Qwen-Audio-ASR-Message Node.js SDK - 大模型服务平台百炼

通过语音 Node.js SDK 调用 Qwen-Audio-ASR-Message，发送音频、处理识别结果，并在任务中更新识别上下文。

安装 SDK

需要 Node.js 18 或以上版本。下载 SDK 0.1.0 安装包后，在项目目录运行：

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

快速开始

在控制台获取 API Key，并配置为环境变量 DASHSCOPE_API_KEY。

下载示例音频，保存为 input.mp3，并转换为 16 kHz、16-bit、单声道 PCM：

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

将以下示例保存为 example.mjs，运行 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-message',
  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()
}

接口参考

构造参数

RecognitionClient 的构造参数如下。

参数	类型	必填	说明
`apiKey`	`string`	否	API Key。默认读取 `DASHSCOPE_API_KEY`。
`workspaceId`	`string`	否	业务空间 ID。默认读取 `DASHSCOPE_WORKSPACE_ID`。
`baseUrl`	`string`	否	服务域名，设置为 `dashscope-intl.aliyuncs.com`（新加坡）。
`model`	`string`	是	模型 ID，设置为 `qwen-audio-3.1-asr-flash-message`。
`format`	`'pcm' \| 'wav' \| 'mp3' \| 'opus' \| 'speex' \| 'aac' \| 'amr'`	否	音频格式，默认 `pcm`；WAV 使用 PCM 编码，Opus/Speex 使用 Ogg 封装，AMR 使用 AMR-NB。
`sampleRate`	`number`	否	音频采样率，使用 `16000` Hz。
`vocabularyId`	`string`	否	预编译热词列表 ID。
`languageHints`	`string[]`	否	识别语言提示，最多使用前 4 个值；未设置时自动识别。
`disfluencyRemovalEnabled`	`boolean`	否	过滤语气词并润色结果，默认 `false`。
`maxSentenceSilence`	`number`	否	VAD 断句静音阈值（ms），范围 `[200,6000]`，默认 `800`。
`heartbeat`	`boolean`	否	静音保活开关，默认 `false`；开启后需持续发送静音音频。
`context`	`AsrContextMessage[]`	否	识别上下文。消息格式为 `{ role, content: [{ type: "input_text", text }] }`，`role` 为 `user` 或 `assistant`；每种角色最多 5 条，文本共少于 400 字符，按对话轮次排列。
`parameters`	`Partial<RecognitionParameters>`	否	其他识别参数，如 `vad_model`、`keep_dialect` 和 `vocabulary`。
`connectTimeoutMs`	`number`	否	建连超时（ms），默认 `10000`。
`taskTimeoutMs`	`number`	否	任务启动或结束的等待超时（ms），默认 `60000`；`0` 表示不限制。
`parameters.vad_model`	`'near_meeting_16k' \| 'far_field_meeting_16k'`	否	近场或远场 VAD，默认 `far_field_meeting_16k`。
`parameters.keep_dialect`	`boolean`	否	保留方言表达，默认 `false`。
`parameters.vocabulary`	`Record<string, number>`	否	即时热词：键为词，值为权重 `[1,5]` 或 `50`。
`parameters.speech_noise_threshold`	`number`	否	VAD 灵敏度阈值，范围 `[-1,1]`。
`parameters.intermediate_result_enabled`	`boolean`	否	返回识别中间结果，默认 `false`。

主要方法

方法	返回值	说明
`start()`	`Promise<void>`	启动识别任务，完成后可发送音频。
`sendAudio(audio: Buffer \| Uint8Array)`	`void`	按配置的格式和采样率发送音频帧。
`updateContext(context: AsrContextMessage[])`	`void`	在任务启动后、结束输入前更新识别上下文。
`finish()`	`Promise<void>`	结束音频输入并等待任务完成，文本通过回调返回。
`close(code?: number, reason?: string)`	`void`	关闭连接并释放任务资源。

回调事件

通过 on(event, listener) 注册回调；完整事件字段见服务端事件。

事件	负载	说明
`started`	`{ taskId: string }`	任务已启动，可发送输入。
`result`	`{ text: string; sentence_end: boolean; sentence_begin?: boolean; words?: RecognitionWord[] }`	中间或最终句子，已过滤心跳结果。
`sentenceEnd`	`{ text: string; sentence_end: boolean; sentence_begin?: boolean; words?: RecognitionWord[] }`	最终句子，`sentence_end === true`。
`finished`	`{ taskId: string; duration?: number; usage?: RecognitionUsage }`	任务已结束，本地任务状态已清理。
`failed / error`	`DashScopeError`	调用错误，包含 `code`、`message` 和请求标识。
`close`	`{ code: number; reason: string }`	底层连接关闭通知。
`event`	`ServerEvent`	原始服务端 JSON 消息。