Alibaba Cloud Model Studio:SDK do HarmonyOS para reconhecimento de fala não em tempo real do Paraformer

Sim

O endpoint. Isso é fixado em wss://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api/v1/services/audio/asr/transcription. Substitua {WorkspaceId} pelo seu ID de workspace real.

Sim

A chave de API. Recomendamos usar uma chave de API temporária mais segura com um curto período de validade para reduzir o risco de vazamento de uma chave de longo prazo.

Sim

O modo de operação. Para reconhecimento de fala não em tempo real, isso é fixado em "1".

Sim

Uma string exclusiva que identifica o usuário final. Você pode defini-la como um ID de usuário no aplicativo ou um identificador de dispositivo exclusivo gerado pelo cliente. Este ID é usado principalmente para rastreamento de logs e solução de problemas.

Não

O caminho de armazenamento para arquivos de log. Este parâmetro só entra em vigor se você definir save_log como true ao chamar initializeFileTrans. Nesse caso, você deve especificar um caminho de arquivo de log. Caso contrário, ocorrerá um erro. No máximo dois arquivos de log são retidos localmente.

Não

Define o tamanho máximo de um arquivo de log em bytes. Este parâmetro só entra em vigor se você definir save_log como true ao chamar initializeFileTrans. Valor padrão: 104857600 (100 * 1024 * 1024 bytes, ou 100 MiB).

Sim

Uma lista de URLs para os arquivos de áudio ou vídeo a serem transcritos. HTTP e HTTPS são suportados. Uma única solicitação suporta apenas 1 URL. Se um arquivo de áudio estiver armazenado no Alibaba Cloud OSS, o SDK não suporta uma URL temporária que use o prefixo oss://. - Formatos de áudio: aac, amr, avi, flac, flv, m4a, mkv, mov, mp3, mp4, mpeg, ogg, opus, wav, webm, wma e wmv.

- Taxas de amostragem de áudio variam de acordo com o modelo: - paraformer-v2 suporta qualquer taxa de amostragem. - paraformer-8k-v2 suporta apenas 8 kHz. - Tamanho e duração do arquivo de áudio: O arquivo não pode exceder 2 GB, e sua duração não pode exceder 12 horas. Para processar um arquivo que exceda esses limites, pré-processe-o para reduzir o tamanho do arquivo. Para obter as melhores práticas, consulte Pré-processar arquivos de vídeo para melhorar a eficiência da transcrição no reconhecimento de arquivos de áudio.

Não

Especifica se deve usar uma solicitação assíncrona. Valor padrão: false. Valores válidos: - true: solicitação assíncrona - false: solicitação síncrona.

Não

Se apikey em Parâmetros de conexão e controle for uma chave de API temporária, atualize-a aqui antes que expire.

Sim

O objeto de configuração principal de reconhecimento de fala, que contém parâmetros chave para seleção de modelo e controle de efeito de reconhecimento.

Sim

O modelo de reconhecimento de fala.

Não

Especifica os códigos de idioma para o áudio a ser reconhecido. Este parâmetro se aplica apenas ao paraformer-v2. Valor padrão: ["zh", "en"]. Códigos de idioma suportados: - zh: Chinês - en: Inglês - ja: Japonês - yue: Cantonês - ko: Coreano - de: Alemão - fr: Francês - ru: Russo.

Não

Especifica se deve remover disfluências, como palavras de preenchimento. Valor padrão: false. Valores válidos: - true: remove disfluências - false: retém disfluências.

Não

Especifica se deve ativar o alinhamento de timestamps. Valor padrão: false. Valores válidos: - true: ativado - false: desativado.

Não

Especifica palavras sensíveis a serem processadas durante o reconhecimento de fala e suporta diferentes métodos de processamento para diferentes palavras. Se este parâmetro for omitido, a lógica de filtragem de palavras sensíveis integrada será ativada. Palavras que correspondem à lista de palavras sensíveis do Alibaba Cloud Model Studio são substituídas pelo mesmo número de caracteres *. Se este parâmetro for especificado, as palavras correspondentes podem ser substituídas por caracteres * ou removidas. O valor é um objeto JSON no seguinte formato: { "filter_with_signed": { "word_list": ["测试"] }, "filter_with_empty": { "word_list": ["开始", "发生"] }, "system_reserved_filter": true }. Descrições dos campos JSON: - filter_with_signed: Um objeto opcional que especifica palavras a serem substituídas pelo mesmo número de caracteres *. No exemplo anterior, o resultado para “帮我测试一下这段代码” é “帮我**一下这段代码”. Seu campo word_list é uma matriz de strings a serem substituídas. - filter_with_empty: Um objeto opcional que especifica palavras a serem removidas do resultado. No exemplo anterior, o resultado para “比赛这就要开始了吗？” é “比赛这就要了吗”. Seu campo word_list é uma matriz de strings a serem removidas. - system_reserved_filter: Um booleano opcional. Valor padrão: true. Especifica se as regras integradas de palavras sensíveis devem ser ativadas. Se definido como true, as palavras que correspondem à lista de palavras sensíveis do Alibaba Cloud Model Studio são substituídas pelo mesmo número de caracteres *.

Não

Especifica os índices das faixas de áudio a serem reconhecidas em um arquivo de áudio com múltiplas faixas. Os índices começam em 0. Por exemplo, [0] reconhece a primeira faixa e [0, 1] reconhece a primeira e a segunda faixas. Se omitido, a primeira faixa é processada.

Valor padrão: [0].

Não

Especifica se deve ativar a diarização de falantes. Este recurso está desativado por padrão. Ele se aplica apenas a áudio mono. Áudio multicanal não suporta diarização de falantes. Quando ativado, o resultado do reconhecimento contém speaker_id para distinguir os falantes.

Para um exemplo de speaker_id, consulte Descrições dos resultados de reconhecimento.

Não

Um valor de referência para o número de falantes. Para usar este recurso, defina diarization_enabled como true. Por padrão, o número de falantes é determinado automaticamente. Se este parâmetro for definido, ele apenas orienta o algoritmo a gerar o número especificado e não garante esse número. Intervalo válido: [2, 100]. O mínimo é 2 porque este recurso distingue vários falantes.

Não

O ID do vocabulário de palavras-chave, que melhora a precisão do reconhecimento de palavras específicas. Este parâmetro se aplica aos modelos v2 e posteriores. Para mais informações, consulte Palavras-chave personalizadas.

Uma implementação da interface de callback de eventos e dados de transcrição de arquivos.

Uma string JSON que contém parâmetros de autenticação, conexão e depuração. Consulte Parâmetros de conexão e controle.

Controla o nível de log do SDK. Os valores válidos são definidos pela enumeração Constants.LogLevel.

Especifica se deve salvar logs locais. Se este parâmetro for true, use debug_path em Parâmetros de conexão e controle para especificar um caminho. Você também pode usar max_log_file_size para definir o tamanho do arquivo.

O parâmetro nls_config em Parâmetros de efeito de reconhecimento de fala. Parâmetros fora de nls_config não podem ser definidos usando este método. Exemplo: { "nls_config": { "model":"paraformer-v2", "disfluency_removal_enabled":false, "timestamp_alignment_enabled": false } }

Os parâmetros de efeito de reconhecimento de fala. Exemplo: { "file_urls": [ "{YOUR_AUDIO_URL}" ], "async_request": false, "nls_config": { "model":"paraformer-v2", "disfluency_removal_enabled":false, "timestamp_alignment_enabled": false } }

O buffer do ID da tarefa. O SDK grava uma string de ID de tarefa aleatória gerada internamente neste buffer. O buffer deve ter pelo menos 33 bytes de comprimento. O exemplo usa new ArrayBuffer(64). Após uma chamada bem-sucedida, decodifique o buffer para obter o task_id da tarefa.

O ID da tarefa a ser consultada, obtido do buffer gravado por startFileTranscriber.

O ID da tarefa a ser cancelada.

O evento de callback.

Válido apenas quando o evento EVENT_ASR_ERROR ocorre.

Indica se a tarefa terminou.

O resultado do reconhecimento de fala.

O ID da tarefa.

O serviço está conectado.

O arquivo de áudio a ser reconhecido foi carregado.

O resultado da consulta da tarefa.

O resultado final do reconhecimento.

Ocorre um erro durante o reconhecimento de fala.

Os logs mais detalhados.

Logs de depuração.

Logs informativos (padrão).

Logs de aviso.

Logs de erro.

Desativa o registro de logs.