Alibaba Cloud Model Studio：Paraformer非即時語音辨識Python SDK

from http import HTTPStatus
from dashscope.audio.asr import Transcription
import dashscope
import json

# 若沒有將API Key配置到環境變數中，需將下面這行代碼注釋放開，並將apiKey替換為自己的API Key
# dashscope.api_key = "apiKey"
# 以下為華北2（北京）地區的配置，調用時請將"{WorkspaceId}"替換為真實的業務空間ID，各地區的配置不同。
dashscope.base_http_api_url = "https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api/v1"

task_response = Transcription.async_call(
    model='paraformer-v2',
    file_urls=['{YOUR_AUDIO_URL}'],
    language_hints=['zh', 'en']  # “language_hints”只支援paraformer-v2模型
)

transcribe_response = Transcription.wait(task=task_response.output.task_id)
if transcribe_response.status_code == HTTPStatus.OK:
    print(json.dumps(transcribe_response.output, indent=4, ensure_ascii=False))
    print('transcription done!')

from http import HTTPStatus
from dashscope.audio.asr import Transcription
import json
# 以下為華北2（北京）地區的配置，調用時請將"{WorkspaceId}"替換為真實的業務空間ID，各地區的配置不同。
dashscope.base_http_api_url = "https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api/v1"

# 若沒有將API Key配置到環境變數中，需將下面這行代碼注釋放開，並將apiKey替換為自己的API Key
# import dashscope
# dashscope.api_key = "apiKey"

transcribe_response = Transcription.async_call(
    model='paraformer-v2',
    file_urls=['{YOUR_AUDIO_URL}'],
    language_hints=['zh', 'en']  # “language_hints”只支援paraformer-v2模型
)

while True:
    if transcribe_response.output.task_status == 'SUCCEEDED' or transcribe_response.output.task_status == 'FAILED':
        break
    transcribe_response = Transcription.fetch(task=transcribe_response.output.task_id)

if transcribe_response.status_code == HTTPStatus.OK:
    print(json.dumps(transcribe_response.output, indent=4, ensure_ascii=False))
    print('transcription done!')

async_call方法返回的TranscriptionResponse樣本如下，不包含submit_time、scheduled_time等資訊：

{
    "status_code":200,
    "request_id":"251aceab-a6aa-9fc4-b7f7-0cc6d3e2a9f3",
    "code":null,
    "message":"",
    "output":{
        "task_id":"7d0a58a3-1dbe-4de9-8cff-5f48213128b0",
        "task_status":"PENDING"
    },
    "usage":null
}

如果需要擷取submit_time、scheduled_time等資訊，應使用wait()或fetch()方法，而不是直接從 async_call() 的傳回值中訪問。wait()或fetch()方法返回的TranscriptionResponse樣本如下：

{
    "status_code":200,
    "request_id":"251aceab-a6aa-9fc4-b7f7-0cc6d3e2a9f3",
    "code":null,
    "message":"",
    "output":{
        "task_id":"7d0a58a3-1dbe-4de9-8cff-5f48213128b0",
        "task_status":"PENDING",
        "submit_time":"2025-02-13 16:55:08.573",
        "scheduled_time":"2025-02-13 16:55:08.592",
        "task_metrics":{
            "TOTAL":1,
            "SUCCEEDED":0,
            "FAILED":0
        }
    },
    "usage":null
}

{
    "status_code":200,
    "request_id":"d9d530f1-853c-9848-a5f1-f5de59086ff7",
    "code":null,
    "message":"",
    "output":{
        "task_id":"6351feef-9694-45d2-9d32-63454f2ffb8d",
        "task_status":"RUNNING",
        "submit_time":"2025-02-13 17:31:20.681",
        "scheduled_time":"2025-02-13 17:31:20.703",
        "task_metrics":{
            "TOTAL":1,
            "SUCCEEDED":0,
            "FAILED":0
        }
    },
    "usage":null
}

{
    "status_code":200,
    "request_id":"16668704-6702-9e03-8ab7-a32a5d7bb095",
    "code":null,
    "message":"",
    "output":{
        "task_id":"6351feef-9694-45d2-9d32-63454f2ffb8d",
        "task_status":"SUCCEEDED",
        "submit_time":"2025-02-13 17:31:20.681",
        "scheduled_time":"2025-02-13 17:31:20.703",
        "end_time":"2025-02-13 17:31:21.867",
        "results":[
            {
                "file_url":"{YOUR_AUDIO_URL}",
                "transcription_url":"https://dashscope-result-bj.oss-cn-beijing.aliyuncs.com/prod/paraformer-v2/20250213/17%3A31/20ee4e4f-0404-4806-b617-c7d4c62eed19-1.json?Expires=1739525481&OSSAccessKeyId=YOUR_ACCESS_KEY_ID&Signature=YOUR_SIGNATURE",
                "subtask_status":"SUCCEEDED"
            }
        ],
        "task_metrics":{
            "TOTAL":1,
            "SUCCEEDED":1,
            "FAILED":0
        }
    },
    "usage":{
        "duration":9
    }
}

{
    "status_code":200,
    "request_id":"16668704-6702-9e03-8ab7-a32a5d7bb095",
    "code":null,
    "message":"",
    "output":{
        "task_id": "7bac899c-06ec-4a79-8875-xxxxxxxxxxxx",
        "task_status": "SUCCEEDED",
        "submit_time": "2024-12-16 16:30:59.170",
        "scheduled_time": "2024-12-16 16:30:59.204",
        "end_time": "2024-12-16 16:31:02.375",
        "results": [
            {
                "file_url": "{YOUR_AUDIO_URL}",
                "code": "InvalidFile.DownloadFailed",
                "message": "The audio file cannot be downloaded.",
                "subtask_status": "FAILED"
            }
        ],
        "task_metrics": {
            "TOTAL": 1,
            "SUCCEEDED": 0,
            "FAILED": 1
        }
    },
    "usage":{
        "duration":9
    }
}

{
    "file_url":"{YOUR_AUDIO_URL}",
    "properties":{
        "audio_format":"pcm_s16le",
        "channels":[
            0
        ],
        "original_sampling_rate":16000,
        "original_duration_in_milliseconds":3834
    },
    "transcripts":[
        {
            "channel_id":0,
            "content_duration_in_milliseconds":3720,
            "text":"Hello world, 這裡是阿里巴巴語音實驗室。",
            "sentences":[
                {
                    "begin_time":100,
                    "end_time":3820,
                    "text":"Hello world, 這裡是阿里巴巴語音實驗室。",
                    "sentence_id":1,
                    "speaker_id":0, //當開啟自動說話人分離功能時才會顯示該欄位
                    "words":[
                        {
                            "begin_time":100,
                            "end_time":596,
                            "text":"Hello ",
                            "punctuation":""
                        },
                        {
                            "begin_time":596,
                            "end_time":844,
                            "text":"world",
                            "punctuation":", "
                        }
                        // 這裡省略其它內容
                    ]
                }
            ]
        }
    ]
}

如以下這幾種：

• Object Storage Service服務（推薦）：

  • 使用雲端服務商的Object Storage Service服務（如阿里雲OSS），將音頻檔案上傳到儲存桶中，並設定為公開訪問。
  • 優點：高可用性、支援 CDN 加速、易於管理。

• Web 服務器：

  • 將音頻檔案放置在支援 HTTP/HTTPS 訪問的 Web 服務器上（如 Nginx、Apache）。
  • 優點：適合小型專案或本地測試。

• 內容分發網路（CDN）：

  • 將音頻檔案託管在 CDN 上，通過 CDN 提供的 URL 訪問。
  • 優點：加速檔案傳輸，適合高並發情境。

根據選擇的儲存/託管方式，將音頻上傳，如：

• Object Storage Service服務：

  • 登入雲端服務商的控制台，建立儲存桶。
  • 上傳音頻檔案，並設定檔案許可權為“公用讀取”或產生臨時訪問連結。

• Web 服務器：

  • 將音頻檔案放置在伺服器指定目錄下（如 /var/www/html/audio/）。
  • 確保檔案可以通過 HTTP/HTTPS 訪問。

例如：

• Object Storage Service服務：

  • 檔案上傳後，系統會自動產生一個公網存取 URL（通常格式為 https://<bucket-name>.<region>.aliyuncs.com/<file-name>）。
  • 如果需要更友好的網域名稱，可以綁定自訂網域名並開啟 HTTPS。

• Web 服務器：

  • 檔案的存取 URL 通常是伺服器位址加上檔案路徑（如 https://your-domain.com/audio/file.mp3）。

• CDN：

  • 配置 CDN 加速後，使用 CDN 提供的 URL（如 https://cdn.your-domain.com/audio/file.mp3）。

公網環境下，確保產生的 URL 可以正常訪問，例如：

• 在瀏覽器中開啟 URL，檢查是否能播放音頻檔案。
• 使用工具（如 curl 或 Postman）驗證 URL 是否返回正確的 HTTP 響應（狀態代碼 200）。