Use el SDK de voz Node.js para enviar URL de audio a Qwen-Audio-ASR-Filetrans, consultar tareas asíncronas y descargar transcripciones.
Instalar el SDK
Requiere Node.js 18 o posterior. Descargue el paquete SDK 0.1.0 y ejecute en su proyecto:
Inicio rápido
Obtenga una clave API en la consola y configúrela como variable de entorno DASHSCOPE_API_KEY.
Guarde el ejemplo como example.mjs y ejecute node example.mjs.
Referencia de la API
Opciones del constructor
Opciones del constructor de TranscriptionClient:
| Parámetro | Tipo | Obligatorio | Descripción |
|---|---|---|---|
apiKey | string | No | Clave API. Usa DASHSCOPE_API_KEY de forma predeterminada. |
workspaceId | string | No | ID del espacio de trabajo. Usa DASHSCOPE_WORKSPACE_ID de forma predeterminada. |
baseUrl | string | No | Establezca el host en dashscope-intl.aliyuncs.com (Singapur). |
model | string | No | ID del modelo. Predeterminado: qwen-audio-3.1-asr-flash-filetrans. |
pollIntervalMs | number | No | Intervalo de sondeo. Predeterminado: 3000 ms. |
pollTimeoutMs | number | No | Tiempo de sondeo en ms. Predeterminado: 600000. |
requestTimeoutMs | number | No | Tiempo de solicitud HTTP en ms. Predeterminado: 30000; 0 desactiva el límite individual. |
Parámetros de transcripción
El segundo argumento de transcribe() y submitTask() es parameters; el tercero admite context. Consulte los detalles en la API HTTP.
| Parámetro | Tipo | Obligatorio | Descripción |
|---|---|---|---|
fileUrls | string | string[] | Sí | URL pública del audio; un archivo por tarea. |
parameters.keep_dialect | boolean | No | Conserva expresiones dialectales. Predeterminado: false. |
parameters.vocabulary_id | string | No | ID del vocabulario precompilado. |
parameters.vocabulary | Record<string, number> | No | Vocabulario instantáneo: palabras como claves y pesos en [1,5] o 50 como valores. |
parameters.channel_id | number[] | No | Índices de los canales de audio. Predeterminado: [0]. |
parameters.special_word_filter | string | Record<string, unknown> | No | Configuración del filtro de palabras sensibles como cadena JSON u objeto. |
parameters.diarization_enabled | boolean | No | Diarización de hablantes para audio mono. Predeterminado: false. |
parameters.speaker_count | number | No | Número esperado de hablantes: [2,100]. Requiere diarización. |
parameters.language_hints | string[] | No | Indicaciones del idioma de reconocimiento. Se aplican como máximo los primeros 4 valores. Detección automática si se omiten. |
callOpts.context / submitOpts.context | AsrContextMessage[] | No | Contexto de reconocimiento. Formato: { role, content: [{ type: "input_text", text }] }, con role igual a user o assistant. Hasta 5 mensajes por rol y menos de 400 caracteres en total, en orden de turnos. |
callOpts.onProgress | (status: string, response: QueryTaskResponse) => void | No | Callback de progreso con status y response original. |
Métodos principales
| Método | Valor de retorno | Descripción |
|---|---|---|
transcribe(fileUrls: string | string[], parameters?: TranscriptionParameters, callOpts?: TranscribeCallOptions) | Promise<TranscriptionJobResult> | Envía audio, consulta y descarga resultados. callOpts admite contexto y un callback de progreso. |
submitTask(fileUrls: string | string[], parameters?: TranscriptionParameters, submitOpts?: TranscriptionSubmitOptions) | Promise<{ taskId: string; taskStatus: string }> | Envía la tarea y devuelve ID y estado inicial. Defina el contexto con submitOpts.context. |
fetchTask(taskId: string, requestTimeoutMs?: number) | Promise<QueryTaskResponse> | Consulta una vez la tarea para obtener estado y URL de resultados. |
Valores de retorno
| Campo | Tipo | Descripción |
|---|---|---|
taskId | string | ID de la tarea. |
taskStatus | string | Estado de la tarea. |
results | FileTranscriptionResult[] | Resultados por archivo con subtaskStatus, text y transcription; los fallos incluyen code y message. |
usage | RecognitionUsage | undefined | Uso devuelto por el servicio. |
raw | QueryTaskResponse | Respuesta original de consulta de tarea. |