Mejorar la precisión del reconocimiento

Elegir un método de optimización

Los nombres de personas, productos y términos especializados pueden sonar como palabras comunes y producir homófonos o grafías incorrectas en las transcripciones. Las palabras clave y la mejora de contexto proporcionan las grafías correctas o información relevante para ayudar al modelo a mejorar el reconocimiento. Elija según la información que ya tenga la aplicación: use palabras clave para una lista de términos definida, o contexto para conversaciones y descripciones de negocio existentes. Para las palabras clave, elija el modo instantáneo o precompilado según la necesidad de reutilizar la lista en varias solicitudes. Consulte los Modelos y regiones compatibles antes de usarlo.

Método	Cuándo usarlo	Cómo usarlo
Palabras clave instantáneas	Los nombres y términos cambian en cada solicitud, o hay pocos términos temporales y no es necesario almacenar ni gestionar una lista.	Envíe un objeto «término: peso» en cada solicitud de reconocimiento. La aplicación proporciona las grafías correctas y puede ajustar la preferencia del modelo por cada término mediante su peso.
Palabras clave precompiladas	Ya existe un glosario de negocio, o el mismo conjunto de términos se usa repetidamente y necesita mantenimiento centralizado.	Cree una lista con términos, pesos e idiomas opcionales y haga referencia a su ID durante el reconocimiento. Actualice la lista cuando cambie el glosario, sin reenviar todas las entradas en cada solicitud.
Mejora de contexto	La aplicación ya guarda conversaciones recientes, descripciones de negocio o textos especializados que pueden ayudar al reconocimiento.	Envíe el texto relevante como mensajes de contexto junto con el audio. No es necesario extraer términos ni asignar pesos individuales. Incluya las grafías correctas. Una lista de términos definida también puede usarse como palabras clave para corregir el mismo tipo de error.

Usar palabras clave

Antes de ejecutar los ejemplos, descargue el audio de ejemplo y prepare una clave de API en la consola de Model Studio. Texto del audio: «Please send the quarterly project report to Kelyra before Friday.»

Palabras clave instantáneas

Las palabras clave instantáneas son adecuadas para términos que cambian en cada solicitud. Defina parameters.vocabulary como un objeto JSON cuyas claves sean los textos de las palabras clave (string) y cuyos valores sean los pesos (integer). No es necesario crear una lista previamente.

Reconocer el audio sin palabras clave Sin palabras clave, el nombre de este ejemplo no se reconoce con precisión. La siguiente solicitud devuelve el resultado sin configuración.

cURL

curl --request POST 'https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation' \
  --header "Authorization: Bearer $DASHSCOPE_API_KEY" \
  --header "Content-Type: application/json" \
  --header "X-DashScope-SSE: disable" \
  --data '
{
  "model": "qwen-audio-3.1-asr-flash",
  "input": {
    "messages": [
      {
        "role": "user",
        "content": [
          {
            "type": "input_audio",
            "input_audio": {
              "data": "https://g-adoc.alcasset.com/media/maas_docs/sfm-cn/en/audios/6a4b3c2d1e0f9092.wav"
            }
          }
        ]
      }
    ]
  },
  "parameters": {
    "format": "wav",
    "sample_rate": 16000
  }
}
'

Añadir palabras clave instantáneas a la solicitud Añada «Kelyra» a la misma solicitud con peso 4. Mantenga sin cambios las demás entradas. Para los valores y ajustes de peso, consulte Ajustar los pesos de las palabras clave.

cURL

curl --request POST 'https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation' \
  --header "Authorization: Bearer $DASHSCOPE_API_KEY" \
  --header "Content-Type: application/json" \
  --header "X-DashScope-SSE: disable" \
  --data '
{
  "model": "qwen-audio-3.1-asr-flash",
  "input": {
    "messages": [
      {
        "role": "user",
        "content": [
          {
            "type": "input_audio",
            "input_audio": {
              "data": "https://g-adoc.alcasset.com/media/maas_docs/sfm-cn/en/audios/6a4b3c2d1e0f9092.wav"
            }
          }
        ]
      }
    ]
  },
  "parameters": {
    "format": "wav",
    "sample_rate": 16000,
    "vocabulary": {
      "Kelyra": 4
    }
  }
}
'

Compare las transcripciones de ejemplo antes y después de la configuración:

Configuración	Ejemplo de transcripción
Sin configuración	Please send the quarterly project report to Kellira before Friday.
Con configuración	Please send the quarterly project report to Kelyra before Friday.

Palabras clave precompiladas

Las palabras clave precompiladas son adecuadas para vocabularios de negocio reutilizados en varias solicitudes. Cree una lista previamente y envíe vocabulary_id durante el reconocimiento, sin reenviar todas las entradas. Envíe las entradas como un array JSON al crear la lista. Cada elemento contiene los siguientes campos:

Campo	Tipo	Obligatorio	Descripción
`text`	string	Sí	Una palabra real en un idioma compatible con el modelo. Para los límites de longitud, consulte Reglas del texto de las palabras clave.
`weight`	integer	Sí	Use de 1 a 5 para palabras clave normales, empezando por 4. Algunos modelos también admiten el peso 50 para superpalabras clave. Consulte Ajustar los pesos de las palabras clave.
`lang`	string	No	Código que determina el idioma al que se aplica la entrada. Puede omitirse si se desconoce. Para su relación con el parámetro de reconocimiento `language_hints`, consulte Organizar y mantener vocabularios.

El modelo de destino especificado al crear la lista debe coincidir con el modelo de reconocimiento.

La administración de palabras clave y el reconocimiento de voz deben usar la misma cuenta. De lo contrario, el reconocimiento no puede acceder al vocabulario.

HTTP / cURL
SDK

Crear una lista de palabras clave Este ejemplo usa qwen-audio-3.1-asr-flash y especifica el modelo de destino mediante target_model. Guarde output.vocabulary_id de la respuesta.

cURL

curl --request POST 'https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api/v1/services/audio/asr/customization' \
  --header "Authorization: Bearer $DASHSCOPE_API_KEY" \
  --header "Content-Type: application/json" \
  --data @- <<EOF
{
  "model": "speech-biasing",
  "input": {
    "action": "create_vocabulary",
    "target_model": "qwen-audio-3.1-asr-flash",
    "prefix": "testpfx",
    "vocabulary": [
      {
        "text": "Kelyra",
        "weight": 4,
        "lang": "en"
      }
    ]
  }
}
EOF

Comprobar que la lista está lista Sustituya <vocabulary_id> por el ID devuelto en la creación y consulte la lista. Inicie el reconocimiento cuando output.status sea OK.

cURL

export VOCABULARY_ID="<vocabulary_id>"

curl --request POST 'https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api/v1/services/audio/asr/customization' \
  --header "Authorization: Bearer $DASHSCOPE_API_KEY" \
  --header "Content-Type: application/json" \
  --data @- <<EOF
{
  "model": "speech-biasing",
  "input": {
    "action": "query_vocabulary",
    "vocabulary_id": "$VOCABULARY_ID"
  }
}
EOF

Hacer referencia a la lista durante el reconocimiento Haga referencia a la lista mediante parameters.vocabulary_id en la solicitud de reconocimiento, sin reenviar sus entradas.

cURL

curl --request POST 'https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation' \
  --header "Authorization: Bearer $DASHSCOPE_API_KEY" \
  --header "Content-Type: application/json" \
  --header "X-DashScope-SSE: disable" \
  --data @- <<EOF
{
  "model": "qwen-audio-3.1-asr-flash",
  "input": {
    "messages": [
      {
        "role": "user",
        "content": [
          {
            "type": "input_audio",
            "input_audio": {
              "data": "https://g-adoc.alcasset.com/media/maas_docs/sfm-cn/en/audios/6a4b3c2d1e0f9092.wav"
            }
          }
        ]
      }
    ]
  },
  "parameters": {
    "format": "wav",
    "sample_rate": 16000,
    "vocabulary_id": "$VOCABULARY_ID"
  }
}
EOF

Reutilizar o eliminar la lista Las solicitudes posteriores pueden seguir usando el mismo ID. Ejecute la siguiente solicitud de eliminación solo cuando la lista deje de ser necesaria, para liberar su cuota.

cURL

curl --request POST 'https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api/v1/services/audio/asr/customization' \
  --header "Authorization: Bearer $DASHSCOPE_API_KEY" \
  --header "Content-Type: application/json" \
  --data @- <<EOF
{
  "model": "speech-biasing",
  "input": {
    "action": "delete_vocabulary",
    "vocabulary_id": "$VOCABULARY_ID"
  }
}
EOF

Los ejemplos de SDK requieren DashScope Python SDK 2.0.1 o posterior, o Java SDK 2.22.23 o posterior. Para la instalación, consulte Instalar SDK.

Los ejemplos Java y Python usan qwen-audio-3.1-asr-flash-streaming para crear, consultar, usar y eliminar una lista. La eliminación en finally limpia los recursos de demostración. Conserve la lista y su ID si necesita reutilizarla en producción.

Java

import com.alibaba.dashscope.audio.asr.recognition.Recognition;
import com.alibaba.dashscope.audio.asr.recognition.RecognitionParam;
import com.alibaba.dashscope.utils.Constants;
import java.io.File;
import java.util.Arrays;
import com.alibaba.dashscope.audio.asr.vocabulary.Vocabulary;
import com.alibaba.dashscope.audio.asr.vocabulary.VocabularyService;
import com.google.gson.JsonArray;
import com.google.gson.JsonObject;

public class Main {
    public static void main(String[] args) throws Exception {
        String apiKey = System.getenv("DASHSCOPE_API_KEY");
        Constants.baseHttpApiUrl = "https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api/v1";
        Constants.baseWebsocketApiUrl = "wss://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api-ws/v1/inference";
        String model = "qwen-audio-3.1-asr-flash-streaming";
        JsonArray words = new JsonArray();
        for (String text : Arrays.asList("Kelyra")) {
            JsonObject word = new JsonObject();
            word.addProperty("text", text);
            word.addProperty("weight", 4);
            words.add(word);
        }
        VocabularyService service = new VocabularyService(apiKey);
        // targetModel must match the model used for recognition.
        Vocabulary vocabulary = service.createVocabulary(model, "testpfx", words);
        try {
            if (!"OK".equals(service.queryVocabulary(vocabulary.getVocabularyId()).getStatus())) {
                throw new IllegalStateException("Vocabulary is not ready");
            }
            Recognition recognizer = new Recognition();
            try {
                RecognitionParam param = RecognitionParam.builder()
                        .model(model).apiKey(apiKey).format("wav").sampleRate(16000)
                        .vocabularyId(vocabulary.getVocabularyId()).build();
                System.out.println(recognizer.call(param, new File("asr-accuracy-example-en.wav")));
            } finally {
                recognizer.getDuplexApi().close(1000, "bye");
            }
        } finally {
            service.deleteVocabulary(vocabulary.getVocabularyId());
        }
        System.exit(0);
    }
}

Usar la mejora de contexto

La mejora de contexto puede usar directamente el historial de conversaciones o textos especializados existentes. Las palabras clave requieren términos y pesos, mientras que el contexto se envía como mensajes de texto, sin dividir los materiales de negocio en entradas individuales. Ambos métodos pueden mejorar el reconocimiento de nombres propios. Elija según la información disponible en la aplicación.

Preparar el contexto

Para el audio de ejemplo, los mensajes existentes que contengan el nombre del destinatario «Kelyra» pueden proporcionar su grafía correcta. A continuación se presentan dos fuentes habituales de contexto.

Contexto de negocio o texto especializado
Historial de conversaciones

Use el texto relevante de una descripción de proyecto o material especializado existente en un mensaje con role=user y type=input_text. No es necesario inventar una conversación ni añadir una respuesta. Envíe el siguiente array como contexto:

[
  {
    "role": "user",
    "content": [
      {
        "type": "input_text",
        "text": "My colleague is Kelyra. We are preparing the quarterly project report."
      }
    ]
  }
]

Use textos de usuario ya reconocidos y respuestas del modelo. El texto del usuario usa role=user, type=input_text; las respuestas usan role=assistant, type=text. La siguiente conversación ya contiene los nombres deseados y puede servir de contexto para el reconocimiento posterior:

[
  {
    "role": "user",
    "content": [
      {
        "type": "input_text",
        "text": "My colleague is Kelyra. We are preparing the quarterly project report."
      }
    ]
  },
  {
    "role": "assistant",
    "content": [
      {
        "type": "text",
        "text": "Understood. We will send the quarterly project report to Kelyra."
      }
    ]
  }
]

El mensaje assistant es opcional. Ordene el historial por turnos, con cada mensaje user antes de su mensaje assistant correspondiente. Para los límites de longitud del texto y de turnos retenidos, consulte Límites de uso.

Configurar y llamar al servicio

Reconozca el mismo audio con el contexto preparado. Elija un ejemplo de llamada según la familia de modelos.

Qwen-Audio-ASR
Qwen-Audio-ASR-Message / Qwen-Audio-ASR-Streaming
Qwen-Audio-ASR-Filetrans

Este ejemplo usa qwen-audio-3.1-asr-flash. Coloque los mensajes de contexto en orden en input.messages, seguidos del mensaje de audio actual que contiene input_audio.

cURL

curl --request POST 'https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation' \
  --header "Authorization: Bearer $DASHSCOPE_API_KEY" \
  --header "Content-Type: application/json" \
  --header "X-DashScope-SSE: disable" \
  --data '
{
  "model": "qwen-audio-3.1-asr-flash",
  "input": {
    "messages": [
      {
        "role": "user",
        "content": [
          {
            "type": "input_text",
            "text": "My colleague is Kelyra. We are preparing the quarterly project report."
          }
        ]
      },
      {
        "role": "assistant",
        "content": [
          {
            "type": "text",
            "text": "Understood. We will send the quarterly project report to Kelyra."
          }
        ]
      },
      {
        "role": "user",
        "content": [
          {
            "type": "input_audio",
            "input_audio": {
              "data": "https://g-adoc.alcasset.com/media/maas_docs/sfm-cn/en/audios/6a4b3c2d1e0f9092.wav"
            }
          }
        ]
      }
    ]
  },
  "parameters": {
    "format": "wav",
    "sample_rate": 16000
  }
}
'

Este ejemplo usa qwen-audio-3.1-asr-flash-streaming, que también puede sustituirse por qwen-audio-3.1-asr-flash-message. Envíe el contexto mediante input.context al iniciar la tarea.

Los ejemplos de SDK requieren DashScope Python SDK 2.0.1 o posterior, o Java SDK 2.22.23 o posterior. Para la instalación, consulte Instalar SDK.

Java

import com.alibaba.dashscope.audio.asr.recognition.Recognition;
import com.alibaba.dashscope.audio.asr.recognition.RecognitionParam;
import com.alibaba.dashscope.utils.Constants;
import java.io.File;
import java.util.Arrays;
import java.util.HashMap;
import java.util.Map;

public class Main {
    public static void main(String[] args) throws Exception {
        Constants.baseHttpApiUrl = "https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api/v1";
        Constants.baseWebsocketApiUrl = "wss://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api-ws/v1/inference";
        Map<String, Object> userContent = new HashMap<>();
        userContent.put("type", "input_text");
        userContent.put("text", "My colleague is Kelyra. We are preparing the quarterly project report.");
        Map<String, Object> user = new HashMap<>();
        user.put("role", "user");
        user.put("content", Arrays.asList(userContent));
        Map<String, Object> assistantContent = new HashMap<>();
        assistantContent.put("type", "text");
        assistantContent.put("text", "Understood. We will send the quarterly project report to Kelyra.");
        Map<String, Object> assistant = new HashMap<>();
        assistant.put("role", "assistant");
        assistant.put("content", Arrays.asList(assistantContent));
        Map<String, Object> input = new HashMap<>();
        input.put("context", Arrays.asList(user, assistant));
        RecognitionParam param = RecognitionParam.builder()
                .model("qwen-audio-3.1-asr-flash-streaming")
                .apiKey(System.getenv("DASHSCOPE_API_KEY"))
                .format("wav").sampleRate(16000).input(input).build();
        Recognition recognizer = new Recognition();
        try {
            System.out.println(recognizer.call(param, new File("asr-accuracy-example-en.wav")));
        } finally {
            recognizer.getDuplexApi().close(1000, "bye");
        }
        System.exit(0);
    }
}

Este ejemplo usa qwen-audio-3.1-asr-flash-filetrans. Proporcione las URL de audio en input.file_urls y el contexto en input.context. Después, envíe una tarea asíncrona, consulte su estado y descargue el resultado.

Python

import json
import os
import time
import urllib.request

base_url = "https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api/v1"
headers = {"Authorization": "Bearer " + os.environ["DASHSCOPE_API_KEY"]}

def request_json(url, body=None, extra_headers=None):
    request_headers = {**headers, **(extra_headers or {})}
    data = None
    if body is not None:
        data = json.dumps(body, ensure_ascii=False).encode("utf-8")
        request_headers["Content-Type"] = "application/json"
    req = urllib.request.Request(url, data=data, headers=request_headers)
    with urllib.request.urlopen(req) as response:
        return json.load(response)

body = {
    "model": "qwen-audio-3.1-asr-flash-filetrans",
    "input": {
        "file_urls": [
            "https://g-adoc.alcasset.com/media/maas_docs/sfm-cn/en/audios/6a4b3c2d1e0f9092.wav"
        ],
        "context": [
            {
                "role": "user",
                "content": [
                    {
                        "type": "input_text",
                        "text": "My colleague is Kelyra. We are preparing the quarterly project report."
                    }
                ]
            },
            {
                "role": "assistant",
                "content": [
                    {
                        "type": "text",
                        "text": "Understood. We will send the quarterly project report to Kelyra."
                    }
                ]
            }
        ]
    },
    "parameters": {}
}
task = request_json(
    base_url + "/services/audio/asr/transcription", body,
    {"X-DashScope-Async": "enable"},
)
task_id = task["output"]["task_id"]
while True:
    result = request_json(base_url + "/tasks/" + task_id)
    status = result["output"]["task_status"]
    if status == "SUCCEEDED":
        break
    if status in ("FAILED", "CANCELED"):
        raise RuntimeError(result)
    time.sleep(1)

for item in result["output"]["results"]:
    if item["subtask_status"] != "SUCCEEDED":
        raise RuntimeError(item)
    with urllib.request.urlopen(item["transcription_url"]) as response:
        transcription = json.load(response)
    for transcript in transcription["transcripts"]:
        print(transcript["text"])

Elimine la configuración de contexto del ejemplo y reconozca el mismo audio para comparar los resultados antes y después de la configuración. A continuación se muestran transcripciones de ejemplo:

Configuración	Ejemplo de transcripción
Sin configuración	Please send the quarterly project report to Kellira before Friday.
Con configuración	Please send the quarterly project report to Kelyra before Friday.

Ajustar y solucionar problemas de reconocimiento

Compare el mismo audio antes y después de configurar y ajuste las entradas, los pesos o el contexto. El ajuste de palabras clave se aplica a ambos métodos.

Ajustar los pesos de las palabras clave

Los pesos de palabras clave normales van de 1 a 5. Comience con weight=4. Un peso mayor favorece la palabra, pero un valor excesivo puede sustituir por error otras palabras de sonido similar.

Peso	Preferencia	Cuándo usarlo
1–2	Leve	Término de sonido similar a una palabra común, para evitar correcciones excesivas
3–4	Moderada	Configuración inicial recomendada para la mayoría de los escenarios
5	Fuerte	Términos frecuentes en el audio que rara vez se confunden con otras palabras

Superpalabras clave: las series Qwen-Audio-ASR-Message, Qwen-Audio-ASR-Streaming, Qwen-Audio-ASR-Filetrans y Qwen-Audio-ASR también admiten weight=50 en ambos métodos para mejorar la recuperación de términos objetivo. Cada vocabulario o solicitud puede contener un máximo de 50 superpalabras clave.

Organizar y mantener vocabularios

Agrupar por escenario: Cree listas precompiladas independientes para cada escenario de negocio, como terminología médica y nombres de productos, para reducir las entradas no relacionadas.
Distinguir el idioma de la entrada del idioma del audio: un vocabulario precompilado puede mezclar idiomas identificados por lang. El parámetro de reconocimiento language_hints declara el idioma del audio. Al configurarlo, solo surten efecto las palabras clave del idioma coincidente; los demás se ignoran.
Mantener periódicamente: Actualice las entradas según las necesidades del negocio y elimine las listas sin uso para liberar la cuota.

Deje al menos 5 minutos entre actualizaciones de una lista de palabras clave; de lo contrario, las palabras clave actualizadas podrían no surtir efecto.

Revisar la calidad del reconocimiento

Primero, determine si el problema es una configuración sin efecto, una preferencia excesiva por las palabras clave o un audio difícil de reconocer. Después, compruebe los puntos correspondientes.

Síntoma	Comprobaciones y acciones
Las palabras clave no se reconocen como se esperaba	Compruebe primero los Modelos y regiones compatibles. Las palabras clave instantáneas se especifican en `parameters.vocabulary`. Para las precompiladas, compruebe la cuenta, `vocabulary_id`, `status=OK` y que el `target_model` de la lista coincida con el modelo de reconocimiento.Aumente el peso de la palabra clave dentro del intervalo admitido y compare los resultados del mismo audio para determinar si el peso era demasiado bajo.
Otras palabras se sustituyen incorrectamente por palabras clave	Reduzca el peso dentro del intervalo admitido y elimine los términos ajenos al escenario. Compruebe que `lang` coincide con `language_hints` de la API de reconocimiento y que las entradas pertenecen al idioma deseado.
El contexto no mejora los términos deseados	Compruebe las grafías correctas, los roles, los tipos y el orden de los mensajes, así como el campo de entrada requerido por la API. El texto que supere los límites de longitud o turnos puede truncarse o descartarse. Consulte Límites de uso.
Muchas palabras comunes también son incorrectas	Compruebe que el formato y la frecuencia de muestreo del audio cumplan los requisitos del modelo y reduzca el ruido de fondo. Para audio en un solo idioma, declare el idioma mediante `language_hints` de la API de reconocimiento. Para la selección del modelo y los requisitos de audio, consulte Descripción general del reconocimiento de voz.

Modelos y regiones compatibles

Palabras clave precompiladas
Palabras clave instantáneas
Mejora de contexto

Singapur
China (Pekín)

Las palabras clave solo se admiten en el espacio de trabajo principal, no en los subespacios.

Qwen-Audio-ASR: qwen-audio-3.1-asr-flash, qwen-audio-3.0-asr-flash
Qwen-Audio-ASR-Streaming: qwen-audio-3.1-asr-flash-streaming, qwen-audio-3.0-asr-flash-streaming
Qwen-Audio-ASR-Filetrans: qwen-audio-3.1-asr-flash-filetrans, qwen-audio-3.0-asr-flash-filetrans
Qwen-Audio-ASR-Message: qwen-audio-3.1-asr-flash-message
Fun-ASR-Realtime: fun-asr-realtime
Fun-ASR-Flash: fun-asr-flash-2026-06-15
Fun-ASR: fun-asr

Límites de uso

Límites de palabras clave
Reglas del texto de las palabras clave
Límites de contexto

Límite	Descripción
Número de listas de palabras clave	Hasta 50 vocabularios precompilados por cuenta, compartidos entre todos los modelos. Cada uno tiene un `vocabulary_id`.
Palabras clave	Series Qwen-Audio-ASR-Message, Qwen-Audio-ASR-Streaming, Qwen-Audio-ASR-Filetrans y Qwen-Audio-ASR: hasta 2000.Modelos de versión principal de las series Fun-ASR-Realtime, Fun-ASR-Flash y Fun-ASR: hasta 2000. Otros modelos de estas series y la serie Paraformer: hasta 500.Se cuentan por vocabulario para palabras clave precompiladas y por solicitud para las instantáneas.
Superpalabras clave	Un máximo de 50 entradas puede tener peso 50.

En las series Qwen-Audio-ASR-Message, Qwen-Audio-ASR-Streaming, Qwen-Audio-ASR-Filetrans y Qwen-Audio-ASR, el servicio combina las palabras clave precompiladas e instantáneas cuando se configuran ambas. Si el conjunto combinado supera las 2000 palabras clave, selecciona 2000 al azar.

Las palabras clave deben ser palabras reales en un idioma compatible con el modelo. Las siguientes reglas se aplican a ambos métodos.

Contiene caracteres no ASCII
Solo caracteres ASCII

Si una palabra clave contiene caracteres no ASCII, como caracteres chinos, kana japonés, hangul coreano o letras cirílicas, su longitud total, incluidos caracteres ASCII y espacios, no puede superar los 15 caracteres.

Texto	Cantidad	Cumple el límite de longitud
`"厄洛替尼盐酸盐"`	7 caracteres	Sí
`"EGFR抑制剂"`	7 caracteres	Sí
`"こんにちは"`	5 caracteres	Sí
`"Фенибут Белфарм"`	15 caracteres	Sí
`"Клофелин Белмедпрепараты"`	24 caracteres	No

Si contiene solo caracteres ASCII, la palabra clave no puede superar los 7 segmentos separados por espacios.

Texto	Cantidad	Cumple el límite de longitud
`"Exothermic reaction"`	2 segmentos	Sí
`"Human immunodeficiency virus type 1"`	5 segmentos	Sí
`"The effect of temperature variations on enzyme activity in biochemical reactions"`	11 segmentos	No

Límite	Descripción
Turnos de conversación	Se conservan como máximo los 5 turnos más recientes, con hasta 5 mensajes de cada tipo: `input_text` y `text`. Los mensajes anteriores se ignoran sin error. El texto especializado por sí solo también está sujeto al límite de longitud.
Texto por turno	La suma de los campos `text` de todos los mensajes `user` y `assistant` de un turno no debe superar 400 caracteres. Letras, caracteres chinos, dígitos, espacios y puntuación cuentan como 1 cada uno. El exceso se trunca desde el final sin error. Cada turno se cuenta de forma independiente.

Qwen-Audio-ASR-Message también permite actualizar el contexto durante la tarea con continue-task. Para el formato, consulte Eventos de cliente Message.

Facturación de las funciones

Las funciones de palabras clave instantáneas y precompiladas son gratuitas. Para los cargos por llamadas a modelos con palabras clave o mejora de contexto, consulte las reglas de facturación.

API relacionadas

Para crear, consultar, actualizar y eliminar listas de palabras clave, consulte API de administración de palabras clave.
SDK de gestión de palabras clave: SDK de Java y SDK de Python.
API de llamada a modelos: Eventos del cliente de Qwen-Audio-ASR-Message, Eventos del cliente de Qwen-Audio-ASR-Streaming, Qwen-Audio-ASR-Filetrans HTTP API y Qwen-Audio-ASR HTTP API.

​Elegir un método de optimización

​Usar palabras clave

​Palabras clave instantáneas

​Palabras clave precompiladas

​Usar la mejora de contexto

​Preparar el contexto

​Configurar y llamar al servicio

​Ajustar y solucionar problemas de reconocimiento

​Ajustar los pesos de las palabras clave

​Organizar y mantener vocabularios

​Revisar la calidad del reconocimiento

​Modelos y regiones compatibles

​Límites de uso

​Facturación de las funciones

​API relacionadas

Elegir un método de optimización

Usar palabras clave

Palabras clave instantáneas

Palabras clave precompiladas

Usar la mejora de contexto

Preparar el contexto

Configurar y llamar al servicio

Ajustar y solucionar problemas de reconocimiento

Ajustar los pesos de las palabras clave

Organizar y mantener vocabularios

Revisar la calidad del reconocimiento

Modelos y regiones compatibles

Límites de uso

Facturación de las funciones

API relacionadas