Extraiga el archivo TAR. Obtenga el SDK en formato HAR de neonui y agréguelo a las dependencias de su proyecto. Para la integración con C++, utilice native/libs y native/include en el archivo TAR para obtener las bibliotecas dinámicas y los archivos de encabezado.
Abra el proyecto en DevEco Studio. El código de ejemplo se encuentra en DashFunAsrFlashFileTranscriberPage.ets. Reemplace la clave API para probar la función.
Pase una cadena JSON al parámetro parameters del método initializeFileTrans para configurar estos ajustes.Ejemplo de parámetro: La siguiente cadena JSON es un ejemplo y no enumera todos los parámetros. Agregue parámetros según sea necesario en su código:
El punto de conexión del servicio. Establezca este parámetro en wss://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation. Reemplace {WorkspaceId} con su ID de espacio de trabajo real.
apikey
string
Sí
La clave API. Recomendamos utilizar una clave API temporal de corta duración y mayor seguridad para reducir el riesgo de exponer una clave de larga duración.
service_mode
string
Sí
El modo de operación. Para el reconocimiento de voz no en tiempo real, establezca este parámetro en "1".
device_id
string
Sí
Una cadena única que identifica al usuario final. Puede usar un ID de usuario dentro de la aplicación o un identificador de dispositivo único generado por el cliente. Este ID se utiliza principalmente para el rastreo de registros y la resolución de problemas.
debug_path
string
No
La ruta para los archivos de registro. Este parámetro solo tiene efecto cuando llama a initializeFileTrans con save_log establecido en true. En este caso, debe especificar la ruta del archivo de registro. De lo contrario, se producirá un error. Se conservan hasta dos archivos de registro localmente.
max_log_file_size
number
No
El tamaño máximo del archivo de registro en bytes. Este parámetro solo tiene efecto cuando llama a initializeFileTrans con save_log establecido en true. Valor predeterminado: 104857600 (100 * 1024 * 1024 bytes, o 100 MiB).
Utilice setParams para configurar los parámetros de nls_config, o utilice startFileTranscriber para configurar todos los parámetros de reconocimiento.Ejemplo de parámetro: La siguiente cadena JSON es un ejemplo y no enumera todos los parámetros. Agregue parámetros según sea necesario en su código:
Si Parámetros de conexión y control apikey utiliza una clave API temporal, puede actualizarla aquí para evitar su caducidad.
nls_config
object
Sí
El objeto de configuración principal de reconocimiento de voz, que incluye el modelo y los parámetros que controlan el reconocimiento.
nls_config.model
string
Sí
El nombre del modelo.
nls_config.format
string
Sí
El formato de audio. Establezca este parámetro en el formato real. Los formatos admitidos incluyen wav, mp3, opus. Para más detalles, consulte Especificaciones de audio.
nls_config.sample_rate
string
No
La frecuencia de muestreo de audio en Hz. Por ejemplo, 16000 indica una frecuencia de muestreo de 16 kHz. Para más detalles, consulte Especificaciones de audio.
nls_config.vocabulary_id
string
No
El ID de vocabulario precompilado. Cree un vocabulario con antelación y pase su ID durante el reconocimiento para usar sus palabras clave. Use esta opción cuando el vocabulario es conocido, relativamente estable y se reutiliza en varias solicitudes. Para instrucciones de uso, consulte Palabras clave precompiladas.
nls_config.instant_vocabulary
object
No
Palabras clave instantáneas.Pase pares clave-valor. La clave es el texto de la palabra clave (string) y el valor es su peso (integer). No necesita crear un vocabulario con antelación. Los pesos válidos son [1, 5] o 50. Dentro de [1, 5], un peso mayor hace que sea más probable que el modelo genere la palabra. Un peso de 50 especifica una súper palabra clave y aumenta significativamente la recuperación. Puede especificar hasta 50 súper palabras clave.Use esta opción para la optimización temporal de palabras clave a nivel de sesión.Cuando se configuran tanto palabras clave instantáneas como precompiladas, el sistema las fusiona. Si la lista fusionada excede 2000 entradas, selecciona aleatoriamente 2000 entradas. Para instrucciones de uso, consulte Palabras clave instantáneas.
Copy
{ "张三": 5, "李四": 5}
nls_config.language_hints
array[string]
No
Los códigos de idioma que se reconocerán. Si desconoce el idioma, omita este parámetro para que el modelo lo detecte automáticamente. Puede especificar hasta 4 valores. Si especifica más, solo los primeros 4 tendrán efecto.Especificar los códigos de idioma puede mejorar la precisión del reconocimiento.
Códigos de idioma admitidos
zh: Chino
en: Inglés
ja: Japonés
ko: Coreano
vi: Vietnamita
th: Tailandés
id: Indonesio
ms: Malayo
tl: Filipino
hi: Hindi
ar: Árabe
fr: Francés
de: Alemán
es: Español
pt: Portugués
ru: Ruso
it: Italiano
nl: Neerlandés
sv: Sueco
da: Danés
fi: Finés
no: Noruego
el: Griego
pl: Polaco
cs: Checo
hu: Húngaro
ro: Rumano
bg: Búlgaro
hr: Croata
sk: Eslovaco
qwen-audio-3.1-asr-flash también admite los siguientes códigos de idioma:
tr: turco
fa: persa
mr: maratí
ml: malabar
ne: nepalí
ky: kirguís
az: azerbaiyano
ka: georgiano
hy: armenio
sl: esloveno
sq: albanés
et: estonio
lv: letón
lt: lituano
ca: catalán
eu: euskera
gl: gallego
or: oriya
dv: divehi
as: asamés
ku: kurdo
tig: tigré
fy: frisón occidental
ba: baskir
be: bielorruso
tt: tártaro
ia: interlingua
mhr: marí oriental
tok: toki pona
messages
array[object]
Sí
La lista de mensajes. Contiene el audio a reconocer y el contexto de conversación opcional para mejorar el reconocimiento.Consulte las siguientes descripciones.
parámetros de messages:
El contexto mejora la precisión del reconocimiento de términos especializados. Para instrucciones de uso, consulte Mejora de contexto.Los mensajes de contexto (tipos input_text y text) están limitados a cinco cada uno. Si se supera el límite, solo se conservan los cinco mensajes más recientes. La longitud total del texto de contexto por turno (la suma de las longitudes de los campos user y assistanttext) no debe exceder los 400 caracteres. Cada carácter cuenta como uno. Los caracteres excedentes se truncan desde el final.
Cuando se incluye contexto, los mensajes de messages deben seguir un orden específico. Organice los mensajes de contexto por turno de conversación. Dentro de cada turno, user (tipo input_text) debe preceder al assistant correspondiente (tipo text). El mensaje input_audiouser que contiene el audio de entrada debe colocarse al final de messages.
Parámetro
Tipo
Obligatorio
Descripción
role
string
Sí
El rol del mensaje. Valores válidos:
user (requerido): Un mensaje de usuario. Cuando type es input_audio, representa el audio a reconocer. Cuando type es input_text, representa resultados de reconocimiento de turnos anteriores o un vocabulario específico del dominio (contexto opcional).
assistant (contexto opcional): Respuestas del modelo de lenguaje grande de turnos anteriores.
content
array[object]
Sí
La lista de contenido de mensajes. Consulte las siguientes descripciones.
parámetros de content:
Parámetro
Tipo
Obligatorio
Descripción
type
string
Sí
El tipo de contenido. Cada solicitud requiere al menos un mensaje input_audio . Valores válidos:
input_audio (requerido): La entrada de audio a reconocer (el rol es user). También debe proporcionar el objeto input_audio.
input_text (contexto opcional): Resultados de reconocimiento del habla del usuario de turnos anteriores o un vocabulario específico del dominio (el rol es user). También debe proporcionar el campo text.
text (contexto opcional): Respuestas del modelo de lenguaje grande de turnos anteriores (el rol es assistant). También debe proporcionar el campo text.
input_audio
object
No
Requerido cuando type es input_audio.
input_audio.data
string
Sí
Los datos de audio a reconocer. Para formatos de audio admitidos, límites de tamaño de archivo, límites de duración y otros requisitos de entrada, consulte Especificaciones de audio. Se admiten los siguientes dos métodos de entrada:
URL del archivo de audio: Pase una URL de archivo de audio accesible públicamente.
URI de datos Base64: Pase audio codificado en Base64 como un URI de datos. Concatene el prefijo data:{MIME_TYPE};base64, con los datos de audio codificados en Base64. Los tipos MIME admitidos incluyen audio/wav, audio/mp3.Ejemplo (URL): https://example.com/audio/sample.wavEjemplo (Base64): data:audio/wav;base64,{BASE64_ENCODED_DATA}
text
string
No
Obligatorio cuando type es input_text, proporcione resultados de reconocimiento del habla del usuario de turnos anteriores o un vocabulario específico del dominio. Cuando type es text, proporcione respuestas del modelo de lenguaje grande de turnos anteriores. La longitud del texto se cuenta en caracteres, y cada carácter cuenta como uno. La longitud total de todos los campos text de los mensajes en cada turno de contexto no debe exceder los 400 caracteres. Los caracteres excedentes se truncan desde el final.
Inicialice la instancia del SDK de reconocimiento de voz.
A diferencia del reconocimiento de voz en tiempo real, la transcripción no en tiempo real (de archivos grabados) requiere initializeFileTrans con una devolución de llamada INativeFileTransCallback en lugar de initialize.
Este método es bloqueante. Llámelo desde un hilo que no sea de UI.Firma del método
Copy
public initializeFileTrans(callback: INativeFileTransCallback, parameters: string, level: number, save_log: boolean = false): number
Parámetros
Parámetro
Tipo
Descripción
callback
INativeFileTransCallback
La implementación de la interfaz de devolución de llamada de eventos y datos de transcripción de archivos.
parameters
string
Una cadena JSON que contiene parámetros de autenticación, conexión y depuración. Consulte Parámetros de conexión y control.
level
number
El nivel de registro del SDK. Utilice un valor de la enumeración.
save_log
boolean
Indica si se deben guardar los registros localmente. Si se establece en true, use Parámetros de conexión y control para establecer debug_path y especificar la ruta, y use max_log_file_size para establecer el tamaño del archivo.
Utilice este método para establecer o actualizar nls_config por separado. No es necesario llamar a este método si todos los parámetros se proporcionan en startFileTranscriber en una sola llamada.Firma del método
Copy
public setParams(params: string): number
Parámetros
Parámetro
Tipo
Descripción
params
string
Parámetros de reconocimiento en los parámetros de nls_config; los parámetros fuera de nls_config no se pueden establecer con este método.
El búfer de ID de tarea. El SDK escribe una cadena de ID de tarea aleatoria generada internamente en este búfer. Su longitud en bytes debe ser >= 33 bytes (el ejemplo utiliza new ArrayBuffer(64)). Después de una llamada exitosa, decodifique el búfer para obtener el task_id de la tarea.
Utilice este método para consultar el estado actual y el resultado de una tarea asíncrona. Después de una llamada exitosa, el resultado se devuelve a través del evento EVENT_FILE_TRANS_QUERY_RESULT de la devolución de llamada onFileTransEventCallback.Firma del método
Copy
public queryFileTranscriber(task_id: string): number
Parámetros
Parámetro
Tipo
Descripción
task_id
string
El ID de la tarea a consultar (escrito en el búfer por startFileTranscriber).
Libere todos los recursos internos del SDK. Después de esta llamada, la instancia del SDK deja de estar disponible. Para volver a utilizarla, llame a initializeFileTrans para inicializarla nuevamente.Firma del método
onFileTransLogTrackCallback: Escuchar registros de rastreo
Este callback recibe registros internos detallados del SDK para resolución de problemas y depuración.Para utilizar esta devolución de llamada, descargue el paquete del SDK de HarmonyOS con fecha 20260908 o posterior.
En el SDK de HarmonyOS, los tipos de eventos se definen mediante la enumeración Constants.NuiEvent. Los siguientes eventos están relacionados con la transcripción de archivos grabados:
Evento
Descripción
EVENT_FILE_TRANS_CONNECTED
Conectado correctamente al servicio.
EVENT_FILE_TRANS_UPLOADED
El archivo de audio se cargó correctamente.
EVENT_FILE_TRANS_QUERY_RESULT
El resultado de la consulta de la tarea.
EVENT_FILE_TRANS_RESULT
El resultado final del reconocimiento.
EVENT_ASR_ERROR
Ocurrió un error durante el reconocimiento de voz.
