Todos os produtos
Search
Central de documentação

Alibaba Cloud Model Studio:Qwen-Audio-ASR Node.js SDK

Última atualização: Nov 19, 2026

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.

ModeloID do modelo no exemplo
Qwen-Audio-ASR-Streamingqwen-audio-3.1-asr-flash-streaming
Qwen-Audio-ASR-Messageqwen-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

apiKey

string

Não

Chave de API. Usa DASHSCOPE_API_KEY por padrão.

workspaceId

string

Não

ID do espaço de trabalho. Usa DASHSCOPE_WORKSPACE_ID por padrão.

baseUrl

string

Não

Defina o hostname como dashscope-intl.aliyuncs.com (Singapura).

model

string

Não

ID do modelo. Padrão: qwen-audio-3.1-asr-flash-streaming.

format

'pcm' | 'wav' | 'mp3' | 'opus' | 'speex' | 'aac' | 'amr'

Não

Formato de áudio. Padrão: pcm. WAV usa PCM, Opus/Speex usam contêineres Ogg e AMR usa AMR-NB.

sampleRate

number

Não

Taxa de amostragem real em Hz. Padrão: 16000.

vocabularyId

string

Não

ID do vocabulário pré-compilado.

languageHints

string[]

Não

Dicas de idioma do reconhecimento. Até os primeiros 4 valores têm efeito. Detecção automática se omitidas.

multiThresholdModeEnabled

boolean

Não

Modo de múltiplos limiares para evitar segmentos VAD longos demais. Padrão: false.

maxSentenceSilence

number

Não

Limiar de silêncio para fim de frase no VAD, em ms: [200,6000]; padrão: 800.

heartbeat

boolean

Não

Keepalive em silêncio. Padrão: false; continue enviando áudio silencioso quando ativado.

context

AsrContextMessage[]

Não

Contexto de reconhecimento. Formato: { role, content: [{ type: "input_text", text }] }, com role como user ou assistant. Até 5 mensagens por papel, menos de 400 caracteres no total, na ordem dos turnos.

parameters

Partial<RecognitionParameters>

Não

Parâmetros adicionais, como vad_model, keep_dialect e vocabulary.

connectTimeoutMs

number

Não

Tempo limite de conexão em ms. Padrão: 10000.

taskTimeoutMs

number

Não

Tempo limite da confirmação de início/fim em ms. Padrão: 60000; 0 desativa.

parameters.vad_model

'near_meeting_16k' | 'far_field_meeting_16k'

Não

VAD de campo próximo ou distante. Padrão: far_field_meeting_16k.

parameters.keep_dialect

boolean

Não

Preserva expressões de dialeto. Padrão: false.

parameters.vocabulary

Record<string, number>

Não

Vocabulário instantâneo: palavras como chaves e pesos em [1,5] ou 50 como valores.

parameters.speech_noise_threshold

number

Não

Limiar de sensibilidade do VAD: [-1,1].

Qwen-Audio-ASR-Message

Referência comum

Opções do construtor de RecognitionClient:

Parâmetro

Tipo

Obrigatório

Descrição

apiKey

string

Não

Chave de API. Usa DASHSCOPE_API_KEY por padrão.

workspaceId

string

Não

ID do espaço de trabalho. Usa DASHSCOPE_WORKSPACE_ID por padrão.

baseUrl

string

Não

Defina o hostname como dashscope-intl.aliyuncs.com (Singapura).

model

string

Sim

Defina o ID como qwen-audio-3.1-asr-flash-message.

format

'pcm' | 'wav' | 'mp3' | 'opus' | 'speex' | 'aac' | 'amr'

Não

Formato de áudio. Padrão: pcm. WAV usa PCM, Opus/Speex usam contêineres Ogg e AMR usa AMR-NB.

sampleRate

number

Não

Taxa de amostragem de áudio. Use 16000 Hz.

vocabularyId

string

Não

ID do vocabulário pré-compilado.

languageHints

string[]

Não

Dicas de idioma do reconhecimento. Até os primeiros 4 valores têm efeito. Detecção automática se omitidas.

disfluencyRemovalEnabled

boolean

Não

Remove disfluências e aprimora o texto. Padrão: false.

maxSentenceSilence

number

Não

Limiar de silêncio para fim de frase no VAD, em ms: [200,6000]; padrão: 800.

heartbeat

boolean

Não

Keepalive em silêncio. Padrão: false; continue enviando áudio silencioso quando ativado.

context

AsrContextMessage[]

Não

Contexto de reconhecimento. Formato: { role, content: [{ type: "input_text", text }] }, com role como user ou assistant. Até 5 mensagens por papel, menos de 400 caracteres no total, na ordem dos turnos.

parameters

Partial<RecognitionParameters>

Não

Parâmetros adicionais, como vad_model, keep_dialect e vocabulary.

connectTimeoutMs

number

Não

Tempo limite de conexão em ms. Padrão: 10000.

taskTimeoutMs

number

Não

Tempo limite da confirmação de início/fim em ms. Padrão: 60000; 0 desativa.

parameters.vad_model

'near_meeting_16k' | 'far_field_meeting_16k'

Não

VAD de campo próximo ou distante. Padrão: far_field_meeting_16k.

parameters.keep_dialect

boolean

Não

Preserva expressões de dialeto. Padrão: false.

parameters.vocabulary

Record<string, number>

Não

Vocabulário instantâneo: palavras como chaves e pesos em [1,5] ou 50 como valores.

parameters.speech_noise_threshold

number

Não

Limiar de sensibilidade do VAD: [-1,1].

parameters.intermediate_result_enabled

boolean

Não

Retorna resultados intermediários de reconhecimento. Padrão: false.

Referência da API

Qwen-Audio-ASR-Streaming

Métodos principais

Método

Retorno

Descrição

start()

Promise<void>

Inicia o reconhecimento; envie áudio após resolver.

sendAudio(audio: Buffer | Uint8Array)

void

Envia quadros de áudio no formato e amostragem configurados.

finish()

Promise<void>

Encerra a entrada e aguarda a conclusão. O texto chega por callbacks.

close(code?: number, reason?: string)

void

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

started

{ taskId: string }

A tarefa iniciou e aceita entrada.

result

{ text: string; sentence_end: boolean; sentence_begin?: boolean; words?: RecognitionWord[] }

Frase intermediária ou final, excluindo resultados de heartbeat.

sentenceEnd

{ text: string; sentence_end: boolean; sentence_begin?: boolean; words?: RecognitionWord[] }

Frase final com sentence_end === true.

finished

{ taskId: string; duration?: number; usage?: RecognitionUsage }

A tarefa terminou e o estado local foi limpo.

failed / error

DashScopeError

Erro com code, message e identificadores da requisição.

close

{ code: number; reason: string }

Notificação de fechamento da conexão subjacente.

event

ServerEvent

Mensagem JSON original do serviço.

Qwen-Audio-ASR-Message

Métodos principais

Método

Retorno

Descrição

start()

Promise<void>

Inicia o reconhecimento; envie áudio após resolver.

sendAudio(audio: Buffer | Uint8Array)

void

Envia quadros de áudio no formato e amostragem configurados.

updateContext(context: AsrContextMessage[])

void

Atualiza o contexto após o início e antes de encerrar a entrada.

finish()

Promise<void>

Encerra a entrada e aguarda a conclusão. O texto chega por callbacks.

close(code?: number, reason?: string)

void

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

started

{ taskId: string }

A tarefa iniciou e aceita entrada.

result

{ text: string; sentence_end: boolean; sentence_begin?: boolean; words?: RecognitionWord[] }

Frase intermediária ou final, excluindo resultados de heartbeat.

sentenceEnd

{ text: string; sentence_end: boolean; sentence_begin?: boolean; words?: RecognitionWord[] }

Frase final com sentence_end === true.

finished

{ taskId: string; duration?: number; usage?: RecognitionUsage }

A tarefa terminou e o estado local foi limpo.

failed / error

DashScopeError

Erro com code, message e identificadores da requisição.

close

{ code: number; reason: string }

Notificação de fechamento da conexão subjacente.

event

ServerEvent

Mensagem JSON original do serviço.