dos quatro tipos de eventos: task-started, result-generated, task-finished e task-failed.

Guia do usuário: Para descrições dos modelos e orientações de seleção, consulte Speech-to-text.

Fluxo de interação de eventos: Para entender a sequência de interação dos eventos, consulte WebSocket API.

task-started

Descrição: A tarefa foi iniciada com sucesso. O cliente pode começar a enviar dados de áudio.

headerobject

Properties

task_idstring

ID da tarefa gerado pelo cliente (formato UUID).

eventstring

Tipo do evento. Sempre task-started.

attributesobject

Atributos adicionais. Geralmente vazio.

{
    "header": {
        "task_id": "2bf83b9a-baeb-4fda-8d9a-xxxxxxxxxxxx",
        "event": "task-started",
        "attributes": {}
    },
    "payload": {}
}

payloadobject

Sempre {}.

result-generated

Descrição: Resultado do reconhecimento. Inclui resultados intermediários (sentence_end=false) e finais (sentence_end=true). O primeiro resultado intermediário de uma nova frase contém sentence_begin=true.

headerobject

Properties

task_idstring

ID da tarefa gerado pelo cliente (formato UUID).

eventstring

Tipo do evento. Sempre result-generated.

Sentence-start result:

{
  "header": {
    "task_id": "2bf83b9a-baeb-4fda-8d9a-xxxxxxxxxxxx",
    "event": "result-generated",
    "attributes": {}
  },
  "payload": {
    "output": {
      "sentence": {
        "begin_time": 0,
        "end_time": null,
        "text": "",
        "sentence_begin": true,
        "sentence_end": false,
        "sentence_id": 1,
        "words": []
      }
    },
    "usage": null
  }
}

Final result:

{
  "header": {
    "task_id": "2bf83b9a-baeb-4fda-8d9a-xxxxxxxxxxxx",
    "event": "result-generated",
    "attributes": {}
  },
  "payload": {
    "output": {
      "sentence": {
        "begin_time": 170,
        "end_time": 920,
        "text": "OK, got it.",
        "heartbeat": false,
        "sentence_end": true,
        "sentence_id": 1,
        "words": [
          {
            "begin_time": 170,
            "end_time": 295,
            "text": "OK",
            "punctuation": ","
          },
          {
            "begin_time": 295,
            "end_time": 503,
            "text": "got",
            "punctuation": ""
          },
          {
            "begin_time": 503,
            "end_time": 711,
            "text": "it",
            "punctuation": ""
          },
          {
            "begin_time": 711,
            "end_time": 920,
            "text": "",
            "punctuation": "."
          }
        ]
      }
    },
    "usage": {
      "duration": 3
    }
  }
}

payloadobject

Properties

outputobject

Properties

usageobject

Se payload.output.sentence.sentence_end for false (frase atual não finalizada), usage será null.

Se payload.output.sentence.sentence_end for true (frase atual finalizada), usage.duration indicará a duração faturada da tarefa atual.

Properties

durationinteger

Duração faturada da tarefa, em segundos.

Properties

sentenceobject

Properties

begin_timeinteger

Horário de início da frase, em milissegundos.

end_timeinteger

Horário de término da frase, em milissegundos.

textstring

Texto reconhecido.

heartbeatboolean

Se true, o resultado é um pacote de heartbeat e pode ser ignorado.

sentence_beginboolean

Indica o início de uma frase.

sentence_endboolean

Indica se a frase terminou (true = resultado final; false = resultado intermediário).

sentence_idinteger

Identificador sequencial da frase. Em resultados normais, sentence_id incrementa a partir de 1. Em pacotes de heartbeat (heartbeat=true), sentence_id é sempre 0.

wordsarray[object]

Carimbos de data/hora no nível da palavra.

Properties

begin_timeinteger

Horário de início da palavra, em milissegundos.

end_timeinteger

Horário de término da palavra, em milissegundos.

textstring

Texto reconhecido.

punctuationstring

Sinal de pontuação.

task-finished

Descrição: A tarefa terminou normalmente. Feche a conexão ou reutilize-a.

headerobject

Properties

task_idstring

ID da tarefa gerado pelo cliente (formato UUID).

eventstring

Tipo do evento. Sempre task-finished.

attributesobject

Atributos adicionais. Geralmente vazio.

{
    "header": {
        "task_id": "2bf83b9a-baeb-4fda-8d9a-xxxxxxxxxxxx",
        "event": "task-finished",
        "attributes": {}
    },
    "payload": {
        "output": {},
        "usage": null
    }
}

payloadobject

Campo ignorável. Normalmente {}.

task-failed

Descrição: Falha na tarefa. A conexão foi fechada e não pode ser reutilizada.

headerobject

Properties

task_idstring

ID da tarefa gerado pelo cliente (formato UUID).

eventstring

Tipo do evento. Sempre task-failed.

error_codestring

Descrição do tipo de erro.

error_messagestring

Causa específica do erro.

attributesobject

Atributos adicionais. Geralmente vazio.

{
    "header": {
        "task_id": "2bf83b9a-baeb-4fda-8d9a-xxxxxxxxxxxx",
        "event": "task-failed",
        "error_code": "CLIENT_ERROR",
        "error_message": "request timeout after 23 seconds.",
        "attributes": {}
    },
    "payload": {}
}

payloadobject

Sempre {}.