Alibaba Cloud Model Studio:Reconhecimento de fala não em tempo real (Qwen-Audio-ASR) iOS SDK

url

String

Sim

Endpoints de serviço:

• wss://dashscope.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation

• China (Pequim): wss://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation

• Singapura: wss://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation

Substitua {WorkspaceId} pelo seu ID do Workspace.

apikey

String

Sim

Chave de API.

service_mode

String

Sim

O modo de operação. Para reconhecimento de fala não em tempo real, defina este parâmetro como "1".

device_id

String

Sim

Uma string exclusiva que identifica o usuário final. Você pode usar 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.

debug_path

String

Não

O caminho para os arquivos de log. Este parâmetro só entra em vigor quando você chama nui_initialize com save_log definido como YES. Nesse caso, você deve especificar o caminho do arquivo de log. Caso contrário, ocorrerá um erro. Até dois arquivos de log são retidos localmente.

max_log_file_size

int

Não

O tamanho máximo do arquivo de log em bytes. Este parâmetro só entra em vigor quando você chama nui_initialize com save_log definido como YES. Padrão: 104857600 (100 * 1024 * 1024 bytes, ou 100 MiB).

log_track_level

int

Não

O nível de filtragem para logs enviados por meio do callback de log (onFileTransLogTrackCallback). 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).

apikey

string

Não

Se os Parâmetros de conexão e controle apikey usarem uma chave de API temporária, você pode atualizá-la aqui para evitar a expiração.

nls_config

object

Sim

O objeto de configuração principal de reconhecimento de fala, incluindo o modelo e os parâmetros que controlam o reconhecimento.

nls_config.model

string

Sim

O nome do modelo.

nls_config.format

string

Sim

O formato de áudio. Defina este parâmetro para o formato real. Os formatos suportados incluem wav, mp3, opus. Para obter detalhes, consulte Especificações de áudio.

nls_config.sample_rate

string

Não

A taxa de amostragem de áudio em Hz. Por exemplo, 16000 indica uma taxa de amostragem de 16 kHz. Para obter detalhes, consulte Especificações de áudio.

nls_config.vocabulary_id

string

Não

O ID do vocabulário pré-compilado. Crie um vocabulário com antecedência e passe seu ID durante o reconhecimento para usar suas palavras-chave. Use esta opção quando o vocabulário for conhecido, relativamente estável e reutilizado entre solicitações. Para instruções de uso, consulte Palavras-chave pré-compiladas.

nls_config.instant_vocabulary

object

Não

Palavras-chave instantâneas.

Passe pares chave-valor. A chave é o texto da palavra-chave (string) e o valor é o seu peso (integer). Você não precisa criar um vocabulário com antecedência. Os pesos válidos são [1, 5] ou 50. Dentro de [1, 5], um peso maior torna mais provável que o modelo produza a palavra. Um peso de 50 especifica uma super palavra-chave e aumenta significativamente o recall. Você pode especificar até 50 super palavras-chave.

Use esta opção para otimização temporária de palavras-chave no nível da sessão.

Quando palavras-chave instantâneas e pré-compiladas são configuradas, o sistema as mescla. Se a lista mesclada exceder 2000 entradas, ele seleciona aleatoriamente 2000 entradas. Para instruções de uso, consulte Palavras-chave instantâneas.

{
  "张三": 5,
  "李四": 5
}

nls_config.language_hints

array[string]

Não

Os códigos de idioma a reconhecer. Se o idioma não for conhecido, omita este parâmetro para que o modelo o detecte automaticamente. Você pode definir até 4 valores. Se definir mais, apenas os 4 primeiros terão efeito.

Especificar os códigos de idioma pode melhorar a precisão do reconhecimento.

messages

array[object]

Sim

A lista de messages. Ela contém o áudio a ser reconhecido e o contexto opcional de conversa para melhorar o reconhecimento.

role

string

Sim

A função da mensagem. Valores válidos:

• user (obrigatório): uma mensagem do usuário. Quando o tipo é input_audio, representa o áudio a ser reconhecido. Quando o tipo é input_text, representa os resultados de reconhecimento de turnos anteriores ou um vocabulário específico de domínio (contexto opcional).

• assistant (contexto opcional): Respostas do modelo de linguagem grande de turnos anteriores.

content

array[object]

Sim

A lista de conteúdo da mensagem. Consulte as descrições a seguir.

type

string

Sim

O tipo de conteúdo. Cada solicitação requer pelo menos uma mensagem input_audio . Valores válidos:

• input_audio (obrigatório): A entrada de áudio a ser reconhecida (o role é user). Você também deve fornecer o objeto input_audio.

• input_text (contexto opcional): Resultados de reconhecimento da fala do usuário de turnos anteriores ou um vocabulário específico de domínio (o role é user). Você também deve fornecer o campo text.

• text (contexto opcional): Respostas do modelo de linguagem grande de turnos anteriores (o role é assistant). Você também deve fornecer o campo text.

input_audio

object

Não

Obrigatório quando type é input_audio.

input_audio.data

string

Sim

Os dados de áudio a serem reconhecidos. Para formatos de áudio suportados, limites de tamanho de arquivo, limites de duração e outros requisitos de entrada, consulte Especificações de áudio. Os dois métodos de entrada a seguir são suportados:

• URL do arquivo de áudio: Passe uma URL de arquivo de áudio publicamente acessível.

• URI de dados Base64: Passe o áudio codificado em Base64 como um URI de dados. Concatene o prefixo data:{MIME_TYPE};base64, com os dados de áudio codificados em Base64. Os tipos MIME suportados incluem audio/wav, audio/mp3.

Exemplo (URL): https://example.com/audio/sample.wav

Exemplo (Base64): data:audio/wav;base64,{BASE64_ENCODED_DATA}

text

string

Não

Obrigatório quando type é input_text, forneça os resultados de reconhecimento da fala do usuário de turnos anteriores ou um vocabulário específico de domínio. Quando type é text, forneça as respostas do modelo de linguagem grande de turnos anteriores. O comprimento do texto é contado em caracteres, com cada caractere contando como um. O comprimento total de todos os campos text das mensagens em cada turno de contexto não deve exceder 400 caracteres. Os caracteres excedentes são truncados a partir do final.

parameters

char*

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

level

NuiSdkLogLevel

O nível de logs impressos pelo SDK.

save_log

BOOL

Se deve salvar logs localmente. Se definido como YES, use os Parâmetros de conexão e controle para definir debug_path para especificar o caminho e use max_log_file_size para definir o tamanho do arquivo.

params

char*

Parâmetros de reconhecimento em nls_config e parâmetros de messages.

Exemplo:

{
  "messages": [
    {
      "content": [
        {
          "input_audio": {
            "data": "{YOUR_AUDIO_URL}"
          },
          "type": "input_audio"
        }
      ],
      "role": "user"
    }
  ],
  "nls_config": {
    "format": "mp3",
    "model": "qwen-audio-3.0-asr-flash"
  }
}

params

char*

Parâmetros de reconhecimento. Exemplo:

{
  "messages": [
    {
      "role": "user",
      "content": [
        {
          "type": "input_audio",
          "input_audio": {
            "data": "{YOUR_AUDIO_URL}"
          }
        }
      ]
    }
  ],
  "nls_config": {
    "format": "mp3",
    "model": "qwen-audio-3.0-asr-flash"
  }
}

task_id

char*

Você pode ignorar este parâmetro e passar null.

task_id

char*

O ID da tarefa a ser consultada, obtido de EVENT_FILE_TRANS_UPLOADED.

task_id

char*

O ID da tarefa a ser cancelada, obtido de 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

Se o reconhecimento para este turno foi concluído.

code

int

Válido apenas quando o evento EVENT_ASR_ERROR ocorre.

EVENT_FILE_TRANS_CONNECTED

Conectado com sucesso ao serviço.

EVENT_FILE_TRANS_UPLOADED

O arquivo de áudio foi carregado com sucesso. Você pode obter o task_id atual neste momento.

EVENT_FILE_TRANS_RESULT

O resultado final do reconhecimento.

EVENT_ASR_ERROR

Ocorreu um erro durante o reconhecimento de fala.