Utilisez le SDK DashScope pour Java afin d'appeler Qwen-ASR-Realtime.
Prérequis
- SDK DashScope version 2.22.5 ou ultérieure (Installer le SDK)
- Obtenir une clé API
- Maîtriser le flux d'interaction entre le client et le serveur
Démarrage rapide
your_audio_file.pcm (PCM16, 16 kHz, mono). Si vous disposez uniquement d'un fichier MP3, WAV ou d'un format similaire, convertissez-le avec ffmpeg :Modes d'interaction
Qwen-ASR-Realtime propose deux modes pour déterminer le moment de traitement de l'audio :
Mode | enableTurnDetection | Fonctionnement |
|---|---|---|
Mode VAD (par défaut) |
| Le serveur détecte les limites de la parole grâce à la détection d'activité vocale (VAD) et décide quand soumettre le tampon audio à la reconnaissance. |
Mode manuel |
| Le client contrôle la soumission de l'audio en appelant |
Paramètres de requête
Paramètres de connexion (OmniRealtimeParam)
Définissez ces paramètres à l'aide des méthodes chaînées de la classe OmniRealtimeParam.
Cliquez pour afficher l'exemple de code
Cliquez pour afficher l'exemple de code
Paramètre | Type | Obligatoire | Description |
|---|---|---|---|
|
| Oui | Modèle à utiliser. Exemple : |
|
| Oui | Endpoint du service. Chine (Pékin) : |
|
| Non | Clé API. |
Configuration de session (OmniRealtimeConfig)
Définissez ces paramètres via les méthodes chaînées de la classe OmniRealtimeConfig.
Cliquez pour afficher l'exemple de code
Cliquez pour afficher l'exemple de code
Paramètre | Type | Obligatoire | Description |
|---|---|---|---|
|
| Oui | Modalité de sortie. Valeur fixe : |
|
| Non | Active le VAD côté serveur. Si cette option est désactivée, appelez |
|
| Non | Type de VAD. Valeur fixe : |
|
| Non | Seuil de sensibilité du VAD. Valeur recommandée : Valeur par défaut : Des valeurs plus basses augmentent la sensibilité (risque de déclenchement sur le bruit ambiant). Des valeurs plus élevées réduisent la sensibilité et limitent les faux positifs dans les environnements bruyants. |
|
| Non | Durée de silence en millisecondes marquant la fin d'une énonciation. Valeur recommandée : Valeur par défaut : Des durées plus courtes (ex. : 300 ms) accélèrent les réponses mais peuvent fractionner les pauses naturelles. Des durées plus longues (ex. : 1200 ms) gèrent mieux les pauses mais augmentent la latence. |
|
| Non | Paramètres de reconnaissance vocale. Consultez la section Paramètres de transcription. |
Paramètres de transcription (OmniRealtimeTranscriptionParam)
Configurez ces paramètres au moyen des méthodes setter de la classe OmniRealtimeTranscriptionParam.
Cliquez pour afficher l'exemple de code
Cliquez pour afficher l'exemple de code
Paramètre | Type | Obligatoire | Description |
|---|---|---|---|
|
| Non | Langue de la source audio. Pour la liste des langues prises en charge, voir Langues prises en charge. |
|
| Non | Taux d'échantillonnage audio en Hz. Valeurs valides : Valeur par défaut : La valeur |
|
| Non | Format d'encodage audio. Valeurs valides : |
|
| Non | Texte contextuel pour le biaisage contextuel. Fournissez du texte de fond, des vocabulaires d'entités ou des documents de référence afin d'améliorer la précision de la reconnaissance. Maximum : 10 000 tokens. |
Référence de l’API
OmniRealtimeConversation
Importation : com.alibaba.dashscope.audio.omni.OmniRealtimeConversation
Cette classe gère le cycle de vie WebSocket : connexion au serveur, envoi de l'audio et clôture de la session.
Créer une conversation
Se connecter au serveur
NoApiKeyException, InterruptedException.
Configurer la session
Envoyer des données audio
- Mode VAD (
enableTurnDetection=true) : Le serveur détecte les limites de la parole et décide du moment de traitement du tampon. - Mode manuel (
enableTurnDetection=false) : L'audio s'accumule dans le tampon jusqu'à l'appel decommit()pour déclencher la reconnaissance. Chaque événement peut contenir jusqu'à 15 Mio de données audio.
Soumettre le tampon audio
Cette méthode n'est disponible qu'en mode manuel ( enableTurnDetection=false ). Une erreur survient si le tampon audio est vide.
Terminer la session
- Mode VAD : Après avoir terminé l'envoi de l'audio.
- Mode manuel : Après avoir appelé
commit().
Fermer la connexion
Obtenir les ID de session et de réponse
getSessionId()renvoie l'ID de session de la tâche en cours.getResponseId()renvoie l'ID de la réponse serveur la plus récente.
OmniRealtimeCallback
Importation : com.alibaba.dashscope.audio.omni.OmniRealtimeCallback
Héritez de cette classe et implémentez les méthodes de callback pour traiter les événements serveur.
Méthode | Paramètres | Déclenchement |
|---|---|---|
| Aucun | La connexion WebSocket est établie. |
|
| Réception d'un événement serveur. Analysez le champ |
|
| La connexion WebSocket est fermée. |