Skip to main content

Référence de l'API de reconnaissance vocale non temps réel (Qwen-ASR)

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 et synchrone DashScope

Compatible OpenAI

La région États-Unis ne prend pas en charge le mode compatible OpenAI.

URL

  • Singapore
  • US (Virginia)
  • China (Beijing)
Adresse de requête HTTP : 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.
Alibaba Cloud Model Studio a publié des domaines spécifiques à chaque espace de travail pour les régions China (Beijing) et Singapore. Ces nouveaux domaines dédiés offrent des performances supérieures et une stabilité accrue pour les requêtes d'inférence. Nous vous recommandons de migrer vers ces nouveaux domaines :
  • China (Beijing) : passez de dashscope.aliyuncs.com à {WorkspaceId}.cn-beijing.maas.aliyuncs.com
  • Singapore : passez de dashscope-intl.aliyuncs.com à {WorkspaceId}.ap-southeast-1.maas.aliyuncs.com

Corps de la requête

Exemples de requêtes

Utilisez le SDK OpenAI pour Python version 1.52.0 ou ultérieure, ou le SDK Node.js version 4.68.0 ou ultérieure.
  • Entrée : URL du fichier audio
  • Entrée : Fichier audio encodé en Base64
  • Python SDK
  • Node.js SDK
  • cURL
from openai import OpenAI
import os

try:
    client = OpenAI(
        # The API Key differs between the Singapore/US regions and the Beijing region. Get an API Key: https://www.alibabacloud.com/help/model-studio/get-api-key
        # If you have not configured the environment variable, replace the following line with your Alibaba Cloud Model Studio API Key: api_key = "sk-xxx",
        api_key=os.getenv("DASHSCOPE_API_KEY"),
        # The following is the configuration for the Singapore region. When calling, replace "{WorkspaceId}" with your actual workspace ID. The configuration differs by region.
        base_url="https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/compatible-mode/v1",
    )

    stream_enabled = False  # Whether to enable streaming output
    completion = client.chat.completions.create(
        model="qwen3-asr-flash",
        messages=[
            {
                "content": [
                    {
                        "type": "input_audio",
                        "input_audio": {
                            "data": "{YOUR_AUDIO_URL}"
                        }
                    }
                ],
                "role": "user"
            }
        ],
        stream=stream_enabled,
        # When stream is set to False, the stream_options parameter cannot be set
        # stream_options={"include_usage": True},
        extra_body={
            "asr_options": {
                # "language": "zh",
                "enable_itn": False
            }
        }
    )
    if stream_enabled:
        full_content = ""
        print("The streaming output is:")
        for chunk in completion:
            # If stream_options.include_usage is True, the choices field of the last chunk is an empty list and needs to be skipped (you can get the Token usage via chunk.usage)
            print(chunk)
            if chunk.choices and chunk.choices[0].delta.content:
                full_content += chunk.choices[0].delta.content
        print(f"The complete content is: {full_content}")
    else:
        print(f"The non-streaming output is: {completion.choices[0].message.content}")
except Exception as e:
    print(f"Error message: {e}")
modelstring(Obligatoire)Nom du modèle. Ce paramètre s'applique uniquement au modèle Qwen3-ASR-Flash.
messagesarray(Obligatoire)Liste des messages.

Types de messages

Message systèmeobject (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.
rolestring(Obligatoire)Définissez cette valeur sur system.
Message utilisateurobject(Obligatoire)Message envoyé par l'utilisateur au modèle.
contentarray(Obligatoire)Contenu du message utilisateur. Un seul message est autorisé dans le tableau.

Propriétés

typestring(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 :
  • Les URL temporaires sont valides pendant 48 heures. Une fois expirées, elles ne peuvent plus être utilisées. Ne les utilisez pas dans des environnements de production.
  • L'API d'identifiant de téléchargement de fichier est limitée à 100 QPS et ne peut pas être mise à l'échelle. Ne l'utilisez pas en production, dans des scénarios à forte concurrence ou lors de tests de charge.
  • Pour les environnements de production, nous recommandons d'utiliser des services de stockage stables tels qu'Alibaba Cloud OSS afin de garantir la disponibilité à long terme des fichiers et d'éviter les problèmes de limitation de débit.
rolestring(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.
  • zh : Chinois (Mandarin, Sichuanais, Minnan et Wu)
  • yue : Cantonais
  • en : Anglais
  • ja : Japonais
  • de : Allemand
  • ko : Coréen
  • ru : Russe
  • fr : Français
  • pt : Portugais
  • ar : Arabe
  • it : Italien
  • es : Espagnol
  • hi : Hindi
  • id : Indonésien
  • th : Thaï
  • tr : Turc
  • uk : Ukrainien
  • vi : Vietnamien
  • cs : Tchèque
  • da : Danois
  • fil : Filipino
  • fi : Finnois
  • is : Islandais
  • ms : Malais
  • no : Norvégien
  • pl : Polonais
  • sv : Suédois
enable_itnboolean (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.
  • true
  • false (par défaut)
streamboolean(Facultatif) Valeur par défaut : falseIndique s'il faut utiliser la sortie en streaming. Consultez Sortie en streaming.Valeurs valides :
  • false : Le modèle renvoie le contenu complet après la génération.
  • true : Le modèle génère et produit le contenu simultanément. Un bloc de données (chunk) est renvoyé à chaque fois qu'une partie du contenu est générée. Vous devez lire ces blocs en temps réel pour assembler la réponse complète.
Définissez cette valeur sur 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_usageboolean(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 :
  • true
  • false (par défaut)
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 réponse

Qwen3-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.
Les étiquettes d’émotion sont renvoyées dans choices[].delta.annotations[].emotion pour les réponses en streaming et dans choices[].message.annotations[].emotion pour les réponses sans streaming.
{
    "choices": [
        {
            "finish_reason": "stop",
            "index": 0,
            "message": {
                "annotations": [
                    {
                        "emotion": "neutral",
                        "language": "zh",
                        "type": "audio_info"
                    }
                ],
                "content": "Welcome to Alibaba Cloud.",
                "role": "assistant"
            }
        }
    ],
    "created": 1767683986,
    "id": "chatcmpl-487abe5f-d4f2-9363-a877-xxxxxxx",
    "model": "qwen3-asr-flash",
    "object": "chat.completion",
    "usage": {
        "completion_tokens": 12,
        "completion_tokens_details": {
            "text_tokens": 12
        },
        "prompt_tokens": 42,
        "prompt_tokens_details": {
            "audio_tokens": 42,
            "text_tokens": 0
        },
        "seconds": 1,
        "total_tokens": 54
    }
}
idstringIdentifiant unique de cet appel.
choicesarrayInformations de sortie du modèle.
finish_reasonstringValeurs valides :
  • null : La sortie est toujours en cours de génération.
  • stop : La sortie s'est terminée naturellement ou a été interrompue par une condition d'arrêt.
  • length : La sortie a dépassé la limite de longueur maximale.
indexintegerIndex de l'objet actuel dans le tableau choices.messageobjectObjet message produit par le modèle.

Propriétés

rolestringRôle du message de sortie. Défini sur assistant.contentstringRésultat de la reconnaissance vocale.annotationsarrayInformations d'annotation de sortie, telles que la langue.

Propriétés

languagestringLangue de l'audio reconnu. Si le paramètre de requête language est spécifié, cette valeur correspond au paramètre indiqué.
  • zh : Chinois (Mandarin, Sichuanais, Minnan et Wu)
  • yue : Cantonais
  • en : Anglais
  • ja : Japonais
  • de : Allemand
  • ko : Coréen
  • ru : Russe
  • fr : Français
  • pt : Portugais
  • ar : Arabe
  • it : Italien
  • es : Espagnol
  • hi : Hindi
  • id : Indonésien
  • th : Thaï
  • tr : Turc
  • uk : Ukrainien
  • vi : Vietnamien
  • cs : Tchèque
  • da : Danois
  • fil : Filipino
  • fi : Finnois
  • is : Islandais
  • ms : Malais
  • no : Norvégien
  • pl : Polonais
  • sv : Suédois
typestringDéfini 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 :
  • surprised : surpris
  • neutral : neutre
  • happy : joyeux
  • sad : triste
  • disgusted : dégoûté
  • angry : en colère
  • fearful : craintif
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.
text_tokens integerNombre de tokens dans le texte de sortie du modèle.
prompt_tokens objectNombre de tokens dans l'entrée.prompt_tokens_details objectDétails granulaires des tokens dans l'entrée.
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.
seconds 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)
Adresse de requête HTTP : 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.
Alibaba Cloud Model Studio a publié des domaines spécifiques à chaque espace de travail pour les régions China (Beijing) et Singapore. Ces nouveaux domaines dédiés offrent de meilleures performances et une stabilité accrue pour les requêtes d'inférence. Nous vous recommandons de migrer vers ces nouveaux domaines :
  • China (Beijing) : passez de dashscope.aliyuncs.com à {WorkspaceId}.cn-beijing.maas.aliyuncs.com
  • Singapore : passez de dashscope-intl.aliyuncs.com à {WorkspaceId}.ap-southeast-1.maas.aliyuncs.com

Request body

Exemples de requêtes

Qwen3-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.
  • Entrée : URL de fichier audio
  • Entrée : Fichier audio encodé en Base64
  • Entrée : chemin absolu d'un fichier audio local
  • Sortie en streaming
curl -X POST "https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation" \
-H "Authorization: Bearer $DASHSCOPE_API_KEY" \
-H "Content-Type: application/json" \
-d '{
    "model": "qwen3-asr-flash",
    "input": {
        "messages": [
            {
                "content": [
                    {
                        "audio": "{YOUR_AUDIO_URL}"
                    }
                ],
                "role": "user"
            }
        ]
    },
    "parameters": {
        "asr_options": {
            "enable_itn": false
        }
    }
}'
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 systèmeobject (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.
rolestring(Required)Définir sur system.
Message utilisateurobject(Required)Message envoyé par l'utilisateur au modèle.
contentarray(Required)Contenu du message utilisateur. Un seul message est autorisé dans le tableau.

Propriétés

audiostring(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 :
  • Les URL temporaires sont valides pendant 48 heures. Une fois expirées, elles ne peuvent plus être utilisées. Ne les utilisez pas dans des environnements de production.
  • L'API d'identifiant de téléchargement de fichier est limitée à 100 QPS et ne peut pas être mise à l'échelle. Ne l'utilisez pas en production, dans des scénarios à haute concurrence ou lors de tests de charge.
  • Pour les environnements de production, nous recommandons d'utiliser des services de stockage stables tels qu'Alibaba Cloud OSS afin de garantir la disponibilité à long terme des fichiers et d'éviter les problèmes de limitation de débit.
rolestring(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.
  • zh : Chinois (Mandarin, Sichuanais, Minnan et Wu)
  • yue : Cantonais
  • en : Anglais
  • ja : Japonais
  • de : Allemand
  • ko : Coréen
  • ru : Russe
  • fr : Français
  • pt : Portugais
  • ar : Arabe
  • it : Italien
  • es : Espagnol
  • hi : Hindi
  • id : Indonésien
  • th : Thaï
  • tr : Turc
  • uk : Ukrainien
  • vi : Vietnamien
  • cs : Tchèque
  • da : Danois
  • fil : Filipino
  • fi : Finnois
  • is : Islandais
  • ms : Malais
  • no : Norvégien
  • pl : Polonais
  • sv : Suédois
enable_itnboolean (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.
  • true
  • false (par défaut)

Response body

{
    "output": {
        "choices": [
            {
                "finish_reason": "stop",
                "message": {
                    "annotations": [
                        {
                            "language": "zh",
                            "type": "audio_info",
                            "emotion": "neutral"
                        }
                    ],
                    "content": [
                        {
                            "text": "Welcome to Alibaba Cloud."
                        }
                    ],
                    "role": "assistant"
                }
            }
        ]
    },
    "usage": {
        "input_tokens_details": {
            "text_tokens": 0
        },
        "output_tokens_details": {
            "text_tokens": 6
        },
        "seconds": 1
    },
    "request_id": "568e2bf0-d6f2-97f8-9f15-a57b11dc6977"
}
request_idstringIdentifiant unique de cet appel.
Le paramètre retourné par le SDK Java est requestId.
outputobjectInformations sur le résultat de l'appel.

Propriétés

choicesarraySortie du modèle. Retournée lorsque result_format est message.
finish_reasonstringValeurs valides :
  • null : La sortie est toujours en cours de génération.
  • stop : La sortie s'est terminée naturellement ou a été interrompue par une condition d'arrêt.
  • length : La sortie a dépassé la limite de longueur maximale.
messageobjectObjet message généré par le modèle.

Propriétés

rolestringRôle du message de sortie. Défini sur assistant.contentarrayContenu du message de sortie.

Propriétés

textstringRésultat de la reconnaissance vocale.
annotationsarrayInformations d'annotation de la sortie, telles que la langue.

Propriétés

languagestringLangue de l'audio reconnu. Si le paramètre de requête language est spécifié, cette valeur correspond au paramètre indiqué.
  • zh : Chinois (Mandarin, Sichuanais, Minnan et Wu)
  • yue : Cantonais
  • en : Anglais
  • ja : Japonais
  • de : Allemand
  • ko : Coréen
  • ru : Russe
  • fr : Français
  • pt : Portugais
  • ar : Arabe
  • it : Italien
  • es : Espagnol
  • hi : Hindi
  • id : Indonésien
  • th : Thaï
  • tr : Turc
  • uk : Ukrainien
  • vi : Vietnamien
  • cs : Tchèque
  • da : Danois
  • fil : Filipino
  • fi : Finnois
  • is : Islandais
  • ms : Malais
  • no : Norvégien
  • pl : Polonais
  • sv : Suédois
typestringDéfini 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 :
  • surprised : surpris
  • neutral : neutre
  • happy : joyeux
  • sad : triste
  • disgusted : dégoûté
  • angry : en colère
  • fearful : craintif
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.
text_tokens integerVous pouvez ignorer ce paramètre.
output_tokens_details objectLongueur du contenu de sortie de Qwen3-ASR-Flash, exprimée en tokens.
text_tokens integerLongueur du texte reconnu généré par Qwen3-ASR-Flash, exprimée en tokens.
seconds 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 :
  1. 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.
  2. Étape 2 : Obtenir le résultat
    • Le client utilise le task_id pour interroger l'API de récupération des résultats.
    • Une fois la tâche terminée, l'API renvoie le résultat final de la reconnaissance.
Selon votre environnement d'intégration, choisissez d'utiliser un SDK ou d'appeler directement l'API RESTful.
  • 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.
    1. Soumettre une tâche : Appelez la méthode async_call() (Python) ou asyncCall() (Java) pour soumettre la tâche. Cette méthode retourne un objet de tâche contenant un task_id.
    2. Obtenir le résultat : Utilisez l'objet de tâche retourné à l'étape précédente ou le task_id pour appeler la méthode fetch() et récupérer le résultat. Le SDK gère automatiquement la logique d'interne d'interrogation jusqu'à l'achèvement de la tâche ou son expiration.
  • Utilisation d'une API RESTful L'appel direct à l'API RESTful offre une flexibilité maximale.
    1. Submit the task. Si la requête aboutit, le response body contient un task_id.
    2. Utilisez le task_id obtenu à l'étape précédente pour retrieve the task execution result.

Exemple complet

  • HTTP
  • Java SDK
  • Python SDK
  • Téléchargement du résultat de reconnaissance
Java
import com.google.gson.Gson;
import com.google.gson.annotations.SerializedName;
import okhttp3.*;

import java.io.IOException;
import java.util.concurrent.TimeUnit;

public class Main {
    // The following is the configuration for the Singapore region. When calling, replace "{WorkspaceId}" with your actual workspace ID. The configuration differs by region.
    private static final String API_URL_SUBMIT = "https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1/services/audio/asr/transcription";
    // The following is the configuration for the Singapore region. When calling, replace "{WorkspaceId}" with your actual workspace ID. The configuration differs by region.
    private static final String API_URL_QUERY = "https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1/tasks/";
    private static final Gson gson = new Gson();

    public static void main(String[] args) {
        // The API Key differs between the Singapore and Beijing regions. Get an API Key: https://www.alibabacloud.com/help/model-studio/get-api-key
        // If you have not configured the environment variable, replace the following line with your Alibaba Cloud Model Studio API Key: String apiKey = "sk-xxx"
        String apiKey = System.getenv("DASHSCOPE_API_KEY");

        OkHttpClient client = new OkHttpClient();

        // 1. Submit the task
        /*String payloadJson = """
                {
                    "model": "qwen3-asr-flash-filetrans",
                    "input": {
                        "file_url": "{YOUR_AUDIO_URL}"
                    },
                    "parameters": {
                        "channel_id": [0],
                        "enable_itn": false,
                        "language": "zh"
                    }
                }
                """;*/
        String payloadJson = """
                {
                    "model": "qwen3-asr-flash-filetrans",
                    "input": {
                        "file_url": "{YOUR_AUDIO_URL}"
                    },
                    "parameters": {
                        "channel_id": [0],
                        "enable_itn": false,
                        "enable_words": true
                    }
                }
                """;

        RequestBody body = RequestBody.create(payloadJson, MediaType.get("application/json; charset=utf-8"));
        Request submitRequest = new Request.Builder()
                .url(API_URL_SUBMIT)
                .addHeader("Authorization", "Bearer " + apiKey)
                .addHeader("Content-Type", "application/json")
                .addHeader("X-DashScope-Async", "enable")
                .post(body)
                .build();

        String taskId = null;

        try (Response response = client.newCall(submitRequest).execute()) {
            if (response.isSuccessful() && response.body() != null) {
                String respBody = response.body().string();
                ApiResponse apiResp = gson.fromJson(respBody, ApiResponse.class);
                if (apiResp.output != null) {
                    taskId = apiResp.output.taskId;
                    System.out.println("Task submitted, task_id: " + taskId);
                } else {
                    System.out.println("Submission response content: " + respBody);
                    return;
                }
            } else {
                System.out.println("Task submission failed! HTTP code: " + response.code());
                if (response.body() != null) {
                    System.out.println(response.body().string());
                }
                return;
            }
        } catch (IOException e) {
            e.printStackTrace();
            return;
        }

        // 2. Poll the task status
        boolean finished = false;
        while (!finished) {
            try {
                TimeUnit.SECONDS.sleep(2);  // Wait 2 seconds before querying again
            } catch (InterruptedException e) {
                Thread.currentThread().interrupt();
                return;
            }

            String queryUrl = API_URL_QUERY + taskId;
            Request queryRequest = new Request.Builder()
                    .url(queryUrl)
                    .addHeader("Authorization", "Bearer " + apiKey)
                    .addHeader("Content-Type", "application/json")
                    .get()
                    .build();

            try (Response response = client.newCall(queryRequest).execute()) {
                if (response.body() != null) {
                    String queryResponse = response.body().string();
                    ApiResponse apiResp = gson.fromJson(queryResponse, ApiResponse.class);

                    if (apiResp.output != null && apiResp.output.taskStatus != null) {
                        String status = apiResp.output.taskStatus;
                        System.out.println("Current task status: " + status);
                        if ("SUCCEEDED".equalsIgnoreCase(status)
                                || "FAILED".equalsIgnoreCase(status)
                                || "UNKNOWN".equalsIgnoreCase(status)) {
                            finished = true;
                            System.out.println("Task completed, final result: ");
                            System.out.println(queryResponse);
                        }
                    } else {
                        System.out.println("Query response content: " + queryResponse);
                    }
                }
            } catch (IOException e) {
                e.printStackTrace();
                return;
            }
        }
    }

    static class ApiResponse {
        @SerializedName("request_id")
        String requestId;
        Output output;
    }

    static class Output {
        @SerializedName("task_id")
        String taskId;
        @SerializedName("task_status")
        String taskStatus;
    }
}

Soumettre une tâche

URL

  • Singapore
  • China (Beijing)
Adresse de requête HTTP : 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.
Alibaba Cloud Model Studio a publié des domaines spécifiques aux espaces de travail pour les régions China (Beijing) et Singapore. Ces nouveaux domaines dédiés offrent des performances supérieures et une stabilité accrue pour les requêtes d'inférence. Nous vous recommandons de migrer vers ces nouveaux domaines :
  • China (Beijing) : passez de dashscope.aliyuncs.com à {WorkspaceId}.cn-beijing.maas.aliyuncs.com
  • Singapore : passez de dashscope-intl.aliyuncs.com à {WorkspaceId}.ap-southeast-1.maas.aliyuncs.com

Request body

  • cURL
  • Java
  • Python
# ======= Important =======
# The following configuration is for the Singapore region. Replace "{WorkspaceId}" with your actual workspace ID. The configuration varies by region.
# The API keys for the Singapore and Beijing regions are different. For more information about how to obtain an API key, see https://www.alibabacloud.com/help/model-studio/get-api-key
# === Delete this comment before running the command. ===

curl --location --request POST 'https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1/services/audio/asr/transcription' \
--header "Authorization: Bearer $DASHSCOPE_API_KEY" \
--header "Content-Type: application/json" \
--header "X-DashScope-Async: enable" \
--data '{
    "model": "qwen3-asr-flash-filetrans",
    "input": {
        "file_url": "{YOUR_AUDIO_URL}"
    },
    "parameters": {
        "channel_id":[
            0
        ],
        "enable_itn": false
    }
}'
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 :
  • Les URL temporaires sont valides pendant 48 heures. Passé ce délai, elles deviennent inutilisables. Ne les utilisez pas dans des environnements de production.
  • L'API d'identifiants de téléchargement de fichiers est limitée à 100 QPS et ne peut pas monter en charge. Ne l'utilisez pas en production, dans des scénarios à forte concurrence ou lors de tests de charge.
  • Pour les environnements de production, nous recommandons d'utiliser des services de stockage stables tels qu'Alibaba Cloud OSS afin de garantir la disponibilité à long terme des fichiers et d'éviter les problèmes de limitation de débit.
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.
  • zh : Chinois (Mandarin, Sichuanais, Minnan et Wu)
  • yue : Cantonais
  • en : Anglais
  • ja : Japonais
  • de : Allemand
  • ko : Coréen
  • ru : Russe
  • fr : Français
  • pt : Portugais
  • ar : Arabe
  • it : Italien
  • es : Espagnol
  • hi : Hindi
  • id : Indonésien
  • th : Thaï
  • tr : Turc
  • uk : Ukrainien
  • vi : Vietnamien
  • cs : Tchèque
  • da : Danois
  • fil : Filipino
  • fi : Finnois
  • is : Islandais
  • ms : Malais
  • no : Norvégien
  • pl : Polonais
  • sv : Suédois
enable_itnboolean (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.
  • true
  • false (par défaut)
enable_wordsboolean(Optional) Valeur par défaut : falseDétermine si les horodatages au niveau des mots doivent être retournés :
  • false : Retourne les horodatages au niveau des phrases.
  • true : Retourne les horodatages au niveau des mots. Les horodatages au niveau des mots sont pris en charge uniquement pour les langues suivantes : chinois, anglais, japonais, coréen, allemand, français, espagnol, italien, portugais et russe. La précision pour les autres langues ne peut être garantie.
Ce paramètre influence également les règles de segmentation des phrases :
  • false : La segmentation des phrases repose sur la détection d'activité vocale (VAD).
  • true : La segmentation des phrases repose sur la VAD et la ponctuation.
channel_idarray(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.
Chaque piste audio spécifiée est facturée séparément. Par exemple, demander [0, 1] pour un seul fichier entraînera deux facturations distinctes.

Response body

{
    "request_id": "92e3decd-0c69-47a8-************",
    "output": {
        "task_id": "8fab76d0-0eed-4d20-************",
        "task_status": "PENDING"
    }
}
request_idstringIdentifiant unique de cet appel.
outputobjectInformations sur le résultat de l'appel.

Properties

task_idstringID 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 :
  • PENDING
  • RUNNING
  • SUCCEEDED
  • FAILED
  • UNKNOWN : La tâche n'existe pas ou son état est inconnu.

Obtenir le résultat de l'exécution de la tâche

URL

  • Singapore
  • China (Beijing)
Adresse de requête HTTP : 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.
Alibaba Cloud Model Studio a publié des domaines spécifiques à chaque espace de travail pour les régions China (Beijing) et Singapore. Ces nouveaux domaines dédiés offrent des performances supérieures et une stabilité accrue pour les requêtes d'inférence. Nous vous recommandons de migrer vers ces nouveaux domaines :
  • China (Beijing) : passez de dashscope.aliyuncs.com à {WorkspaceId}.cn-beijing.maas.aliyuncs.com
  • Singapore : passez de dashscope-intl.aliyuncs.com à {WorkspaceId}.ap-southeast-1.maas.aliyuncs.com

Corps de la requête

  • cURL
  • Java
  • Python
# ======= Important =======
# The following configuration is for the Singapore region. Replace "{WorkspaceId}" with your actual workspace ID. The configuration varies by region.
# The API keys for the Singapore and Beijing regions are different. For more information about how to obtain an API key, see https://www.alibabacloud.com/help/model-studio/get-api-key
# === Delete this comment before running the command. ===

curl --location --request GET 'https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1/tasks/{task_id}' \
--header "Authorization: Bearer $DASHSCOPE_API_KEY" \
--header "Content-Type: application/json"
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_id": "6769df07-2768-4fb0-ad59-************",
    "output": {
        "task_id": "9be1700a-0f8e-4778-be74-************",
        "task_status": "RUNNING",
        "submit_time": "2025-10-27 14:19:31.150",
        "scheduled_time": "2025-10-27 14:19:31.233",
        "task_metrics": {
            "TOTAL": 1,
            "SUCCEEDED": 0,
            "FAILED": 0
        }
    }
}
request_idstringIdentifiant unique de cet appel.
outputobjectInformations sur le résultat de l'appel.

Propriétés

task_idstringIdentifiant 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 :
  • PENDING
  • RUNNING
  • SUCCEEDED
  • FAILED
  • UNKNOWN : La tâche n'existe pas ou son état est inconnu.
resultobjectRésultat de la reconnaissance vocale.
transcription_urlstringURL 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.
submit_timestringHeure 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.
TOTALintegerNombre total de sous-tâches.SUCCEEDEDintegerNombre de sous-tâches réussies.FAILEDintegerNombre de sous-tâches ayant échoué.
codestringCode 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.
seconds integerDurée audio pour Qwen3-ASR-Flash, exprimée en secondes.

Description des résultats d'appels asynchrones

{
    "file_url": "https://***.wav",
    "audio_info": {
        "format": "wav",
        "sample_rate": 16000
    },
    "transcripts": [
        {
            "channel_id": 0,
            "text": "Senior staff, Principal Doris Jackson, Wakefield faculty, and of course my fellow classmates.I am honored to have been chosen to speak before my classmates along with the students across America today.",
            "sentences": [
                {
                    "sentence_id": 0,
                    "begin_time": 240,
                    "end_time": 6720,
                    "language": "en",
                    "emotion": "happy",
                    "text": "Senior staff, Principal Doris Jackson, Wakefield faculty, and of course my fellow classmates.",
                    "words": [
                        {
                            "begin_time": 240,
                            "end_time": 1120,
                            "text": "Senior ",
                            "punctuation": ""
                        },
                        {
                            "begin_time": 1120,
                            "end_time": 1200,
                            "text": "staff",
                            "punctuation": ","
                        },
                        {
                            "begin_time": 1680,
                            "end_time": 1920,
                            "text": " Principal ",
                            "punctuation": ""
                        },
                        {
                            "begin_time": 2000,
                            "end_time": 2320,
                            "text": "Doris ",
                            "punctuation": ""
                        },
                        {
                            "begin_time": 2320,
                            "end_time": 2960,
                            "text": "Jackson",
                            "punctuation": ","
                        },
                        {
                            "begin_time": 3360,
                            "end_time": 3840,
                            "text": " Wakefield ",
                            "punctuation": ""
                        },
                        {
                            "begin_time": 3840,
                            "end_time": 4480,
                            "text": "faculty",
                            "punctuation": ","
                        },
                        {
                            "begin_time": 4800,
                            "end_time": 4960,
                            "text": " and ",
                            "punctuation": ""
                        },
                        {
                            "begin_time": 4960,
                            "end_time": 5040,
                            "text": "of ",
                            "punctuation": ""
                        },
                        {
                            "begin_time": 5040,
                            "end_time": 5520,
                            "text": "course ",
                            "punctuation": ""
                        },
                        {
                            "begin_time": 5520,
                            "end_time": 5680,
                            "text": "my ",
                            "punctuation": ""
                        },
                        {
                            "begin_time": 5760,
                            "end_time": 6000,
                            "text": "fellow ",
                            "punctuation": ""
                        },
                        {
                            "begin_time": 6000,
                            "end_time": 6720,
                            "text": "classmates",
                            "punctuation": "."
                        }
                    ]
                },
                {
                    "sentence_id": 1,
                    "begin_time": 12268,
                    "end_time": 17388,
                    "language": "en",
                    "emotion": "neutral",
                    "text": "I am honored to have been chosen to speak before my classmates along with the students across America today.",
                    "words": [
                        {
                            "begin_time": 12268,
                            "end_time": 12428,
                            "text": "I ",
                            "punctuation": ""
                        },
                        {
                            "begin_time": 12428,
                            "end_time": 12508,
                            "text": "am ",
                            "punctuation": ""
                        },
                        {
                            "begin_time": 12588,
                            "end_time": 12828,
                            "text": "honored ",
                            "punctuation": ""
                        },
                        {
                            "begin_time": 12908,
                            "end_time": 12908,
                            "text": "to ",
                            "punctuation": ""
                        },
                        {
                            "begin_time": 12908,
                            "end_time": 13068,
                            "text": "have ",
                            "punctuation": ""
                        },
                        {
                            "begin_time": 13068,
                            "end_time": 13228,
                            "text": "been ",
                            "punctuation": ""
                        },
                        {
                            "begin_time": 13228,
                            "end_time": 13628,
                            "text": "chosen ",
                            "punctuation": ""
                        },
                        {
                            "begin_time": 13628,
                            "end_time": 13708,
                            "text": "to ",
                            "punctuation": ""
                        },
                        {
                            "begin_time": 13708,
                            "end_time": 14028,
                            "text": "speak ",
                            "punctuation": ""
                        },
                        {
                            "begin_time": 14028,
                            "end_time": 14268,
                            "text": "before ",
                            "punctuation": ""
                        },
                        {
                            "begin_time": 14268,
                            "end_time": 14428,
                            "text": "my ",
                            "punctuation": ""
                        },
                        {
                            "begin_time": 14428,
                            "end_time": 15148,
                            "text": "classmates ",
                            "punctuation": ""
                        },
                        {
                            "begin_time": 15308,
                            "end_time": 15468,
                            "text": "as ",
                            "punctuation": ""
                        },
                        {
                            "begin_time": 15468,
                            "end_time": 15628,
                            "text": "well ",
                            "punctuation": ""
                        },
                        {
                            "begin_time": 15628,
                            "end_time": 15788,
                            "text": "as ",
                            "punctuation": ""
                        },
                        {
                            "begin_time": 15788,
                            "end_time": 15788,
                            "text": "the ",
                            "punctuation": ""
                        },
                        {
                            "begin_time": 15788,
                            "end_time": 16188,
                            "text": "students ",
                            "punctuation": ""
                        },
                        {
                            "begin_time": 16188,
                            "end_time": 16588,
                            "text": "across ",
                            "punctuation": ""
                        },
                        {
                            "begin_time": 16588,
                            "end_time": 16988,
                            "text": "America ",
                            "punctuation": ""
                        },
                        {
                            "begin_time": 16988,
                            "end_time": 17388,
                            "text": "today",
                            "punctuation": "."
                        }
                    ]
                }
            ]
        }
    ]
}
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_idintegerIndex 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.
  • zh : Chinois (mandarin, sichuanais, minnan et wu)
  • yue : Cantonais
  • en : Anglais
  • ja : Japonais
  • de : Allemand
  • ko : Coréen
  • ru : Russe
  • fr : Français
  • pt : Portugais
  • ar : Arabe
  • it : Italien
  • es : Espagnol
  • hi : Hindi
  • id : Indonésien
  • th : Thaï
  • tr : Turc
  • uk : Ukrainien
  • vi : Vietnamien
  • cs : Tchèque
  • da : Danois
  • fil : Filipino
  • fi : Finnois
  • is : Islandais
  • ms : Malais
  • no : Norvégien
  • pl : Polonais
  • sv : Suédois
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 :
  • surprised
  • neutral
  • happy
  • sad
  • disgusted
  • angry
  • fearful
wordsobjectListe 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.