Alibaba Cloud Model Studio:Qwen-Audio-ASR-Filetrans SDK iOS de reconhecimento de fala não em tempo real

url

String

Sim

Endpoints de serviço:

• wss://dashscope.aliyuncs.com/api/v1/services/audio/asr/transcription

• China (Pequim): wss://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api/v1/services/audio/asr/transcription

• Singapura: wss://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1/services/audio/asr/transcription

Substitua {WorkspaceId} pelo seu ID do Workspace real.

apikey

String

Sim

A chave de API.

service_mode

String

Sim

O modo de execução. Fixado em "1" para reconhecimento de fala não em tempo real.

device_id

String

Sim

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

debug_path

String

Não

O caminho de armazenamento para o arquivo de log.

Este parâmetro só entra em vigor quando save_log é definido como YES ao chamar a interface nui_initialize. Nesse caso, você deve definir o caminho do arquivo de log; caso contrário, um erro será retornado.

No máximo dois arquivos de log são mantidos localmente.

max_log_file_size

int

Não

O tamanho máximo do arquivo de log, em bytes.

Este parâmetro só entra em vigor quando save_log é definido como YES ao chamar a interface nui_initialize.

Valor padrão: 104857600 (100 * 1024 * 1024 bytes, ou seja, 100 MiB).

log_track_level

int

Não

Controla o nível de filtro do conteúdo de log enviado por meio do callback de log (onFileTransLogTrackCallback).

Valor padrão: 2.

Valores válidos:

• 0: LOG_LEVEL_VERBOSE

• 1: LOG_LEVEL_DEBUG

• 2: LOG_LEVEL_INFO

• 3: LOG_LEVEL_WARNING

• 4: LOG_LEVEL_ERROR

• 5: LOG_LEVEL_NONE (desativa este recurso)

Nota: log_track_level e level (definidos por meio da interface nui_initialize) determinam juntos quais logs são finalmente enviados para o callback. O valor do nível de um log deve ser maior ou igual a log_track_level e level antes de ser enviado para o callback. Por exemplo, se log_track_level estiver definido como 2 (INFO) e level estiver definido como 3 (WARNING), apenas logs no nível WARNING ou superior (valor >= 3) serão enviados para o callback.

file_urls

array[string]

Sim

Uma lista de URLs dos arquivos de áudio ou vídeo a serem transcritos. HTTP e HTTPS são suportados. Uma única solicitação suporta apenas uma URL. Para requisitos de entrada, como formatos de áudio suportados, limites de tamanho de arquivo e limites de duração, consulte Especificações de áudio.

Se a gravação estiver armazenada no Alibaba Cloud OSS, a API RESTful suporta URLs temporárias com o prefixo oss://, enquanto o SDK não suporta URLs temporárias com o prefixo oss://.

async_request

boolean

Não

Se a solicitação de reconhecimento de fala é assíncrona.

Valor padrão: false.

Valores válidos:

• true: solicitação assíncrona
• false: solicitação síncrona

apikey

string

Não

Se o apikey em Parâmetros de conexão e controle for uma chave de API temporária, você pode atualizá-la aqui para evitar que expire.

nls_config

object

Sim

O objeto de configuração principal do reconhecimento de fala. Ele contém parâmetros chave, como seleção de modelo e controles de efeito de reconhecimento.

nls_config.model

string

Sim

O nome do modelo.

nls_config.special_word_filter

object

Não

As palavras sensíveis a serem processadas durante o reconhecimento de fala. Você pode definir um método de tratamento diferente para cada palavra sensível. Para obter detalhes, consulte Filtragem de palavras sensíveis.

nls_config.channel_id

array[integer]

Não

O índice das faixas de áudio a serem reconhecidas em um arquivo de áudio com várias faixas. O índice começa em 0. Por exemplo, [0] reconhece a primeira faixa, e [0, 1] reconhece a primeira e a segunda faixas ao mesmo tempo. Se você omitir este parâmetro, apenas a primeira faixa será processada.

Valor padrão: [0].

nls_config.diarization_enabled

boolean

Não

Se deve ativar a diarização de falantes. Desativado por padrão.

Aplica-se apenas a áudio mono. Áudio multicanal não suporta diarização de falantes.

Quando ativado, o resultado do reconhecimento inclui um campo speaker_id que distingue diferentes falantes.

Valor padrão: false.

Para um exemplo de speaker_id, consulte Descrição do resultado do reconhecimento.

nls_config.speaker_count

integer

Não

Um valor de referência para o número de falantes. O intervalo válido é um número inteiro de 2 a 100 (inclusivo).

Por padrão, o número de falantes é detectado automaticamente. Se você definir este valor, ele apenas orientará o algoritmo a gerar a contagem especificada quando possível, e não garante essa contagem exata.

Sem valor padrão.

nls_config.vocabulary_id

string

Não

O ID de uma lista de palavras-chave pré-compilada.

Gere este ID antecipadamente chamando a API de criação de lista de palavras-chave. Passe o ID durante o reconhecimento para usar as palavras-chave na lista.

Adequado para cenários onde o vocabulário é conhecido e relativamente estável, e onde você precisa reutilizar a mesma lista de palavras em várias solicitações.

Para detalhes de uso, consulte Palavras-chave pré-compiladas.

nls_config.input_context

array

Não

Uma lista de mensagens contendo contexto de conversa opcional para melhorar a precisão do reconhecimento.

[
  {
    "role": "user",
    "content": [
      {
        "type": "input_text",
        "text": "你好啊，我是通义千问，有什么可以帮助你的？"
      }
    ]
  }
]

nls_config.instant_vocabulary

object

Não

Palavras-chave instantâneas, passadas como pares chave-valor. Cada chave é o texto da palavra-chave (string) e cada valor é o seu peso (integer). Nenhuma lista de palavras-chave pré-compilada é necessária. Use este parâmetro para palavras-chave temporárias no nível da sessão.

Os pesos válidos são inteiros de 1 a 5, ou 50. Um peso maior de 1 a 5 torna mais provável que o modelo gere a palavra-chave. Um peso de 50 define uma super palavra-chave e melhora significativamente a taxa de recall. Você pode especificar até 50 super palavras-chave.

Se você também configurar palavras-chave pré-compiladas, os dois conjuntos serão mesclados. Se o conjunto mesclado exceder 2000 palavras-chave, 2000 serão selecionadas aleatoriamente. Para uso, consulte Palavras-chave instantâneas.

{
  "张三": 5,
  "李四": 5
}

nls_config.language_hints

array[string]

Não

Os códigos de idioma a serem reconhecidos. Se você não puder determinar o idioma com antecedência, deixe-o indefinido e o modelo detectará o idioma automaticamente.

Você pode definir até 4 valores. Se definir mais, apenas os 4 primeiros serão usados.

parameters

char*

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

level

NuiSdkLogLevel

Controla o nível de impressão dos próprios logs do SDK.

save_log

BOOL

Se deve salvar logs localmente. Se definido como YES, você deve especificar um caminho por meio de debug_path em Parâmetros de conexão e controle, e pode definir o tamanho do arquivo por meio de max_log_file_size.

params

char*

O parâmetro nls_config em Parâmetros de efeito de reconhecimento de fala. Parâmetros diferentes de nls_config não podem ser definidos por meio deste método.

Exemplo:

{
    "nls_config": {
        "model":"qwen-audio-3.0-asr-flash-filetrans",
        "diarization_enabled": false
    }
}

params

char*

Parâmetros de efeito de reconhecimento de fala.

Exemplo:

{
    "file_urls": [
        "{YOUR_AUDIO_URL}"
    ],
    "async_request": false,
    "nls_config": {
        "model":"qwen-audio-3.0-asr-flash-filetrans",
        "diarization_enabled": false
    }
}

task_id

char*

O ID da tarefa. O SDK gera uma string aleatória internamente e retorna o task_id quando esta interface é chamada com sucesso.

task_id

char*

O ID da tarefa a ser consultada, obtido a partir do evento EVENT_FILE_TRANS_UPLOADED.

task_id

char*

O ID da tarefa a ser cancelada, obtido a partir do evento EVENT_FILE_TRANS_UPLOADED.

nuiEvent

NuiCallbackEvent

O evento de callback.

asr_result

char*

O resultado do reconhecimento de fala.

task_id

char*

O ID da tarefa.

finish

BOOL

Indica se esta rodada de reconhecimento foi concluída.

code

int

Válido apenas quando o evento EVENT_ASR_ERROR ocorre.

EVENT_FILE_TRANS_CONNECTED

Conectado ao serviço com sucesso.

EVENT_FILE_TRANS_UPLOADED

O arquivo de áudio a ser reconhecido foi carregado com sucesso. Agora você pode obter o task_id da tarefa atual.

EVENT_FILE_TRANS_QUERY_RESULT

O resultado da tarefa de consulta.

EVENT_FILE_TRANS_RESULT

O resultado final do reconhecimento.

EVENT_ASR_ERROR

Ocorreu um erro durante o reconhecimento de fala.