Cette rubrique détaille les paramètres et les interfaces du SDK Python de reconnaissance vocale hors temps réel Fun-ASR.
Pour les prérequis d'entrée (formats audio pris en charge, limites de taille de fichier et de durée), reportez-vous à la section Spécifications audio.
Les exemples suivants utilisent DashScope Python SDK 2.0. La Ressource principale (
Le SDK utilise la région de Pékin par défaut. Lors de la création de
Les clés API diffèrent selon les régions. Utilisez celle de la région correspondante.
Définissez les paramètres de requête avec
Le résultat de reconnaissance est enregistré dans un fichier JSON.
Les paramètres suivants méritent une attention particulière :
Créez un client avec
Par défaut, une tâche en échec lève
L'audio encodé en Base64 n'est pas pris en charge. Seul l'audio accessible via une URL publique peut être reconnu. Les flux binaires et les fichiers locaux ne peuvent pas être reconnus directement.
Les étapes typiques sont les suivantes. Il s'agit d'une approche parmi d'autres ; le processus exact varie selon le produit de stockage. Nous vous recommandons de télécharger l'audio vers Alibaba Cloud OSS :
Lors de l'utilisation du SDK, si les fichiers audio sont stockés dans Alibaba Cloud OSS, les URL temporaires avec le préfixe
Une fois une tâche soumise, elle passe à l'état mis en file d'attente (PENDING). Le temps d'attente dépend de la longueur de la file et de la durée de l'audio ; il ne peut donc pas être déterminé avec précision, mais reste généralement inférieur à quelques minutes. En règle générale, plus l'audio est long, plus le traitement prend du temps.
Si vous rencontrez une erreur de code, résolvez le problème en vous basant sur les informations de la section Codes d'erreur.
Cela peut être dû à une limitation de débit. Patientez un instant et réessayez.
Vérifiez que le format audio et la fréquence d'échantillonnage sont corrects et respectent les contraintes des paramètres.
Utilisez l'outil ffprobe pour obtenir le conteneur audio, le codec, la fréquence d'échantillonnage, les canaux et d'autres détails :
Prérequis
- Vous avez activé le service et obtenu une clé API. Configurez la clé API comme variable d'environnement plutôt que de l'inclure en dur dans votre code afin d'éviter les risques de sécurité liés à une fuite de code.
- Installez la dernière version du SDK DashScope.
Démarrage rapide
Les exemples suivants utilisent DashScope Python SDK 2.0. La Ressource principale (client.audio.asr) fournit des méthodes pour soumettre, attendre et interroger les tâches de deux façons :
- Soumission asynchrone avec attente synchrone : après la soumission de la tâche, le thread actuel se bloque jusqu'à la fin de la tâche, puis le résultat de reconnaissance est retourné.
- Soumission asynchrone avec interrogation asynchrone : après la soumission de la tâche, appelez l'interface d'interrogation pour récupérer le résultat au moment souhaité.
- Soumission asynchrone et attente synchrone
- Soumission asynchrone et interrogation asynchrone du résultat

-
Appelez
client.audio.asr.jobs.createpour soumettre une tâche avec les paramètres de requête.- Le service de transcription de fichiers traite les tâches soumises via l'API au mieux de ses capacités. Une fois soumise, une tâche passe à l'état mis en file d'attente (
PENDING). Le temps d'attente dépend de la longueur de la file et de la durée du fichier ; il ne peut donc pas être déterminé avec précision, mais reste généralement inférieur à quelques minutes. Dès que le traitement commence, la reconnaissance vocale s'effectue à une vitesse des centaines de fois supérieure au temps réel. - Une fois chaque tâche terminée, le résultat de reconnaissance et l'URL de téléchargement restent valides pendant 24 heures. Passé ce délai, vous ne pouvez plus interroger la tâche ni télécharger le résultat via l'URL retournée lors d'une requête précédente.
- Le service de transcription de fichiers traite les tâches soumises via l'API au mieux de ses capacités. Une fois soumise, une tâche passe à l'état mis en file d'attente (
-
Appelez
client.audio.asr.jobs.wait(job=job)pour attendre la fin de la tâche de manière synchrone. Tant que la tâche estPENDINGouRUNNING,jobs.waitcontinue d’attendre. La méthode renvoie unJoblorsque la tâche réussit. Les méthodes renvoient unJob. Consultez la liste des résultats dansjob.results; chaquetranscription_urlpointe vers un résultat de transcription téléchargeable.
Endpoints de service
Le SDK utilise la région de Pékin par défaut. Lors de la création de dashscope.Client, définissez la région avec region et l’ID de l’espace de travail avec workspace. Le paramètre de région s’applique uniquement à ce Client.
- Singapour
- Chine (Pékin)
https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1Remplacez {WorkspaceId} par votre véritable ID d'espace de travail.Paramètres de requête
Définissez les paramètres de requête avec client.audio.asr.transcribe ou client.audio.asr.jobs.create.
| Paramètre | Type | Obligatoire | Description |
|---|---|---|---|
model | str | Oui | Le nom du modèle. |
file_urls | list[str] | Oui | Liste des URL des fichiers audio ou vidéo à transcrire. Les protocoles HTTP et HTTPS sont pris en charge. Une seule requête ne prend en charge qu'une seule URL. Pour les prérequis d'entrée (formats audio pris en charge, limites de taille de fichier et de durée), consultez la section Spécifications audio.Si l'enregistrement est stocké dans Alibaba Cloud OSS, l'API RESTful prend en charge les URL temporaires préfixées par oss://, tandis que le SDK ne prend pas en charge les URL temporaires préfixées par oss://. |
parameters.vocabulary_id | str | Non | ID d'une liste de mots chauds précompilée.Générez cet ID au préalable 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 plusieurs requêtes.Pour plus de détails sur l'utilisation, consultez la section Mots chauds précompilés. |
parameters.vocabulary | dict | Non | Mots-clés instantanés. Transmettez des paires clé-valeur dont les clés sont les mots-clés (string) et les valeurs sont des poids entiers (integer). Aucune liste précompilée n’est nécessaire.Pour leur utilisation, consultez Mots-clés instantanés.Exemple :L’exemple suivant réutilise le client configuré avec la région et l’espace de travail dans Démarrage rapide. |
parameters.channel_id | list[int] | Non | Index des pistes audio à reconnaître dans un fichier audio multipiste. L'index commence à 0. Par exemple, [0] reconnaît la première piste, et [0, 1] reconnaît simultanément les première et deuxième pistes. Si vous omettez ce paramètre, seule la première piste est traitée.Valeur par défaut : [0]. |
parameters.special_word_filter | str | Non | Mots sensibles à traiter lors de la reconnaissance vocale. Vous pouvez définir une méthode de gestion différente pour chaque mot sensible. Pour plus de détails, consultez la section Filtrage des mots sensibles. |
parameters.diarization_enabled | bool | Non | Indique s'il faut activer la diarisation des locuteurs. Désactivée par défaut.S'applique uniquement à l'audio mono. L'audio multicanal ne prend pas en charge la diarisation des locuteurs.Lorsque cette option est activée, le résultat de reconnaissance inclut un champ speaker_id permettant de distinguer les différents locuteurs.Lorsque la diarisation des locuteurs est activée, maintenez la durée audio sous 2 heures. Sinon, la reconnaissance risque d'échouer ou d'expirer. speaker_id, consultez la section Description du résultat de reconnaissance. |
parameters.speaker_count | int | Non | Valeur de référence pour le nombre de locuteurs. La plage valide est un entier compris entre 2 et 100 (inclus).Par défaut, le nombre de locuteurs est détecté automatiquement. Si vous définissez cette valeur, elle guide simplement l'algorithme pour produire le nombre spécifié lorsque cela est possible, sans garantir ce compte exact.Aucune valeur par défaut. |
parameters.language_hints | list[str] | Non | Codes de langue à reconnaître. Si vous ne pouvez pas déterminer la langue à l'avance, laissez ce champ vide et le modèle détectera automatiquement la langue.Vous pouvez définir jusqu’à 1 valeur. Au-delà, seules les 1 premières sont prises en compte.
Cliquez pour afficher les codes de langue pris en charge
|
Réponse
Job
Job contient les informations de la tâche, la sortie brute et l’utilisation.
| Champ | Description |
|---|---|
task_id | L’ID de la tâche. |
status | L’état de la tâche : PENDING, RUNNING, SUCCEEDED ou FAILED. |
submitted_at | L’heure de soumission, correspondant à job.output["submit_time"]. |
scheduled_at | Le début du traitement, correspondant à job.output["scheduled_time"]. |
finished_at | L’heure de fin, correspondant à job.output["end_time"]. |
output | Le dictionnaire de sortie brute de la tâche. |
results | La liste des résultats des sous-tâches, accessible via job.results. Téléchargez le fichier JSON à l’URL transcription_url pour obtenir le texte reconnu. |
usage | Les informations d’utilisation de la tâche. |
Job.output
job.output est le dictionnaire de sortie brute de la tâche renvoyé par le service.
- PENDING
- RUNNING
- SUCCEEDED
- FAILED (raise_on_error=False)
| Paramètre | Description |
|---|---|
code | Code d'erreur. Associez-le au champ message et reportez-vous à la section Codes d'erreur pour résoudre le problème. |
message | Message d'erreur. Associez-le au champ code et reportez-vous à la section Codes d'erreur pour résoudre le problème. |
task_id | ID de la tâche. |
task_status | État de la tâche.L'un des quatre états suivants : PENDING, RUNNING, SUCCEEDED et FAILED.Lorsqu'une tâche contient plusieurs sous-tâches, l'état global de la tâche est marqué comme SUCCEEDED dès qu'une sous-tâche réussit. Vérifiez le champ subtask_status pour déterminer le résultat de chaque sous-tâche. |
results | Résultats de reconnaissance des sous-tâches. |
subtask_status | État de la sous-tâche.L'un des quatre états suivants : PENDING, RUNNING, SUCCEEDED et FAILED. |
file_url | URL du fichier audio reconnu. |
transcription_url | URL du résultat de reconnaissance audio.Le résultat de reconnaissance est enregistré dans un fichier JSON. Vous pouvez télécharger ce fichier via le lien associé à transcription_url ou lire directement son contenu via une requête HTTP. Pour le contenu du fichier JSON, consultez la section Description du résultat de reconnaissance. |
Description du résultat de reconnaissance
Le résultat de reconnaissance est enregistré dans un fichier JSON.
| Paramètre | Type | Description |
|---|---|---|
audio_format | string | Format audio du fichier source. |
channels | array[integer] | Index de piste de l'audio dans le fichier source. Pour un audio monopiste, [0] est retourné ; pour un audio bipiste, [0, 1] est retourné, et ainsi de suite. |
original_sampling_rate | integer | Fréquence d'échantillonnage (Hz) de l'audio dans le fichier source. |
original_duration_in_milliseconds | integer | Durée originale de l'audio (ms) dans le fichier source. |
channel_id | integer | Index de piste du résultat de transcription, commençant à 0. |
content_duration | integer | Durée (ms) du contenu de la piste identifié comme parole.Le service de modèle de reconnaissance vocale transcrit uniquement le contenu d'une piste identifié comme parole, et facture en fonction de cette durée. Le contenu non vocal n'est ni mesuré ni facturé. En règle générale, la durée du contenu vocal est inférieure à la durée audio originale. Étant donné que la présence de contenu vocal est déterminée par un modèle d'IA, le résultat peut différer légèrement de la réalité. |
transcript | string | Résultat de transcription au niveau du paragraphe. |
sentences | array | Résultat de transcription au niveau de la phrase. |
words | array | Résultat de transcription au niveau du mot. |
begin_time | integer | Horodatage de début (ms). |
end_time | integer | Horodatage de fin (ms). |
text | string | Résultat de transcription. |
speaker_id | integer | Index du locuteur actuel, commençant à 0, utilisé pour distinguer les différents locuteurs.Ce champ n'apparaît dans le résultat de reconnaissance que si la diarisation des locuteurs est activée. |
punctuation | string | Ponctuation prédite après le mot, le cas échéant. |
Interfaces principales
Ressource principale (client.audio.asr)
Créez un client avec dashscope.Client, puis utilisez la ressource client.audio.asr. Toutes les méthodes ci-dessous renvoient un Job.
| Méthode | Signature de méthode | Description |
|---|---|---|
transcribe | Soumettez une tâche et attendez sa fin de manière synchrone. Le modèle par défaut est qwen-audio-3.1-asr-flash-filetrans. Spécifiez explicitement model pour appeler un autre modèle. | |
jobs.create | Soumettez une tâche et renvoyez un Job contenant task_id et status, sans attendre la fin de la reconnaissance. | |
jobs.wait | Transmettez un Job ou un ID de tâche et attendez la fin de manière synchrone. Définissez les intervalles initial et maximal de consultation avec poll_interval et max_interval, et le délai total avec timeout. Toutes les valeurs sont en secondes. | |
jobs.fetch | Interrogez une fois l’état et les résultats par ID de tâche, sans attendre sa fin. |
Codes d'erreur
Par défaut, une tâche en échec lève DashScopeError. Pour recevoir un Job en échec, définissez raise_on_error=False lors de la création du Client, puis vérifiez job.status.
Si vous rencontrez une erreur, consultez la section Codes d'erreur pour résoudre le problème.
Lorsqu'une tâche contient plusieurs sous-tâches, l'état global de la tâche est marqué comme SUCCEEDED dès qu'au moins une sous-tâche réussit. Vérifiez le champ subtask_status pour déterminer le résultat de chaque sous-tâche.
Exemple de réponse d'erreur :
FAQ
Fonctionnalités
Q : L'audio encodé en Base64 est-il pris en charge ?
L'audio encodé en Base64 n'est pas pris en charge. Seul l'audio accessible via une URL publique peut être reconnu. Les flux binaires et les fichiers locaux ne peuvent pas être reconnus directement.
Q : Comment rendre un fichier audio disponible via une URL accessible publiquement ?
Les étapes typiques sont les suivantes. Il s'agit d'une approche parmi d'autres ; le processus exact varie selon le produit de stockage. Nous vous recommandons de télécharger l'audio vers Alibaba Cloud OSS :
1. Choisir une méthode de stockage et d'hébergement
1. Choisir une méthode de stockage et d'hébergement
Par exemple :
-
Service de stockage d'objets (recommandé) :
- Utilisez le service de stockage d'objets d'un fournisseur cloud (tel qu'Alibaba Cloud OSS) pour télécharger le fichier audio dans un bucket et le configurer en accès public.
- Avantages : haute disponibilité, prise en charge de l'accélération CDN et gestion simplifiée.
-
Serveur web :
- Placez le fichier audio sur un serveur web prenant en charge l'accès HTTP/HTTPS (tel que Nginx ou Apache).
- Avantages : convient aux petits projets ou aux tests locaux.
-
Réseau de diffusion de contenu (CDN) :
- Hébergez le fichier audio sur un CDN et accédez-y via l'URL fournie par le CDN.
- Avantages : accélère la distribution des fichiers et convient aux scénarios à forte concurrence.
2. Télécharger le fichier audio
2. Télécharger le fichier audio
Téléchargez l'audio conformément à la méthode de stockage ou d'hébergement choisie. Par exemple :
-
Service de stockage d'objets :
- Connectez-vous à la console du fournisseur cloud et créez un bucket.
- Téléchargez le fichier audio et définissez ses permissions sur lecture publique, ou générez un lien d'accès temporaire.
-
Serveur web :
- Placez le fichier audio dans un répertoire dédié sur le serveur (tel que
/var/www/html/audio/). - Assurez-vous que le fichier est accessible via HTTP/HTTPS.
- Placez le fichier audio dans un répertoire dédié sur le serveur (tel que
3. Générer une URL accessible publiquement
3. Générer une URL accessible publiquement
Par exemple :
-
Service de stockage d'objets :
- Une fois le fichier téléchargé, le système génère automatiquement une URL d'accès public (généralement au format
https://<bucket-name>.<region>.aliyuncs.com/<file-name>). - Pour un nom de domaine plus convivial, associez un domaine personnalisé et activez HTTPS.
- Une fois le fichier téléchargé, le système génère automatiquement une URL d'accès public (généralement au format
-
Serveur web :
- L'URL d'accès correspond généralement à l'adresse du serveur suivie du chemin du fichier (par exemple
https://your-domain.com/audio/file.mp3).
- L'URL d'accès correspond généralement à l'adresse du serveur suivie du chemin du fichier (par exemple
-
CDN :
- Après avoir configuré l'accélération CDN, utilisez l'URL fournie par le CDN (par exemple
https://cdn.your-domain.com/audio/file.mp3).
- Après avoir configuré l'accélération CDN, utilisez l'URL fournie par le CDN (par exemple
4. Vérifier que l'URL fonctionne
4. Vérifier que l'URL fonctionne
Assurez-vous que l'URL générée est accessible via le réseau public. Par exemple :
- Ouvrez l'URL dans un navigateur et vérifiez si le fichier audio se lit correctement.
- Utilisez un outil (tel que
curlou Postman) pour vérifier que l'URL retourne la réponse HTTP correcte (code d'état 200).
oss:// ne sont pas prises en charge.
Lors de l'utilisation de l'API RESTful, si les fichiers audio sont stockés dans Alibaba Cloud OSS, les URL temporaires avec le préfixe oss:// sont prises en charge :
- L'URL temporaire est valide pendant 48 heures et ne peut plus être utilisée après son expiration. Ne l'utilisez pas dans un environnement de production.
- L'API pour obtenir un identifiant de téléchargement est limitée à 100 QPS et ne prend pas en charge la mise à l'échelle. Ne l'utilisez pas dans des environnements de production, des scénarios à haute concurrence ou des scénarios de test de charge.
- Pour les environnements de production, utilisez un service de stockage stable tel qu'OSS afin de garantir la disponibilité à long terme des fichiers et d'éviter les problèmes de limitation de débit.
