Le SDK Android de reconnaissance vocale non temps réel Qwen-Audio-ASR convertit la parole en texte.
Pour les formats audio pris en charge, les limites de taille de fichier, les limites de durée et les autres exigences d'entrée, consultez Spécifications audio.
Transmettez une chaîne JSON au paramètre
Paramètres
Utilisez
Paramètres
paramètres de messages :
paramètres de content :
Initialisez l'instance du SDK de reconnaissance vocale. Le SDK utilise un singleton. Ne l'initialisez pas à nouveau avant d'appeler
Paramètres
Utilisez cette méthode pour définir ou mettre à jour
Paramètres
Démarrer la reconnaissance.
Signature de la méthode
Paramètres
Cette fonctionnalité de reconnaissance vocale non temps réel ne prend en charge que les requêtes synchrones. Vous pouvez ignorer cette méthode.
Annuler immédiatement la tâche en cours.
Signature de la méthode
Paramètres
Libérez toutes les ressources internes du SDK. Après cet appel, l'instance du SDK devient indisponible. Pour la réutiliser, appelez
Obtenir la version actuelle du SDK.
Signature de la méthode
Valeur de retour
La version actuelle du SDK.
Signature de la méthode
Paramètres
Ce rappel reçoit les journaux internes détaillés du SDK pour le dépannage et le débogage.
Démarrage rapide
- Obtenir une clé API : Obtenir une clé API. Pour des raisons de sécurité, nous vous recommandons de configurer la clé API dans une variable d'environnement.
- Téléchargez le SDK et exécutez l'exemple de code :
- Télécharger le dernier bundle SDK.
- Extrayez l'archive ZIP. Obtenez le SDK au format AAR depuis
app/libset ajoutez-le aux dépendances de votre projet. Pour l'intégration CPP Android, utilisezandroid_libsetandroid_includedans l'archive ZIP pour obtenir les bibliothèques dynamiques et les fichiers d'en-tête. - Ouvrez le projet dans Android Studio. Le code d'exemple se trouve dans
DashFunAsrFlashFileTranscriberActivity.java. Remplacez la clé API pour tester la fonctionnalité.
Procédure d'appel
Mode synchrone
- Initialiser le SDK
- Configurez les paramètres en fonction de vos besoins métier
-
Appelez
startFileTranscriberpour envoyer une requête de reconnaissance vocale non temps réel et attendre le résultat. -
Utilisez
onFileTransEventCallbackpour écouter l'événementEVENT_FILE_TRANS_RESULTet obtenir le résultat final de la reconnaissance. -
Appelez
releasepour libérer les ressources du SDK
Paramètres de requête
Paramètres de connexion et de contrôle
Transmettez une chaîne JSON au paramètre parameters de la méthode initialize pour configurer ces paramètres.
Exemple de paramètre : La chaîne JSON suivante est un exemple et ne répertorie pas tous les paramètres. Ajoutez les paramètres selon vos besoins dans votre code :
| Paramètre | Type | Obligatoire | Description |
|---|---|---|---|
url | String | Oui | Points de terminaison du service :
{WorkspaceId} par votre ID d'espace de travail. |
apikey | String | Oui | Clé API. |
service_mode | String | Oui | Le mode de fonctionnement. Pour la reconnaissance vocale non temps réel, définissez ce paramètre sur "1". |
device_id | String | Oui | Une chaîne unique qui identifie l'utilisateur final. Vous pouvez utiliser un identifiant d'utilisateur dans l'application ou un identifiant d'appareil unique généré par le client. Cet identifiant est principalement utilisé pour le suivi des journaux et le dépannage. |
debug_path | String | Non | Le chemin d'accès aux fichiers journaux. Ce paramètre prend effet uniquement lorsque vous appelez initialize avec save_log défini sur true. Dans ce cas, vous devez spécifier le chemin du fichier journal. Sinon, une erreur se produit. Jusqu'à deux fichiers journaux sont conservés localement. |
max_log_file_size | int | Non | La taille maximale du fichier journal en octets. Ce paramètre prend effet uniquement lorsque vous appelez initialize avec save_log défini sur true. Par défaut : 104857600 (100 * 1024 * 1024 octets, soit 100 Mio). |
log_track_level | int | Non | Le niveau de filtrage pour les journaux envoyés via le rappel de journalisation (onFileTransLogTrackCallback). Par défaut : 2. Valeurs valides :
log_track_level et level (configurés via la méthode initialize) déterminent conjointement quels journaux sont livrés. Le niveau numérique d'un journal doit être supérieur ou égal à la fois à log_track_level et level pour que le journal soit livré. Par exemple, si log_track_level est défini sur 2 (INFO) et level sur 3 (WARNING), seuls les journaux WARNING et de gravité supérieure (niveau numérique >= 3) sont livrés. |
Paramètres de reconnaissance
Utilisez startFileTranscriber pour configurer tous les paramètres de reconnaissance.
Exemple de paramètre : La chaîne JSON suivante est un exemple et ne répertorie pas tous les paramètres. Ajoutez les paramètres selon vos besoins dans votre code :
| Paramètre | Type | Obligatoire | Description |
|---|---|---|---|
apikey | string | Non | Si les paramètres de connexion et de contrôle apikey utilisent une clé API temporaire, vous pouvez la mettre à jour ici pour éviter son expiration. |
nls_config | object | Oui | L'objet de configuration principal de la reconnaissance vocale, incluant le modèle et les paramètres qui contrôlent la reconnaissance. |
nls_config.model | string | Oui | Le nom du modèle. |
nls_config.format | string | Oui | Le format audio. Définissez ce paramètre sur le format réel. Les formats pris en charge incluent wav, mp3, opus. Pour plus de détails, consultez les spécifications audio. |
nls_config.sample_rate | string | Non | Le taux d'échantillonnage audio en Hz. Par exemple, 16000 indique un taux d'échantillonnage de 16 kHz. Pour plus de détails, consultez les spécifications audio. |
nls_config.vocabulary_id | string | Non | L'identifiant du vocabulaire précompilé. Créez un vocabulaire à l'avance et transmettez son identifiant lors de la reconnaissance pour utiliser ses mots-clés. Utilisez cette option lorsque le vocabulaire est connu, relativement stable et réutilisé d'une requête à l'autre. Pour les instructions d'utilisation, consultez Mots-clés précompilés. |
nls_config.instant_vocabulary | object | Non | Mots-clés instantanés.Transmettez des paires clé-valeur. La clé est le texte du mot-clé (string) et la valeur est son poids (integer). Vous n'avez pas besoin de créer un vocabulaire à l'avance. Les poids valides sont [1, 5] ou 50. Dans l'intervalle [1, 5], un poids plus élevé rend le modèle plus susceptible de produire le mot. Un poids de 50 spécifie un super mot-clé et augmente considérablement le rappel. Vous pouvez spécifier jusqu'à 50 super mots-clés.Utilisez cette option pour une optimisation temporaire des mots-clés au niveau de la session.Lorsque des mots-clés instantanés et précompilés sont configurés, le système les fusionne. Si la liste fusionnée dépasse 2000 entrées, il sélectionne aléatoirement 2000 entrées. Pour les instructions d'utilisation, consultez Mots-clés instantanés. |
nls_config.language_hints | array[string] | Non | Les codes des langues à reconnaître. Si la langue est inconnue, omettez ce paramètre pour que le modèle la détecte automatiquement. Vous pouvez définir jusqu’à 4 valeurs. Au-delà, seules les 4 premières sont prises en compte.La spécification des codes de langue peut améliorer la précision de la reconnaissance.
Codes de langue pris en charge
qwen-audio-3.1-asr-flash prend également en charge les codes de langue suivants :
|
messages | array[object] | Oui | La liste des messages. Elle contient l'audio à reconnaître et le contexte de conversation facultatif pour améliorer la reconnaissance.Consultez les descriptions suivantes. |
| Paramètre | Type | Obligatoire | Description |
|---|---|---|---|
role | string | Oui | Le rôle du message. Valeurs valides :
|
content | array[object] | Oui | La liste du contenu des messages. Consultez les descriptions suivantes. |
| Paramètre | Type | Obligatoire | Description |
|---|---|---|---|
type | string | Oui | Le type de contenu. Chaque requête nécessite au moins un input_audio message. Valeurs valides :
|
input_audio | object | Non | Requis lorsque type est input_audio. |
input_audio.data | string | Oui | Les données audio à reconnaître. Pour les formats audio pris en charge, les limites de taille de fichier, les limites de durée et les autres exigences d'entrée, consultez Spécifications audio. Les deux méthodes d'entrée suivantes sont prises en charge :
https://example.com/audio/sample.wavExemple (Base64) : data:audio/wav;base64,{BASE64_ENCODED_DATA} |
text | string | Non | Requis lorsque type est input_text, fournissez les résultats de reconnaissance de la parole de l'utilisateur des tours précédents ou un vocabulaire spécifique à un domaine. Lorsque type est text, fournissez les réponses du grand modèle de langage des tours précédents. La longueur du texte est comptée en caractères, chaque caractère comptant pour un. La longueur totale de tous les champs text des messages dans chaque tour de contexte ne doit pas dépasser 400 caractères. Les caractères excédentaires sont tronqués à partir de la fin. |
Interfaces clés
NativeNui
initialize
Initialisez l'instance du SDK de reconnaissance vocale. Le SDK utilise un singleton. Ne l'initialisez pas à nouveau avant d'appeler release.
Cette méthode est bloquante. Appelez-la depuis un thread non UI.
Signature de la méthode
| Paramètre | Type | Description |
|---|---|---|
callback | INativeFileTransCallback | L'implémentation de l'interface de rappel des événements et des données. |
parameters | String | Une chaîne JSON contenant les paramètres d'authentification, de connexion et de débogage. Consultez les paramètres de connexion et de contrôle. |
level | Constants.LogLevel | Le niveau des journaux imprimés par le SDK. |
save_log | boolean | Indique s'il faut enregistrer les journaux localement. Si défini sur true, utilisez les paramètres de connexion et de contrôle pour définir debug_path afin de spécifier le chemin, et utilisez max_log_file_size pour définir la taille du fichier. |
setParams
Utilisez cette méthode pour définir ou mettre à jour nls_config séparément. Vous n'avez pas besoin d'appeler cette méthode si tous les paramètres sont fournis dans startFileTranscriber en un seul appel.
Signature de la méthode
| Paramètre | Type | Description |
|---|---|---|
params | String | Paramètres de reconnaissance dans nls_config et paramètres de messages.Exemple : |
startFileTranscriber
Démarrer la reconnaissance.
Signature de la méthode
| Paramètre | Type | Description |
|---|---|---|
params | String | Paramètres de reconnaissance. Exemple : |
task_id | byte[ ] | Vous pouvez ignorer ce paramètre et transmettre null. |
queryFileTranscriber
Cette fonctionnalité de reconnaissance vocale non temps réel ne prend en charge que les requêtes synchrones. Vous pouvez ignorer cette méthode.
cancelFileTranscriber
Annuler immédiatement la tâche en cours.
Signature de la méthode
| Paramètre | Type | Description |
|---|---|---|
task_id | String | L'identifiant de la tâche à annuler, obtenu à partir de EVENT_FILE_TRANS_UPLOADED. |
release
Libérez toutes les ressources internes du SDK. Après cet appel, l'instance du SDK devient indisponible. Pour la réutiliser, appelez initialize pour l'initialiser à nouveau.
Signature de la méthode
GetVersion
Obtenir la version actuelle du SDK.
Signature de la méthode
INativeFileTransCallback : Rappels
onFileTransEventCallback : Écouter les événements et les résultats de reconnaissance
Signature de la méthode
| Paramètre | Type | Description |
|---|---|---|
event | NuiEvent | L'événement de rappel. |
resultCode | int | Valide uniquement lorsque l’événement EVENT_ASR_ERROR se produit. |
asrResult | AsrResult | Le résultat de la reconnaissance vocale. |
taskId | String | L'ID de la tâche. |
arg2 | int | Réservé. |
onFileTransLogTrackCallback : Écouter les journaux de suivi
Ce rappel reçoit les journaux internes détaillés du SDK pour le dépannage et le débogage.
Types d'événements
| Événement | Description |
|---|---|
EVENT_FILE_TRANS_CONNECTED | Connexion au service réussie. |
EVENT_FILE_TRANS_UPLOADED | Le fichier audio a été téléchargé avec succès. Vous pouvez obtenir le task_id actuel à ce stade. |
EVENT_FILE_TRANS_RESULT | Le résultat final de la reconnaissance. |
EVENT_ASR_ERROR | Une erreur s'est produite lors de la reconnaissance vocale. |