Paramètres d'entrée et de sortie du modèle Qwen-ASR. Appelez l'API via le protocole compatible OpenAI ou DashScope.
Types de connexion des modèles
Les types de connexion pris en charge varient selon les modèles.
Modèle | Type de connexion |
|---|---|
Qwen3-ASR-Flash-Filetrans | Prise en charge exclusive de l'invocation asynchrone DashScope |
Qwen3-ASR-Flash |
Compatible OpenAI
URL
- Singapore
- US (Virginia)
- China (Beijing)
POST https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/compatible-mode/v1/chat/completionsbase_url pour les appels SDK : https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/compatible-mode/v1Remplacez {WorkspaceId} par votre véritable ID d'espace de travail.Remplacez {WorkspaceId} par votre véritable ID d'espace de travail.Corps de la requête | Exemples de requêtesUtilisez le SDK OpenAI pour Python version 1.52.0 ou ultérieure, ou le SDK Node.js version 4.68.0 ou ultérieure.
|
modelstring(Obligatoire)Nom du modèle. Ce paramètre s'applique uniquement au modèle Qwen3-ASR-Flash. | |
messagesarray(Obligatoire)Liste des messages.
Types de messages Message système object (Facultatif)Permet de fournir un contexte pour la reconnaissance vocale, tel que du texte d'arrière-plan ou des glossaires d'entités. Ne permet pas de définir un rôle de modèle ni d'autres invites système traditionnelles. Si vous utilisez un message système, il doit être le premier de la liste messages.
Propriétés role string(Obligatoire)Définissez cette valeur sur system.object(Obligatoire)Message envoyé par l'utilisateur au modèle.
Propriétés content array(Obligatoire)Contenu du message utilisateur. Un seul message est autorisé dans le tableau.
Propriétés type string(Obligatoire)Définissez cette valeur sur input_audio, ce qui indique que l'entrée est un fichier audio.input_audioobject(Obligatoire)Fichier audio à reconnaître. Pour plus d'informations sur l'utilisation de ce paramètre, consultez Exemples de requêtes.input_audio.data accepte une URL de fichier audio accessible publiquement ou un URI de données Base64. Un chemin absolu de fichier local ne peut pas être transmis directement. Lisez et encodez les fichiers audio locaux en URI de données avant de les envoyer.Lorsque vous utilisez un SDK, si le fichier audio est stocké dans OSS, les URL temporaires commençant par oss:// ne sont pas prises en charge.Lorsque vous utilisez une API RESTful, si le fichier audio est stocké dans OSS, les URL temporaires commençant par oss:// sont prises en charge. Remarque :string(Obligatoire)Rôle du message utilisateur. Définissez cette valeur sur user. | |
asr_optionsobject(Facultatif)Indique s'il faut activer certaines fonctionnalités.asr_options n’est pas un paramètre OpenAI standard. Avec le SDK OpenAI pour Python, transmettez-le via extra_body. Avec le SDK Node.js, transmettez asr_options comme paramètre de premier niveau du corps de la requête.
Propriétés language string (Facultatif) Aucune valeur par défautSi la langue de l'audio est connue, vous pouvez la spécifier à l'aide de ce paramètre pour améliorer la précision de la reconnaissance.Une seule langue peut être spécifiée.Si la langue de l'audio est incertaine ou comprend plusieurs langues (par exemple un mélange de chinois, d'anglais, de japonais et de coréen), ne spécifiez pas ce paramètre.
Valeurs valides
boolean (Facultatif) Valeur par défaut : falseIndique s'il faut activer la normalisation inverse de texte (ITN). Cette fonctionnalité s'applique uniquement aux audios en chinois et en anglais.
| |
streamboolean(Facultatif) Valeur par défaut : falseIndique s'il faut utiliser la sortie en streaming. Consultez Sortie en streaming.Valeurs valides :
true pour réduire le risque de délais d'expiration des requêtes. | |
stream_optionsobject(Facultatif)Éléments de configuration pour la sortie en streaming. Ce paramètre prend effet uniquement lorsque stream est défini sur true.
Propriétés include_usage boolean(Facultatif) Valeur par défaut : falseIndique s'il faut inclure les informations de consommation de tokens dans le dernier bloc de données de la réponse.Valeurs valides :
Lors de la sortie en streaming, les informations de consommation de tokens apparaissent uniquement dans le dernier bloc de données de la réponse. |
Corps de la réponseQwen3-ASR-Flash ne renvoie pas d’horodatages via l’API compatible OpenAI. Pour obtenir des horodatages, utilisez la série Qwen-Audio-ASR-Filetrans. Pour les modalités d’intégration, consultez la HTTP API. choices[].delta.annotations[].emotion pour les réponses en streaming et dans choices[].message.annotations[].emotion pour les réponses sans streaming. | |
idstringIdentifiant unique de cet appel. | |
choicesarrayInformations de sortie du modèle.
Propriétés finish_reason stringValeurs valides :
integerIndex de l'objet actuel dans le tableau choices.messageobjectObjet message produit par le modèle.
Propriétés role stringRôle du message de sortie. Défini sur assistant.contentstringRésultat de la reconnaissance vocale.annotationsarrayInformations d'annotation de sortie, telles que la langue.
Propriétés language stringLangue de l'audio reconnu. Si le paramètre de requête language est spécifié, cette valeur correspond au paramètre indiqué.
Valeurs valides
stringDéfini sur audio_info, ce qui indique des informations audio.emotionstringLa reconnaissance des émotions est toujours activée et ne nécessite aucune configuration supplémentaire. Émotion de l'audio reconnu. Les émotions suivantes sont prises en charge :
| |
createdintegerHorodatage UNIX (en secondes) correspondant au moment où la requête a été créée. | |
modelstringModèle utilisé pour cette requête. | |
objectstringToujours chat.completion. | |
usageobjectInformations sur la consommation de tokens pour cette requête.
Propriétés completion_tokens integerNombre de tokens dans la sortie du modèle.completion_tokens_details objectDétails granulaires des tokens dans la sortie du modèle.
Propriétés text_tokens integerNombre de tokens dans le texte de sortie du modèle.objectNombre de tokens dans l'entrée.prompt_tokens_details objectDétails granulaires des tokens dans l'entrée.
Propriétés audio_tokens integerLongueur de l'audio d'entrée en tokens. Règle de conversion audio-token : Chaque seconde d'audio est convertie en 25 tokens. Les durées inférieures à 1 seconde sont comptabilisées comme 1 seconde.text_tokens integerVous pouvez ignorer ce paramètre.integerDurée de l'audio en secondes.total_tokens integerNombre total de tokens d'entrée et de sortie (total_tokens = completion_tokens + prompt_tokens). |
DashScope synchrone
URL
- Singapore
- US (Virginia)
- China (Beijing)
POST https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generationbase_url pour les appels SDK : https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1Remplacez {WorkspaceId} par votre véritable ID d'espace de travail.Remplacez {WorkspaceId} par votre véritable ID d'espace de travail.Request body | Exemples de requêtesQwen3-ASR-Flash prend en charge des enregistrements d'une durée maximale de 5 minutes. Il accepte en entrée une URL de fichier audio public ou le téléchargement d'un fichier local, et peut retourner les résultats de reconnaissance en mode streaming.
|
modelstring(Required)Nom du modèle. Ce paramètre s'applique uniquement au modèle Qwen3-ASR-Flash. | |
messagesarray(Required)Liste des messages.Lors d'un appel HTTP, placez messages dans l'objet input.
Types de messages Message système object (Optional)Permet de fournir un contexte pour la reconnaissance vocale, tel que du texte d'arrière-plan ou des glossaires d'entités. Ne prend pas en charge la définition d'un rôle de modèle ni d'autres invites système traditionnelles. Si vous définissez un message système, placez-le au début de la liste des messages.Seul Qwen3-ASR-Flash prend en charge ce paramètre.
Propriétés role string(Required)Définir sur system.object(Required)Message envoyé par l'utilisateur au modèle.
Propriétés content array(Required)Contenu du message utilisateur. Un seul message est autorisé dans le tableau.
Propriétés audio string(Required)Audio à reconnaître. Pour plus d'informations sur l'utilisation de ce paramètre, consultez Exemples de requêtes.Avec DashScope, le modèle Qwen3-ASR-Flash accepte trois formats d'entrée : les fichiers encodés en Base64, les chemins absolus de fichiers locaux et les URL de fichiers audio accessibles via le réseau public.Lors de l'utilisation d'un SDK, si le fichier audio est stocké dans OSS, les URL temporaires commençant par oss:// ne sont pas prises en charge.Lors de l'utilisation d'une API RESTful, si le fichier audio est stocké dans OSS, les URL temporaires commençant par oss:// sont prises en charge. Remarque :string(Required)Rôle du message utilisateur. Définir sur user. | |
asr_optionsobject(Optional)Indique s'il faut activer certaines fonctionnalités.Ce paramètre est pris en charge uniquement par le modèle Qwen3-ASR-Flash.
Propriétés language string (Optional) Aucune valeur par défautSi la langue de l'audio est connue, vous pouvez la spécifier via ce paramètre pour améliorer la précision de la reconnaissance.Une seule langue peut être spécifiée.Si la langue de l'audio est incertaine ou comprend plusieurs langues (par exemple un mélange de chinois, d'anglais, de japonais et de coréen), ne spécifiez pas ce paramètre.
Valeurs valides
boolean (Optional) Valeur par défaut : falseIndique s'il faut activer la normalisation inverse de texte (ITN). Cette fonctionnalité s'applique uniquement aux audios en chinois et en anglais.
|
Response body | |
request_idstringIdentifiant unique de cet appel.Le paramètre retourné par le SDK Java est requestId. | |
outputobjectInformations sur le résultat de l'appel.
Propriétés choices arraySortie du modèle. Retournée lorsque result_format est message.
Propriétés finish_reason stringValeurs valides :
objectObjet message généré par le modèle.
Propriétés role stringRôle du message de sortie. Défini sur assistant.contentarrayContenu du message de sortie.
Propriétés text stringRésultat de la reconnaissance vocale.arrayInformations d'annotation de la sortie, telles que la langue.
Propriétés language stringLangue de l'audio reconnu. Si le paramètre de requête language est spécifié, cette valeur correspond au paramètre indiqué.
Valeurs valides
stringDéfini sur audio_info, ce qui indique des informations audio.emotionstringLa reconnaissance des émotions est toujours activée et ne nécessite aucune configuration supplémentaire. Émotion détectée dans l'audio reconnu. Les émotions suivantes sont prises en charge :
| |
usageobjectInformations sur la consommation de tokens pour cette requête.
Propriétés input_tokens_details objectLongueur du contenu d'entrée pour Qwen3-ASR-Flash, exprimée en tokens.
Propriétés text_tokens integerVous pouvez ignorer ce paramètre.objectLongueur du contenu de sortie de Qwen3-ASR-Flash, exprimée en tokens.
Propriétés text_tokens integerLongueur du texte reconnu généré par Qwen3-ASR-Flash, exprimée en tokens.integerDurée de l'audio pour Qwen3-ASR-Flash, en secondes. |
Invocation asynchrone de DashScope
Description du processus
L'invocation asynchrone est conçue pour les fichiers audio volumineux ou les tâches nécessitant un temps de traitement important. Elle repose sur un mécanisme en deux étapes, « soumission puis interrogation », afin d'éviter les délais d'expiration des requêtes :
-
Étape 1 : Soumettre une tâche
- Le client initie une requête de traitement asynchrone.
- Après validation de la requête, le serveur n'exécute pas immédiatement la tâche. Il retourne plutôt un identifiant unique
task_id, confirmant ainsi la création réussie de la tâche.
-
Étape 2 : Obtenir le résultat
- Le client utilise le
task_idpour interroger l'API de récupération des résultats. - Une fois la tâche terminée, l'API renvoie le résultat final de la reconnaissance.
- Le client utilise le
-
Utilisation d'un SDK. Pour consulter des exemples de code, reportez-vous à la rubrique Exemples de requêtes. Concernant les paramètres de requête, consultez la section Request body de l'opération Submit a task. Pour plus d'informations sur la réponse, voir Description of asynchronous call results.
Les SDK gèrent automatiquement les détails sous-jacents des appels API.
- Soumettre une tâche : Appelez la méthode
async_call()(Python) ouasyncCall()(Java) pour soumettre la tâche. Cette méthode retourne un objet de tâche contenant untask_id. - Obtenir le résultat : Utilisez l'objet de tâche retourné à l'étape précédente ou le
task_idpour appeler la méthodefetch()et récupérer le résultat. Le SDK gère automatiquement la logique d'interne d'interrogation jusqu'à l'achèvement de la tâche ou son expiration.
- Soumettre une tâche : Appelez la méthode
-
Utilisation d'une API RESTful
L'appel direct à l'API RESTful offre une flexibilité maximale.
- Submit the task. Si la requête aboutit, le response body contient un
task_id. - Utilisez le
task_idobtenu à l'étape précédente pour retrieve the task execution result.
- Submit the task. Si la requête aboutit, le response body contient un
Exemple complet
- HTTP
- Java SDK
- Python SDK
- Téléchargement du résultat de reconnaissance
Soumettre une tâche
URL
- Singapore
- China (Beijing)
POST https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1/services/audio/asr/transcriptionbase_url pour les appels SDK : https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1Remplacez {WorkspaceId} par votre véritable workspace ID.Remplacez {WorkspaceId} par votre véritable workspace ID.Request body |
|
modelstring(Required)Nom du modèle. Ce paramètre s'applique uniquement au modèle Qwen3-ASR-Flash-Filetrans. | |
inputobject(Required)
Properties file_url string(Required)URL du fichier audio à reconnaître. Cette URL doit être accessible via le réseau public.Lorsque vous utilisez un SDK, si le fichier audio est stocké dans OSS, les URL temporaires commençant par oss:// ne sont pas prises en charge.Lorsque vous utilisez une API RESTful, si le fichier audio est stocké dans OSS, les URL temporaires commençant par oss:// sont prises en charge. Remarque : | |
parametersobject(Optional)
Properties language string (Optional) Aucune valeur par défautSi la langue de l'audio est connue, spécifiez-la via ce paramètre pour améliorer la précision de la reconnaissance.Une seule langue peut être spécifiée.Si la langue de l'audio est incertaine ou comprend plusieurs langues (par exemple un mélange de chinois, d'anglais, de japonais et de coréen), ne définissez pas ce paramètre.
Valeurs valides
boolean (Optional) Valeur par défaut : falseIndique s'il faut activer la normalisation inverse du texte (ITN). Cette fonctionnalité s'applique uniquement aux audios en chinois et en anglais.
boolean(Optional) Valeur par défaut : falseDétermine si les horodatages au niveau des mots doivent être retournés :
array(Optional) Valeur par défaut : [0]Spécifie les index des pistes audio à reconnaître dans un fichier audio multipiste. L'index commence à 0. Par exemple, [0] indique que seule la première piste audio est reconnue, tandis que [0, 1] indique que les première et deuxième pistes sont reconnues simultanément. Si ce paramètre est omis, la première piste audio est traitée par défaut. |
Response body | |
request_idstringIdentifiant unique de cet appel. | |
outputobjectInformations sur le résultat de l'appel.
Properties task_id stringID de la tâche. Cet ID est transmis en tant que paramètre de requête dans l'API d'interrogation des tâches de reconnaissance vocale.task_statusstringÉtat de la tâche :
|
Obtenir le résultat de l'exécution de la tâche
URL
- Singapore
- China (Beijing)
GET https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1/tasks/{task_id}base_url pour les appels SDK : https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1Remplacez {WorkspaceId} par votre véritable ID d'espace de travail.Remplacez {WorkspaceId} par votre véritable ID d'espace de travail.Corps de la requête |
|
task_idstring(Obligatoire)Identifiant de la tâche. Transmettez le task_id obtenu dans la réponse de l'opération Soumettre une tâche afin d'interroger le résultat de la reconnaissance vocale. |
Corps de la réponse | |
request_idstringIdentifiant unique de cet appel. | |
outputobjectInformations sur le résultat de l'appel.
Propriétés task_id stringIdentifiant de la tâche. Cet ID est transmis en tant que paramètre de requête dans l'API d'interrogation des tâches de reconnaissance vocale.task_statusstringÉtat de la tâche :
objectRésultat de la reconnaissance vocale.
Propriétés transcription_url stringURL de téléchargement du fichier de résultats de reconnaissance. Ce lien reste valide pendant 24 heures. Une fois expiré, il n'est plus possible d'interroger la tâche ni de télécharger le résultat via cette URL.Le résultat de la reconnaissance est enregistré au format JSON. Vous pouvez télécharger ce fichier via le lien fourni ou lire directement son contenu à l'aide d'une requête HTTP. Pour plus d'informations, consultez Description des résultats d'appels asynchrones. stringHeure de soumission de la tâche.schedule_timestringHeure de planification de la tâche, correspondant au début de son exécution.end_timestringHeure de fin de la tâche.task_metricsobjectMétriques de la tâche, comprenant des statistiques sur l'état des sous-tâches.
Propriétés TOTAL integerNombre total de sous-tâches.SUCCEEDEDintegerNombre de sous-tâches réussies.FAILEDintegerNombre de sous-tâches ayant échoué.stringCode d'erreur. Renvoyé uniquement en cas d'échec de la tâche.messagestringMessage d'erreur. Renvoyé uniquement en cas d'échec de la tâche.usageobjectInformations sur la consommation de tokens pour cette requête.
Propriétés seconds integerDurée audio pour Qwen3-ASR-Flash, exprimée en secondes. |
Description des résultats d'appels asynchrones | |
file_url stringURL du fichier audio reconnu. | |
audio_infoobjectInformations relatives au fichier audio reconnu.
Propriétés format stringFormat audio.sample_rate integerTaux d'échantillonnage audio. | |
transcriptsarrayListe des résultats complets de reconnaissance. Chaque élément correspond au contenu reconnu d'une piste audio.
Propriétés channel_id integerIndex de la piste audio, commençant à 0.textstringTexte reconnu.sentencesobjectListe des résultats de reconnaissance au niveau des phrases.
Propriétés begin_time integerHorodatage de début de la phrase, en millisecondes.end_time integerHorodatage de fin de la phrase, en millisecondes.textstringTexte reconnu.sentence_idintegerIndex de la phrase, commençant à 0.languagestringLangue de l'audio reconnu. Si le paramètre de requête language est spécifié, cette valeur correspond au paramètre indiqué.
Valeurs valides
stringLa reconnaissance des émotions est toujours activée et ne nécessite aucune configuration supplémentaire. Émotion détectée dans l'audio reconnu. Les émotions suivantes sont prises en charge :
objectListe des résultats de reconnaissance au niveau des mots. Ce résultat s'affiche lorsque le paramètre de requête enable_words est défini sur true.
Propriétés begin_time integerHorodatage de début, en millisecondes.end_time integerHorodatage de fin, en millisecondes.textstringTexte reconnu.punctuationstringSigne de ponctuation. |