全部產品
Search
文件中心

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

更新時間:Nov 19, 2026

前提條件

在控制台獲取 API Key,並配置為環境變量 DASHSCOPE_API_KEY。

安裝 SDK

需要 Node.js 18 或以上版本。下載 SDK 0.1.0 安裝包後,在項目目錄運行:

npm install ./dashscope-sdk-nodejs-0.1.0.tgz

快速開始

以下呼叫範例可共用。依下表替換範例中的模型 ID。

模型範例中的模型 ID
Qwen-Audio-ASR-Streamingqwen-audio-3.1-asr-flash-streaming
Qwen-Audio-ASR-Messageqwen-audio-3.1-asr-flash-message

下載示例音頻,保存為 input.mp3,並轉換為 16 kHz、16-bit、單聲道 PCM:

ffmpeg -i input.mp3 -f s16le -ac 1 -ar 16000 input.pcm

將以下示例保存為 example.mjs,運行 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()
}

請求參數

Qwen-Audio-ASR-Streaming

RecognitionClient 的構造參數如下。

參數

類型

必填

說明

apiKey

string

否

API Key。默認讀取 DASHSCOPE_API_KEY。

workspaceId

string

否

業務空間 ID。默認讀取 DASHSCOPE_WORKSPACE_ID。

baseUrl

string

否

服務域名,設置為 dashscope-intl.aliyuncs.com(新加坡)。

model

string

否

模型 ID,默認 qwen-audio-3.1-asr-flash-streaming。

format

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

否

音頻格式,默認 pcm;WAV 使用 PCM 編碼,Opus/Speex 使用 Ogg 封裝,AMR 使用 AMR-NB。

sampleRate

number

否

實際音頻採樣率(Hz),默認 16000。

vocabularyId

string

否

預編譯熱詞列表 ID。

languageHints

string[]

否

識別語言提示,最多使用前 4 個值;未設置時自動識別。

multiThresholdModeEnabled

boolean

否

多閾值模式,避免 VAD 斷句過長,默認 false。

maxSentenceSilence

number

否

VAD 斷句靜音閾值(ms),範圍 [200,6000],默認 800。

heartbeat

boolean

否

靜音保活開關,默認 false;開啓後需持續發送靜音音頻。

context

AsrContextMessage[]

否

識別上下文。消息格式為 { role, content: [{ type: "input_text", text }] },role 為 user 或 assistant;每種角色最多 5 條,文本共少於 400 字符,按對話輪次排列。

parameters

Partial<RecognitionParameters>

否

其他識別參數,如 vad_model、keep_dialect 和 vocabulary。

connectTimeoutMs

number

否

建連超時(ms),默認 10000。

taskTimeoutMs

number

否

任務啓動或結束的等待超時(ms),默認 60000;0 表示不限制。

parameters.vad_model

'near_meeting_16k' | 'far_field_meeting_16k'

否

近場或遠場 VAD,默認 far_field_meeting_16k。

parameters.keep_dialect

boolean

否

保留方言表達,默認 false。

parameters.vocabulary

Record<string, number>

否

即時熱詞:鍵為詞,值為權重 [1,5] 或 50。

parameters.speech_noise_threshold

number

否

VAD 靈敏度閾值,範圍 [-1,1]。

Qwen-Audio-ASR-Message

RecognitionClient 的構造參數如下。

參數

類型

必填

說明

apiKey

string

否

API Key。默認讀取 DASHSCOPE_API_KEY。

workspaceId

string

否

業務空間 ID。默認讀取 DASHSCOPE_WORKSPACE_ID。

baseUrl

string

否

服務域名,設置為 dashscope-intl.aliyuncs.com(新加坡)。

model

string

是

模型 ID,設置為 qwen-audio-3.1-asr-flash-message。

format

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

否

音頻格式,默認 pcm;WAV 使用 PCM 編碼,Opus/Speex 使用 Ogg 封裝,AMR 使用 AMR-NB。

sampleRate

number

否

音頻採樣率,使用 16000 Hz。

vocabularyId

string

否

預編譯熱詞列表 ID。

languageHints

string[]

否

識別語言提示,最多使用前 4 個值;未設置時自動識別。

disfluencyRemovalEnabled

boolean

否

過濾語氣詞並潤色結果,默認 false。

maxSentenceSilence

number

否

VAD 斷句靜音閾值(ms),範圍 [200,6000],默認 800。

heartbeat

boolean

否

靜音保活開關,默認 false;開啓後需持續發送靜音音頻。

context

AsrContextMessage[]

否

識別上下文。消息格式為 { role, content: [{ type: "input_text", text }] },role 為 user 或 assistant;每種角色最多 5 條,文本共少於 400 字符,按對話輪次排列。

parameters

Partial<RecognitionParameters>

否

其他識別參數,如 vad_model、keep_dialect 和 vocabulary。

connectTimeoutMs

number

否

建連超時(ms),默認 10000。

taskTimeoutMs

number

否

任務啓動或結束的等待超時(ms),默認 60000;0 表示不限制。

parameters.vad_model

'near_meeting_16k' | 'far_field_meeting_16k'

否

近場或遠場 VAD,默認 far_field_meeting_16k。

parameters.keep_dialect

boolean

否

保留方言表達,默認 false。

parameters.vocabulary

Record<string, number>

否

即時熱詞:鍵為詞,值為權重 [1,5] 或 50。

parameters.speech_noise_threshold

number

否

VAD 靈敏度閾值,範圍 [-1,1]。

parameters.intermediate_result_enabled

boolean

否

返回識別中間結果,默認 false。

介面參考

Qwen-Audio-ASR-Streaming

主要方法

方法

返回值

說明

start()

Promise<void>

啓動識別任務,完成後可發送音頻。

sendAudio(audio: Buffer | Uint8Array)

void

按配置的格式和採樣率發送音頻幀。

finish()

Promise<void>

結束音頻輸入並等待任務完成,文本通過回調返回。

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

void

關閉連接並釋放任務資源。

回調事件

通過 on(event, listener) 註冊回調;完整事件字段見服務端事件。

事件

負載

說明

started

{ taskId: string }

任務已啓動,可發送輸入。

result

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

中間或最終句子,已過濾心跳結果。

sentenceEnd

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

最終句子,sentence_end === true。

finished

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

任務已結束,本地任務狀態已清理。

failed / error

DashScopeError

調用錯誤,包含 code、message 和請求標識。

close

{ code: number; reason: string }

底層連接關閉通知。

event

ServerEvent

原始服務端 JSON 消息。

Qwen-Audio-ASR-Message

主要方法

方法

返回值

說明

start()

Promise<void>

啓動識別任務,完成後可發送音頻。

sendAudio(audio: Buffer | Uint8Array)

void

按配置的格式和採樣率發送音頻幀。

updateContext(context: AsrContextMessage[])

void

在任務啓動後、結束輸入前更新識別上下文。

finish()

Promise<void>

結束音頻輸入並等待任務完成,文本通過回調返回。

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

void

關閉連接並釋放任務資源。

回調事件

通過 on(event, listener) 註冊回調;完整事件字段見服務端事件。

事件

負載

說明

started

{ taskId: string }

任務已啓動,可發送輸入。

result

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

中間或最終句子,已過濾心跳結果。

sentenceEnd

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

最終句子,sentence_end === true。

finished

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

任務已結束,本地任務狀態已清理。

failed / error

DashScopeError

調用錯誤,包含 code、message 和請求標識。

close

{ code: number; reason: string }

底層連接關閉通知。

event

ServerEvent

原始服務端 JSON 消息。