Skip to main content

SDK de C# de Qwen-LiveTranslate-Realtime

Utilice el C# SDK para llamar a Qwen-LiveTranslate-Realtime a través de WebSocket y traducir voz en texto y audio en el idioma objetivo.

Requisitos previos

Obtenga una clave de API y configure la variable de entorno DASHSCOPE_API_KEY. Use una clave de API de la misma región que su espacio de trabajo.

Instalar el SDK

Descargue y extraiga Bailian.DashScope-1.1.0.zip. Para usar el SDK en un proyecto C#, instálelo desde la fuente local NuGet.

Inicio rápido

Ejecutar el ejemplo incluido

  1. Cree un proyecto de consola .NET 10 e instale el SDK como se describe arriba.
  2. Coloque input.pcm en el directorio del proyecto. Use PCM sin encabezado, mono, de 16 bits en orden little-endian, con una frecuencia de muestreo de 16 kHz. Convierta primero los archivos WAV a PCM sin encabezado.
Configure el punto de conexión WebSocket del espacio de trabajo en la región Singapur. Sustituya WorkspaceId por el ID de su espacio de trabajo. Para consultar las regiones y los puntos de conexión disponibles, vea Acceso por WebSocket.
export DASHSCOPE_REALTIME_URL="wss://WorkspaceId.ap-southeast-1.maas.aliyuncs.com/api-ws/v1/realtime"

Llamar al SDK desde un proyecto

Este programa transmite en tiempo real una grabación de PCM sin encabezado, espera a que finalice la respuesta y escribe el audio en output.pcm. Reemplace Program.cs por el siguiente código.
using DashScope.Qwen;

if (args.Length < 2)
    throw new ArgumentException("Usage: <input.pcm> <model> [voice]");

using var timeout = new CancellationTokenSource(TimeSpan.FromSeconds(60));
var ct = timeout.Token;
await using var client = new QwenLiveTranslator(new QwenLiveTranslateOptions
{
    Model = args[1],
    Voice = args.Length > 2 ? args[2] : null,
    Url = Environment.GetEnvironmentVariable("DASHSCOPE_REALTIME_URL")
        ?? throw new InvalidOperationException("Set DASHSCOPE_REALTIME_URL to your workspace WebSocket endpoint."),
    Modalities = ["text", "audio"],
    SourceLanguage = "zh",
    TargetLanguage = "en",
    SampleRate = 16000,
});

using var output = File.Create("output.pcm");
var completed = new TaskCompletionSource<string?>(TaskCreationOptions.RunContinuationsAsynchronously);
client.TranslationCompleted += (_, e) => Console.WriteLine(e.Text);
client.TranslatedAudioChunk += (_, e) => output.Write(e.Pcm);
client.ResponseCompleted += (_, e) => completed.TrySetResult(e.Status);
client.ErrorOccurred += (_, e) => completed.TrySetException(
    new InvalidOperationException($"{e.ServerErrorCode}: {e.ServerErrorMessage}"));

await client.ConnectAsync(ct);
using var input = File.OpenRead(args[0]);
var frame = new byte[640];
int size;
while ((size = await input.ReadAsync(frame.AsMemory(), ct)) > 0)
{
    await client.AppendAudioAsync(frame.AsMemory(0, size), ct);
    await Task.Delay(20, ct);
}

Array.Clear(frame);
for (var i = 0; i < 60; i++)
{
    await client.AppendAudioAsync(frame, ct);
    await Task.Delay(20, ct);
}

await client.FinishAsync(ct);
var status = await completed.Task.WaitAsync(ct);
if (status != "completed" || output.Length == 0)
    throw new InvalidOperationException($"Status: {status}, audio bytes: {output.Length}");
Coloque el archivo PCM sin encabezado del inicio rápido en el directorio del proyecto y ejecute el ejemplo.
dotnet run -- input.pcm qwen3.8-livetranslate-flash-realtime Serena

Parámetros de solicitud

OpciónTipoPredeterminadoDescripción
ApiKeystring?nullClave de API de Model Studio. Si se omite, el SDK lee DASHSCOPE_API_KEY.
Urlstringwss://dashscope.aliyuncs.com/api-ws/v1/realtimePunto de conexión de WebSocket. El SDK agrega Model como parámetro de consulta model.
WorkspaceIdstring?nullID de espacio de trabajo enviado en el encabezado X-DashScope-WorkSpace. Para utilizar un punto de conexión específico del espacio de trabajo, establezca la dirección completa en Url.
ConnectTimeoutTimeSpan10 sTiempo de espera para abrir la conexión de WebSocket.
StartTimeoutTimeSpan10 sTiempo de espera para recibir session.created.
StopTimeoutTimeSpan10 sTiempo de espera para recibir session.finished cuando el modo de finalización espera ese evento.
FinishModeQwenRealtimeFinishMode?nullCuando se omite, el SDK elige un modo de finalización según el modelo. Lea FinishMode en la instancia para ver qué modo utiliza.
Modelstringqwen3.5-livetranslate-flash-realtimeID del modelo.
ModalitiesIList<string>["text", "audio"]Modalidades de salida. Use ["text"] para texto traducido únicamente.
Voicestring?nullVoz para el audio traducido. Si se omite, el servidor elige una predeterminada. Al generar audio con 3.8, especifique una voz compatible con ese modelo.
EnableVoiceClonebool?nullHabilita la clonación de voz para el audio traducido.
VoiceCloneFrequencystringonceonce clona la voz al inicio de la sesión, always lo hace para cada oración y never utiliza un ID de voz clonada existente. Consulte qué modos admite su modelo.
SampleRateint16000Tasa de muestreo de entrada en Hz. Elija una tasa de muestreo compatible con su modelo.
InputAudioFormatstringpcmFormato de audio de entrada. La opción del SDK acepta pcm o opus. Consulte la referencia de eventos del cliente para conocer los formatos compatibles con su modelo.
OutputAudioFormatstring?nullFormato de audio de salida, por ejemplo pcm. Cuando se omite, el servidor utiliza su valor predeterminado.
TranscriptionModelstring?qwen3-asr-flash-realtimeModelo para reconocimiento de habla de origen. Con qwen3.5-livetranslate-flash-realtime, establezca esta opción y SourceLanguage en null para omitir input_audio_transcription. El reconocimiento de habla de origen siempre está habilitado en la versión 3.8.
SourceLanguagestring?nullCódigo de idioma de origen, por ejemplo zh. Cuando se omite, el servidor detecta el idioma.
TargetLanguagestringenCódigo de idioma objetivo, por ejemplo en.
SkipSameLanguageTextbool?nullOmite el texto traducido cuando los idiomas de origen y destino coinciden. Compruebe si su versión de modelo admite esta opción.
SkipSameLanguageAudiobool?nullOmite el audio traducido cuando los idiomas de origen y destino coinciden. Compruebe si su versión de modelo admite esta opción.
CorpusPhrasesIDictionary<string, string>?nullGlosario de traducción que asigna términos de origen a términos objetivo en translation.corpus.phrases.
VadThresholddouble?0.5Umbral de detección de actividad de voz (VAD) del servidor entre -1.0 y 1.0.
VadSilenceMsint1000Duración de silencio en milisegundos antes de que el servidor detecte el final de la habla.
EnableDebugInfobool?nullSolicita información de depuración desde el servidor.
Para traducción de audio y video con 3.8, primero establezca session.input_modalities en ["audio", "video"] como se muestra en Acceso por WebSocket, luego envíe cuadros de imagen junto con el audio. AppendImageAsync envía cuadros de imagen. Utilice SendRawEventAsync para enviar eventos completos del cliente para campos sin una opción dedicada del SDK.

Referencia de la API

Use DashScope.Qwen.QwenLiveTranslator con QwenLiveTranslateOptions. Algunas configuraciones de sesión y campos de evento difieren entre 3.5 y 3.8. Consulte la referencia de eventos del cliente para su modelo.

Métodos

Los métodos siguientes devuelven Task, excepto DisposeAsync. ct es un token de cancelación opcional.
MétodoDescripción
ConnectAsync(CancellationToken ct = default)Abre la conexión, espera session.created y envía session.update.
AppendAudioAsync(ReadOnlyMemory<byte> pcm, CancellationToken ct = default)Envía un marco de audio. El SDK codifica los bytes mediante Base64 y envía un evento input_audio_buffer.append.
AppendImageAsync(string imageBase64, CancellationToken ct = default)Envía un marco de imagen Base64 en input_image_buffer.append. Seleccione un modelo que admita entrada de imagen y habilite previamente la entrada de audio e imagen.
SendRawEventAsync(string frameJson, CancellationToken ct = default)Envía el JSON del evento completo del cliente tal como se proporciona. Utilice este método para eventos sin un método SDK dedicado.
FinishAsync(CancellationToken ct = default)Finaliza la sesión usando el FinishMode activo.
AbortAsync()Cierra la conexión inmediatamente y descarta los resultados pendientes.
DisposeAsync()Libera recursos de forma asíncrona y devuelve un ValueTask.

Eventos

EventoArgumento del eventoCuando se activa
SessionReadystring?La sesión está lista. El valor es session.id.
SourceTranscriptUpdatedQwenTranscriptEventArgsTranscripción actual de la fuente. Se devuelve cuando se habilita el reconocimiento de voz de la fuente.
SourceTranscriptCompletedQwenTranscriptEventArgsTranscripción final de un enunciado de la fuente.
TranslationTextDeltaQwenTextDeltaEventArgsDelta de traducción. Consulte TranslationCompleted para obtener la traducción final.
TranslationCompletedQwenTranscriptEventArgsTraducción completa del enunciado.
TranslatedAudioChunkQwenAudioChunkEventArgsFragmento de audio traducido. El formato y la tasa de muestreo dependen de la configuración de la sesión y la respuesta del modelo.
TranslatedAudioCompletedEventArgsSe ha recibido todo el audio traducido para el turno.
ResponseCompletedQwenResponseSummaryLlegó response.done con el estado y el uso.
RawServerEventQwenServerEventArgsEvento del servidor sin procesar con su tipo y objeto JSON.
ErrorOccurredDashScopeErrorEventArgsOcurrió un error del servidor o un fallo de conexión.
Vea C# SDK tipos de resultados para los campos del argumento de evento. El uso de traducción es acumulativo para la sesión.

Finalizar la sesión

Después de enviar todo el audio, llame a FinishAsync para finalizar la sesión y recibir la traducción y el audio traducido restantes. LiveTranslate usa FinishAndWait de manera predeterminada. Este modo envía session.finish y espera session.finished.