Pré-requisitos
Obtenha uma chave de API no console e defina-a na variável de ambiente DASHSCOPE_API_KEY.
Instalar o SDK
Requer Node.js 18 ou posterior. Baixe o pacote SDK 0.1.0 e execute no projeto:
npm install ./dashscope-sdk-nodejs-0.1.0.tgz
Início rápido
Use os mesmos exemplos para os modelos abaixo. Substitua o ID do modelo conforme a tabela.
| Modelo | ID do modelo no exemplo |
|---|---|
| Qwen-Audio-ASR-Streaming | qwen-audio-3.1-asr-flash-streaming |
| Qwen-Audio-ASR-Message | qwen-audio-3.1-asr-flash-message |
Baixe o áudio de exemplo como input.mp3 e converta para PCM mono de 16 kHz e 16 bits:
ffmpeg -i input.mp3 -f s16le -ac 1 -ar 16000 input.pcm
Salve o exemplo como example.mjs e execute node example.mjs.
import { readFile } from 'node:fs/promises'
import { setTimeout as sleep } from 'node:timers/promises'
import { RecognitionClient } from 'dashscope-sdk-nodejs/asr'
const pcm = await readFile('input.pcm')
const asr = new RecognitionClient({
apiKey: process.env.DASHSCOPE_API_KEY,
workspaceId: process.env.DASHSCOPE_WORKSPACE_ID,
baseUrl: 'dashscope-intl.aliyuncs.com',
model: 'qwen-audio-3.1-asr-flash-streaming',
format: 'pcm',
sampleRate: 16000,
})
asr.on('sentenceEnd', sentence => console.log('Final sentence:', sentence.text))
asr.on('error', err => console.error(err.code, err.message))
try {
await asr.start()
for (let offset = 0; offset < pcm.length; offset += 3200) {
asr.sendAudio(pcm.subarray(offset, offset + 3200))
await sleep(100)
}
await asr.finish()
} finally {
asr.close()
}
Parâmetros da solicitação
Qwen-Audio-ASR-Streaming
Referência comum
Opções do construtor de RecognitionClient:
Parâmetro | Tipo | Obrigatório | Descrição |
|---|---|---|---|
|
| Não | Chave de API. Usa |
|
| Não | ID do espaço de trabalho. Usa |
|
| Não | Defina o hostname como |
|
| Não | ID do modelo. Padrão: |
|
| Não | Formato de áudio. Padrão: |
|
| Não | Taxa de amostragem real em Hz. Padrão: |
|
| Não | ID do vocabulário pré-compilado. |
|
| Não | Dicas de idioma do reconhecimento. Até os primeiros 4 valores têm efeito. Detecção automática se omitidas. |
|
| Não | Modo de múltiplos limiares para evitar segmentos VAD longos demais. Padrão: |
|
| Não | Limiar de silêncio para fim de frase no VAD, em ms: |
|
| Não | Keepalive em silêncio. Padrão: |
|
| Não | Contexto de reconhecimento. Formato: |
|
| Não | Parâmetros adicionais, como |
|
| Não | Tempo limite de conexão em ms. Padrão: |
|
| Não | Tempo limite da confirmação de início/fim em ms. Padrão: |
|
| Não | VAD de campo próximo ou distante. Padrão: |
|
| Não | Preserva expressões de dialeto. Padrão: |
|
| Não | Vocabulário instantâneo: palavras como chaves e pesos em |
|
| Não | Limiar de sensibilidade do VAD: |
Qwen-Audio-ASR-Message
Referência comum
Opções do construtor de RecognitionClient:
Parâmetro | Tipo | Obrigatório | Descrição |
|---|---|---|---|
|
| Não | Chave de API. Usa |
|
| Não | ID do espaço de trabalho. Usa |
|
| Não | Defina o hostname como |
|
| Sim | Defina o ID como |
|
| Não | Formato de áudio. Padrão: |
|
| Não | Taxa de amostragem de áudio. Use |
|
| Não | ID do vocabulário pré-compilado. |
|
| Não | Dicas de idioma do reconhecimento. Até os primeiros 4 valores têm efeito. Detecção automática se omitidas. |
|
| Não | Remove disfluências e aprimora o texto. Padrão: |
|
| Não | Limiar de silêncio para fim de frase no VAD, em ms: |
|
| Não | Keepalive em silêncio. Padrão: |
|
| Não | Contexto de reconhecimento. Formato: |
|
| Não | Parâmetros adicionais, como |
|
| Não | Tempo limite de conexão em ms. Padrão: |
|
| Não | Tempo limite da confirmação de início/fim em ms. Padrão: |
|
| Não | VAD de campo próximo ou distante. Padrão: |
|
| Não | Preserva expressões de dialeto. Padrão: |
|
| Não | Vocabulário instantâneo: palavras como chaves e pesos em |
|
| Não | Limiar de sensibilidade do VAD: |
|
| Não | Retorna resultados intermediários de reconhecimento. Padrão: |
Referência da API
Qwen-Audio-ASR-Streaming
Métodos principais
Método | Retorno | Descrição |
|---|---|---|
|
| Inicia o reconhecimento; envie áudio após resolver. |
|
| Envia quadros de áudio no formato e amostragem configurados. |
|
| Encerra a entrada e aguarda a conclusão. O texto chega por callbacks. |
|
| Fecha a conexão e libera os recursos da tarefa. |
Eventos de callback
Registre callbacks com on(event, listener). Consulte os campos completos em eventos do servidor.
Evento | Payload | Descrição |
|---|---|---|
|
| A tarefa iniciou e aceita entrada. |
|
| Frase intermediária ou final, excluindo resultados de heartbeat. |
|
| Frase final com |
|
| A tarefa terminou e o estado local foi limpo. |
|
| Erro com |
|
| Notificação de fechamento da conexão subjacente. |
|
| Mensagem JSON original do serviço. |
Qwen-Audio-ASR-Message
Métodos principais
Método | Retorno | Descrição |
|---|---|---|
|
| Inicia o reconhecimento; envie áudio após resolver. |
|
| Envia quadros de áudio no formato e amostragem configurados. |
|
| Atualiza o contexto após o início e antes de encerrar a entrada. |
|
| Encerra a entrada e aguarda a conclusão. O texto chega por callbacks. |
|
| Fecha a conexão e libera os recursos da tarefa. |
Eventos de callback
Registre callbacks com on(event, listener). Consulte os campos completos em eventos do servidor.
Evento | Payload | Descrição |
|---|---|---|
|
| A tarefa iniciou e aceita entrada. |
|
| Frase intermediária ou final, excluindo resultados de heartbeat. |
|
| Frase final com |
|
| A tarefa terminou e o estado local foi limpo. |
|
| Erro com |
|
| Notificação de fechamento da conexão subjacente. |
|
| Mensagem JSON original do serviço. |