本文介紹 Paraformer 即時語音辨識服務中用戶端通過 WebSocket 發送給服務端的用戶端事件，包括 run-task（啟動任務）和 finish-task（結束任務）兩類指令的資料結構與欄位含義。
使用者指南：關於模型介紹和選型建議請參見語音辨識。
事件互動流程：如需瞭解事件互動時序，請參見WebSocket API。
run-task
說明：啟動語音辨識任務，設定模型、音頻格式、採樣率等參數。
發送時機：建立 WebSocket 串連後立即發送。
響應事件：服務端返回 task-started 事件後才能發送音頻。
headerobject（必選） 屬性 actionstring（必選） 指令類型，固定為 run-task。 task_idstring（必選） 用戶端產生的任務 ID（UUID 格式），用於關聯後續事件。 streamingstring（必選） 固定為 duplex。 payloadobject（必選） 屬性 task_groupstring（必選） 工作群組，固定為 audio。 taskstring（必選） 任務類型，固定為 asr。 functionstring（必選） 功能類型。固定為recognition。 modelstring（必選） 模型名稱。 inputobject（必選） 固定為{}。 parametersobject（必選） 語音辨識參數。 屬性 formatstring（必選） 音頻格式。 取值範圍：
pcmwavmp3opusspeexaacamr 重要Paraformer須遵循如下約束：
- opus/speex：必須使用Ogg封裝
- wav：必須為PCM編碼
- amr：僅支援AMR-NB類型
sample_rateinteger（必選） 採樣率（Hz）。 取值範圍：
-
Paraformer（因模型而異）：
- paraformer-realtime-v2：支援任意採樣率
- paraformer-realtime-8k-v2：僅支援 8000 Hz
vocabulary_idstring（可選） 熱詞列表 ID。 disfluency_removal_enabledboolean（可選） 是否過濾語氣詞。 預設值：false。 language_hintsarray[string]（可選） 待識別音頻語種。無預設值，不設定時模型自動識別。 取值範圍：
-
Paraformer：
- zh: 中文
- en: 英文
- ja: 日語
- yue: 粵語
- ko: 韓語
- de：德語
- fr：法語
- ru：俄語
semantic_punctuation_enabledboolean（可選） 是否啟用語義斷句。 預設值：false。
- true：開啟語義斷句，關閉 VAD 斷句。
- false（預設）：開啟 VAD 斷句，關閉語義斷句。
語義斷句準確性更高，適合會議轉寫情境；VAD（Voice Activity Detection，語音活動檢測）斷句延遲較低，適合互動情境。 max_sentence_silenceinteger（可選） 重要
- 僅Paraformer（v2）支援該參數。
- 僅在
semantic_punctuation_enabled參數為false時生效。
VAD 斷句靜音閾值（ms）。當一段語音後的靜音時間長度超過該閾值時，系統會判定該句子已結束。 預設值：1300。 取值範圍：[200, 6000]。 multi_threshold_mode_enabledboolean（可選） 重要
- 僅Paraformer（v2）支援該參數。
- 僅在
semantic_punctuation_enabled參數為false時生效。
是否啟用多閾值模式。啟用後可防止 VAD 斷句切割過長。 預設值：false。 punctuation_prediction_enabledboolean（可選） 是否在識別結果中添加標點符號。 預設值：true。 heartbeatboolean（可選） 是否啟用心跳包。 預設值：false。
- true：在持續發送靜音音訊情況下，可保持與服務端的串連不中斷。
- false（預設）：即使持續發送靜音音頻，串連也將在一定時間後因逾時而斷開。
inverse_text_normalization_enabledboolean（可選） 是否啟用逆文本正則化（ITN）。啟用後，中文數字將轉換為阿拉伯數字。 預設值：true。 | {
"header": {
"action": "run-task",
"task_id": "2bf83b9a-baeb-4fda-8d9a-xxxxxxxxxxxx",
"streaming": "duplex"
},
"payload": {
"task_group": "audio",
"task": "asr",
"function": "recognition",
"model": "paraformer-realtime-v2",
"parameters": {
"format": "pcm",
"sample_rate": 16000,
"disfluency_removal_enabled": false,
"language_hints": [
"en"
]
},
"input": {}
}
}
|
finish-task
說明：通知服務端音頻發送完畢，請求結束任務。
發送時機：所有音頻資料發送完畢後。
響應事件：服務端返回 task-finished 事件。
headerobject（必選） 屬性 actionstring（必選） 指令類型，固定為 finish-task。 task_idstring（必選） 用戶端產生的任務 ID（UUID 格式），需與run-task事件中的 task_id 保持一致。 streamingstring（必選） 固定為 duplex。 payloadobject（必選） | {
"header": {
"action": "finish-task",
"task_id": "2bf83b9a-baeb-4fda-8d9a-xxxxxxxxxxxx",
"streaming": "duplex"
},
"payload": {
"input": {}
}
}
|