Skip to main content

Améliorer la précision de la reconnaissance

Améliorez la reconnaissance des noms propres, des produits et des termes spécialisés grâce aux mots-clés (instantanés ou précompilés) et à l’amélioration contextuelle.

Choisir une méthode d’optimisation

Les noms propres, les noms de produits et les termes spécialisés peuvent avoir une prononciation proche de mots courants, ce qui entraîne des homophones ou des graphies incorrectes dans les transcriptions. Les mots-clés et l’amélioration contextuelle fournissent au modèle les graphies exactes ou des informations pertinentes pour améliorer la reconnaissance. Choisissez selon les informations dont dispose déjà l’application : utilisez les mots-clés pour une liste de termes définie, ou le contexte pour des conversations ou descriptions métier existantes. Pour les mots-clés, choisissez le mode instantané ou précompilé selon le besoin de réutiliser la même liste dans plusieurs requêtes. Vérifiez les Modèles et régions pris en charge avant utilisation.
MéthodeCas d’utilisationUtilisation
Mots-clés instantanésLes noms et termes changent à chaque requête, ou seuls quelques termes temporaires sont nécessaires, sans liste à conserver ni à gérer.Transmettez un objet « terme : poids » dans chaque requête de reconnaissance. L’application fournit les graphies exactes et peut ajuster la préférence du modèle pour chaque terme à l’aide du poids.
Mots-clés précompilésUn glossaire métier existe déjà, ou les mêmes termes sont reconnus à plusieurs reprises et nécessitent une gestion centralisée.Créez une liste de termes, de poids et, éventuellement, de langues, puis référencez son ID lors de la reconnaissance. Mettez la liste à jour lorsque le glossaire change, sans renvoyer toutes les entrées à chaque requête.
Amélioration contextuelleL’application conserve déjà des conversations récentes, des descriptions métier ou du texte spécialisé pouvant aider la reconnaissance.Envoyez le texte pertinent sous forme de messages de contexte avec l’audio. Il n’est pas nécessaire d’extraire les termes ni de leur attribuer un poids. Incluez leur graphie exacte. Une liste de termes définie peut aussi être utilisée comme mots-clés pour corriger le même type d’erreur.

Utiliser les mots-clés

Avant d’exécuter les exemples, téléchargez l’exemple audio et préparez une clé API depuis la console Model Studio. Texte audio : « Please send the quarterly project report to Kelyra before Friday. »

Mots-clés instantanés

Les mots-clés instantanés conviennent aux termes qui changent à chaque requête. Définissez parameters.vocabulary comme un objet JSON dont les clés sont les textes des mots-clés (string) et les valeurs leurs poids (integer). Aucune liste ne doit être créée au préalable.
  1. Reconnaître l’audio sans mots-clés Sans mots-clés, le nom de cet exemple n’est pas reconnu correctement. La requête suivante renvoie le résultat sans configuration.
    cURL
    curl --request POST 'https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation' \
      --header "Authorization: Bearer $DASHSCOPE_API_KEY" \
      --header "Content-Type: application/json" \
      --header "X-DashScope-SSE: disable" \
      --data '
    {
      "model": "qwen-audio-3.1-asr-flash",
      "input": {
        "messages": [
          {
            "role": "user",
            "content": [
              {
                "type": "input_audio",
                "input_audio": {
                  "data": "https://g-adoc.alcasset.com/media/maas_docs/sfm-cn/en/audios/6a4b3c2d1e0f9092.wav"
                }
              }
            ]
          }
        ]
      },
      "parameters": {
        "format": "wav",
        "sample_rate": 16000
      }
    }
    '
    
  2. Ajouter des mots-clés instantanés à la requête Ajoutez « Kelyra » à la même requête avec un poids de 4. Ne modifiez pas les autres entrées. Pour les valeurs possibles et leur ajustement, consultez Ajuster le poids des mots-clés.
    cURL
    curl --request POST 'https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation' \
      --header "Authorization: Bearer $DASHSCOPE_API_KEY" \
      --header "Content-Type: application/json" \
      --header "X-DashScope-SSE: disable" \
      --data '
    {
      "model": "qwen-audio-3.1-asr-flash",
      "input": {
        "messages": [
          {
            "role": "user",
            "content": [
              {
                "type": "input_audio",
                "input_audio": {
                  "data": "https://g-adoc.alcasset.com/media/maas_docs/sfm-cn/en/audios/6a4b3c2d1e0f9092.wav"
                }
              }
            ]
          }
        ]
      },
      "parameters": {
        "format": "wav",
        "sample_rate": 16000,
        "vocabulary": {
          "Kelyra": 4
        }
      }
    }
    '
    
Comparez les transcriptions d’exemple avant et après configuration :
ConfigurationExemple de transcription
Sans configurationPlease send the quarterly project report to Kellira before Friday.
Avec configurationPlease send the quarterly project report to Kelyra before Friday.

Mots-clés précompilés

Les mots-clés précompilés conviennent aux vocabulaires métier réutilisés dans plusieurs requêtes. Créez une liste au préalable, puis transmettez vocabulary_id lors de la reconnaissance, sans renvoyer toutes les entrées. Lors de la création, transmettez les entrées sous forme de tableau JSON. Chaque élément comporte les champs suivants :
ChampTypeObligatoireDescription
textstringOuiUn mot réel dans une langue prise en charge par le modèle. Pour la longueur, consultez Règles du texte des mots-clés.
weightintegerOuiUtilisez 1 à 5 pour les mots-clés ordinaires, en commençant par 4. Certains modèles acceptent aussi le poids 50 pour les super mots-clés. Consultez Ajuster le poids des mots-clés.
langstringNonCode de langue déterminant la langue d’application de l’entrée. Il peut être omis si la langue est inconnue. Pour son lien avec language_hints, consultez Organiser et gérer les vocabulaires.
Le modèle cible spécifié lors de la création de la liste doit correspondre au modèle de reconnaissance.
La gestion des mots-clés et la reconnaissance vocale doivent utiliser le même compte. Sinon, la reconnaissance ne peut pas accéder au vocabulaire.
  • HTTP / cURL
  • SDK
  1. Créer une liste de mots-clés Cet exemple utilise qwen-audio-3.1-asr-flash et définit le modèle cible avec target_model. Conservez output.vocabulary_id de la réponse.
    cURL
    curl --request POST 'https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api/v1/services/audio/asr/customization' \
      --header "Authorization: Bearer $DASHSCOPE_API_KEY" \
      --header "Content-Type: application/json" \
      --data @- <<EOF
    {
      "model": "speech-biasing",
      "input": {
        "action": "create_vocabulary",
        "target_model": "qwen-audio-3.1-asr-flash",
        "prefix": "testpfx",
        "vocabulary": [
          {
            "text": "Kelyra",
            "weight": 4,
            "lang": "en"
          }
        ]
      }
    }
    EOF
    
  2. Vérifier que la liste est prête Remplacez <vocabulary_id> par l’ID renvoyé lors de la création, puis interrogez la liste. Lancez la reconnaissance une fois que output.status vaut OK.
    cURL
    export VOCABULARY_ID="<vocabulary_id>"
    
    curl --request POST 'https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api/v1/services/audio/asr/customization' \
      --header "Authorization: Bearer $DASHSCOPE_API_KEY" \
      --header "Content-Type: application/json" \
      --data @- <<EOF
    {
      "model": "speech-biasing",
      "input": {
        "action": "query_vocabulary",
        "vocabulary_id": "$VOCABULARY_ID"
      }
    }
    EOF
    
  3. Référencer la liste lors de la reconnaissance Référencez la liste avec parameters.vocabulary_id dans la requête de reconnaissance, sans renvoyer ses entrées.
    cURL
    curl --request POST 'https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation' \
      --header "Authorization: Bearer $DASHSCOPE_API_KEY" \
      --header "Content-Type: application/json" \
      --header "X-DashScope-SSE: disable" \
      --data @- <<EOF
    {
      "model": "qwen-audio-3.1-asr-flash",
      "input": {
        "messages": [
          {
            "role": "user",
            "content": [
              {
                "type": "input_audio",
                "input_audio": {
                  "data": "https://g-adoc.alcasset.com/media/maas_docs/sfm-cn/en/audios/6a4b3c2d1e0f9092.wav"
                }
              }
            ]
          }
        ]
      },
      "parameters": {
        "format": "wav",
        "sample_rate": 16000,
        "vocabulary_id": "$VOCABULARY_ID"
      }
    }
    EOF
    
  4. Réutiliser ou supprimer la liste Les requêtes suivantes peuvent continuer à utiliser le même ID. N’exécutez la requête de suppression ci-dessous que lorsque la liste n’est plus nécessaire, afin de libérer son quota.
    cURL
    curl --request POST 'https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api/v1/services/audio/asr/customization' \
      --header "Authorization: Bearer $DASHSCOPE_API_KEY" \
      --header "Content-Type: application/json" \
      --data @- <<EOF
    {
      "model": "speech-biasing",
      "input": {
        "action": "delete_vocabulary",
        "vocabulary_id": "$VOCABULARY_ID"
      }
    }
    EOF
    

Utiliser l’amélioration contextuelle

L’amélioration contextuelle peut utiliser directement un historique de conversation ou du texte spécialisé existant. Les mots-clés exigent des termes et des poids, tandis que le contexte est envoyé comme messages textuels, sans décomposer les documents métier en entrées individuelles. Les deux méthodes peuvent améliorer la reconnaissance des noms propres. Choisissez selon les informations disponibles dans l’application.

Préparer le contexte

Pour cet audio, des messages existants contenant le nom exact du destinataire, « Kelyra », peuvent fournir sa graphie correcte. Deux sources de contexte courantes sont présentées ci-dessous.
  • Texte métier ou spécialisé
  • Historique de conversation
Utilisez le texte pertinent d’une description de projet ou d’un document spécialisé existant dans un message role=user, type=input_text. Il n’est pas nécessaire d’inventer une conversation ni d’ajouter une réponse. Transmettez le tableau suivant comme contexte :
[
  {
    "role": "user",
    "content": [
      {
        "type": "input_text",
        "text": "My colleague is Kelyra. We are preparing the quarterly project report."
      }
    ]
  }
]
Le message assistant est facultatif. Classez l’historique par tour, avec chaque message user avant le message assistant correspondant. Pour les limites de longueur et de conservation des tours, consultez Limites d’utilisation.

Configurer et appeler le service

Reconnaissez le même audio avec le contexte préparé. Choisissez un exemple d’appel selon la famille de modèles.
  • Qwen-Audio-ASR
  • Qwen-Audio-ASR-Message / Qwen-Audio-ASR-Streaming
  • Qwen-Audio-ASR-Filetrans
Cet exemple utilise qwen-audio-3.1-asr-flash. Placez les messages de contexte dans l’ordre dans input.messages, puis le message audio actuel contenant input_audio en dernier.
cURL
curl --request POST 'https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation' \
  --header "Authorization: Bearer $DASHSCOPE_API_KEY" \
  --header "Content-Type: application/json" \
  --header "X-DashScope-SSE: disable" \
  --data '
{
  "model": "qwen-audio-3.1-asr-flash",
  "input": {
    "messages": [
      {
        "role": "user",
        "content": [
          {
            "type": "input_text",
            "text": "My colleague is Kelyra. We are preparing the quarterly project report."
          }
        ]
      },
      {
        "role": "assistant",
        "content": [
          {
            "type": "text",
            "text": "Understood. We will send the quarterly project report to Kelyra."
          }
        ]
      },
      {
        "role": "user",
        "content": [
          {
            "type": "input_audio",
            "input_audio": {
              "data": "https://g-adoc.alcasset.com/media/maas_docs/sfm-cn/en/audios/6a4b3c2d1e0f9092.wav"
            }
          }
        ]
      }
    ]
  },
  "parameters": {
    "format": "wav",
    "sample_rate": 16000
  }
}
'
Supprimez la configuration du contexte de l’exemple et reconnaissez le même audio pour comparer les résultats avant et après configuration. Des exemples de transcription sont présentés ci-dessous :
ConfigurationExemple de transcription
Sans configurationPlease send the quarterly project report to Kellira before Friday.
Avec configurationPlease send the quarterly project report to Kelyra before Friday.

Ajuster et dépanner la reconnaissance

Comparez le même audio avant et après configuration, puis ajustez les entrées, les poids ou le contexte. Le réglage des mots-clés s’applique aux deux méthodes.

Ajuster le poids des mots-clés

Le poids des mots-clés ordinaires varie de 1 à 5. Commencez à weight=4. Un poids plus élevé favorise le mot, mais une valeur excessive peut remplacer à tort des mots de prononciation proche.
PoidsPréférenceCas d’utilisation
1–2FaibleTerme proche d’un mot courant, pour éviter une correction excessive
3–4ModéréeConfiguration initiale recommandée pour la plupart des scénarios
5ForteTermes fréquents dans l’audio, rarement confondus avec d’autres mots
Super mots-clés : les séries Qwen-Audio-ASR-Message, Qwen-Audio-ASR-Streaming, Qwen-Audio-ASR-Filetrans et Qwen-Audio-ASR acceptent aussi weight=50 pour les deux méthodes afin d’améliorer le rappel des termes cibles. Chaque vocabulaire ou requête peut contenir au maximum 50 super mots-clés.

Organiser et gérer les vocabulaires

  • Regrouper par scénario : Créez des listes précompilées distinctes pour chaque scénario métier, par exemple pour la terminologie médicale et les noms de produits, afin de réduire les entrées sans rapport.
  • Distinguer langue de l’entrée et langue de l’audio : un vocabulaire précompilé peut mélanger des langues identifiées par lang. Le paramètre de reconnaissance language_hints déclare la langue audio. Lorsqu’il est défini, seuls les mots-clés de la langue correspondante prennent effet ; les autres sont ignorés.
  • Assurer la maintenance : Mettez les entrées à jour selon les besoins métier et supprimez les listes inutilisées pour libérer le quota.
Laissez au moins 5 minutes entre les mises à jour d’une liste de mots-clés ; sinon, les mots-clés modifiés risquent de ne pas prendre effet.

Diagnostiquer la qualité de reconnaissance

Déterminez d’abord si le problème vient d’une configuration sans effet, d’une préférence excessive pour les mots-clés ou d’un audio difficile à reconnaître, puis vérifiez les points correspondants.
SymptômeVérifications et actions
Les mots-clés ne sont pas reconnus comme prévuVérifiez d’abord les Modèles et régions pris en charge. Les mots-clés instantanés doivent être dans parameters.vocabulary. Pour les mots-clés précompilés, vérifiez le compte, vocabulary_id, status=OK et la correspondance entre le target_model de la liste et le modèle de reconnaissance.Augmentez le poids du mot-clé dans la plage prise en charge et comparez les résultats du même audio pour vérifier si le poids était trop faible.
D’autres mots sont remplacés à tort par des mots-clésRéduisez le poids dans la plage prise en charge et retirez les termes sans rapport avec le scénario. Vérifiez que lang correspond au paramètre language_hints de l’API de reconnaissance et que les entrées concernent la langue visée.
Le contexte n’améliore pas les termes visésVérifiez les graphies exactes, les rôles, types et ordre des messages, ainsi que le champ d’entrée requis par l’API. Le texte dépassant les limites de longueur ou de tours peut être tronqué ou ignoré. Consultez Limites d’utilisation.
De nombreux mots courants sont également incorrectsVérifiez que le format et la fréquence d’échantillonnage respectent les exigences du modèle, et réduisez le bruit de fond. Pour un audio monolingue, indiquez la langue via language_hints dans l’API de reconnaissance. Pour le choix du modèle et les exigences audio, consultez Présentation de la reconnaissance vocale.

Modèles et régions pris en charge

  • Mots-clés précompilés
  • Mots-clés instantanés
  • Amélioration contextuelle
  • Singapour
  • Chine (Pékin)
Les mots-clés sont pris en charge uniquement dans l’espace de travail principal, pas dans les sous-espaces de travail.
  • Qwen-Audio-ASR: qwen-audio-3.1-asr-flash, qwen-audio-3.0-asr-flash
  • Qwen-Audio-ASR-Streaming: qwen-audio-3.1-asr-flash-streaming, qwen-audio-3.0-asr-flash-streaming
  • Qwen-Audio-ASR-Filetrans: qwen-audio-3.1-asr-flash-filetrans, qwen-audio-3.0-asr-flash-filetrans
  • Qwen-Audio-ASR-Message: qwen-audio-3.1-asr-flash-message
  • Fun-ASR-Realtime: fun-asr-realtime
  • Fun-ASR-Flash: fun-asr-flash-2026-06-15
  • Fun-ASR: fun-asr

Limites d’utilisation

  • Limites des mots-clés
  • Règles du texte des mots-clés
  • Limites du contexte
LimiteDescription
Nombre de listes de mots-clésJusqu’à 50 vocabulaires précompilés par compte, partagés entre tous les modèles. Chacun possède un vocabulary_id.
Mots-clésSéries Qwen-Audio-ASR-Message, Qwen-Audio-ASR-Streaming, Qwen-Audio-ASR-Filetrans et Qwen-Audio-ASR : jusqu’à 2000.Versions principales des séries Fun-ASR-Realtime, Fun-ASR-Flash et Fun-ASR : jusqu’à 2000. Autres modèles de ces séries et série Paraformer : jusqu’à 500.Le décompte est par vocabulaire pour les mots-clés précompilés et par requête pour les instantanés.
Super mots-clésAu maximum 50 entrées peuvent avoir un poids de 50.
Pour les séries Qwen-Audio-ASR-Message, Qwen-Audio-ASR-Streaming, Qwen-Audio-ASR-Filetrans et Qwen-Audio-ASR, le service fusionne les mots-clés précompilés et instantanés lorsqu’ils sont configurés ensemble. Si l’ensemble fusionné dépasse 2000 mots-clés, 2000 sont sélectionnés au hasard.

Facturation des fonctions

Les fonctions de mots-clés instantanés et précompilés sont gratuites. Pour les frais d’appel des modèles avec mots-clés ou amélioration contextuelle, consultez les règles de facturation.

API associées