Cette rubrique décrit les événements client que le client envoie au serveur via WebSocket dans le service de reconnaissance vocale en temps réel Fun-ASR-Realtime, y compris les structures de données et les définitions de champs pour run-task (démarrer une tâche) et finish-task (terminer une tâche).
run-task
Démarre une tâche de reconnaissance vocale et définit des paramètres tels que le modèle, le format audio et le taux d'échantillonnage.
Quand envoyer : Envoyer immédiatement après l'établissement de la connexion WebSocket.
Événement de réponse : Vous pouvez envoyer de l'audio uniquement après que le serveur a renvoyé l'événement task-started.
headerobject(Obligatoire)
Propriétés action string(Obligatoire)Le type de commande. Définir sur run-task.task_idstring(Obligatoire)Un ID de tâche généré par le client (format UUID) qui lie les événements suivants à cette tâche.streamingstring(Obligatoire)Définir sur duplex.object(Obligatoire)
Propriétés task_group string(Obligatoire)Le groupe de tâches. Définir sur audio.taskstring(Obligatoire)Le type de tâche. Définir sur asr.functionstring(Obligatoire)Le type de fonction. Définir sur recognition.modelstring(Obligatoire)Le nom du modèle.inputobject(Obligatoire)L'objet d'entrée. Passer {} lorsqu'aucun contexte n'est fourni.
Propriétés context array(object)(Facultatif)Le contexte de conversation, qui améliore la précision de la reconnaissance pour le vocabulaire spécifique au domaine. Pour plus de détails sur l'utilisation, voir Amélioration du contexte.
Propriétés role string(Obligatoire)Le rôle du message. Valeurs valides :
array(object)(Obligatoire)La liste des contenus de message.
Propriétés type string(Obligatoire)Le type de contenu. Valeurs valides :
string(Obligatoire)Le contenu textuel. Lorsque type est input_text, saisissez les résultats de reconnaissance des tours précédents de parole utilisateur ou une liste de mots spécifique au domaine. Lorsque type est text, saisissez les réponses du grand modèle linguistique des tours précédents.object(Obligatoire)Les paramètres de reconnaissance vocale.
Propriétés format string(Obligatoire)Le format audio.Valeurs valides :
integer(Obligatoire)Le taux d'échantillonnage, en Hz.Valeurs valides : les modèles 8 kHz prennent en charge uniquement 8000 Hz ; les autres modèles prennent en charge n'importe quel taux d'échantillonnage.vocabulary_idstring(Facultatif)L'identifiant d'une liste de mots-clés précompilée.Générez cet ID à l'avance en appelant l'API de création de liste de mots chauds. Transmettez l'ID lors de la reconnaissance pour utiliser les mots chauds de la liste.Convient aux scénarios où le vocabulaire est connu et relativement stable, et où vous devez réutiliser la même liste de mots entre les requêtes.Pour plus de détails sur l'utilisation, voir Mots chauds précompilés.language_hintsarray[string](Facultatif)La langue de l'audio à reconnaître. Il n'y a pas de valeur par défaut ; si elle n'est pas définie, le modèle détecte automatiquement la langue.Vous pouvez définir une seule valeur. Si vous en définissez plusieurs, seule la première prend effet.
Cliquez pour afficher les codes de langue pris en charge
integer(Facultatif)Le seuil de silence VAD pour la segmentation, en ms. Lorsque le silence suivant un segment de parole dépasse ce seuil, le système détermine que la phrase est terminée.Valeur par défaut : 1300.Valeurs valides : [200, 6000].multi_threshold_mode_enabledboolean(Facultatif)Indique s'il faut activer le mode multi-seuil. Lorsqu'il est activé, cela empêche les segments VAD de devenir trop longs.Valeur par défaut : false.heartbeatboolean(Facultatif)Indique s'il faut activer les paquets de battement de cœur.Valeur par défaut : false.
float(Facultatif)Le seuil pour distinguer la parole du bruit, utilisé pour ajuster la sensibilité de la détection d'activité vocale (VAD).Valeurs valides : [-1.0, 1.0].Descriptions des valeurs :
string(Facultatif)Règles de filtrage qui remplacent les mots spécifiés dans les résultats par le même nombre d’astérisques ou les suppriment. La valeur est une chaîne JSON obtenue en sérialisant l’objet de règles. Vous pouvez configurer jusqu’à 32 mots sensibles. Aucun filtrage n’est appliqué si le paramètre est omis.
|
finish-task
Notifie au serveur que tout l'audio a été envoyé et demande la fin de la tâche.
Quand envoyer : Envoyer après que toutes les données audio ont été envoyées.
Événement de réponse : Le serveur renvoie l'événement task-finished.
headerobject(Obligatoire)
Propriétés action string(Obligatoire)Le type de commande. Définir sur finish-task.task_idstring(Obligatoire)Un ID de tâche généré par le client (format UUID) qui doit correspondre au task_id dans l'événement run-task.streamingstring(Obligatoire)Définir sur duplex.object(Obligatoire)
Propriétés input object(Obligatoire)Définir sur {}. |