Skip to main content

SDK Android de reconnaissance vocale non temps réel Qwen-Audio-ASR-Filetrans

Ce guide vous montre comment convertir la parole en texte avec le SDK Android de reconnaissance vocale non temps réel Qwen-Audio-ASR-Filetrans.

Pour les exigences d'entrée telles que les formats audio pris en charge, les limites de taille de fichier et les limites de durée, consultez Spécifications audio.

Démarrage rapide

  1. Obtenir une clé API : Obtenir une clé API. Pour une meilleure sécurité, stockez la clé API dans une variable d'environnement.
  2. Téléchargez le SDK et exécutez l'exemple de code :
    • Téléchargez le dernier package du SDK.
    • Extrayez le package ZIP. Trouvez le SDK au format AAR dans le répertoire app/libs et ajoutez-le aux dépendances de votre projet. Pour l'intégration C++ Android, utilisez android_libs et android_include dans le package 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 DashFunAsrFileTranscriberActivity.java. Remplacez la clé API, puis testez la fonctionnalité.

Procédure d'appel

  • Mode synchrone
  • Mode asynchrone
  1. Initialiser le SDK.
  2. Configurez les paramètres requis par votre activité.
  3. Définissez async_request sur false et appelez startFileTranscriber pour soumettre une requête de reconnaissance vocale non temps réel et attendre le résultat.
  4. Écoutez l'événement EVENT_FILE_TRANS_RESULT dans l'interface onFileTransEventCallback pour obtenir le résultat final de la reconnaissance.
  5. Appelez release pour libérer les ressources du SDK.

Paramètres de requête

Paramètres de connexion et de contrôle

Configurez ces paramètres en transmettant une chaîne JSON dans l'argument parameters de l'interface initialize. Exemple de paramètre La chaîne JSON suivante est un exemple et ne répertorie pas tous les paramètres. Ajoutez les paramètres dont vous avez besoin lors de l'écriture de votre code :
{
    "url": "wss://dashscope.aliyuncs.com/api/v1/services/audio/asr/transcription",
    "apikey": "st-****",
    "device_id": "my_device_id",
    "service_mode": "1"
}
Description des paramètres
ParamètreTypeObligatoireDescription
urlStringOuiPoints de terminaison de service :
  • wss://dashscope.aliyuncs.com/api/v1/services/audio/asr/transcription
  • Chine (Pékin) : wss://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api/v1/services/audio/asr/transcription
  • Singapour : wss://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1/services/audio/asr/transcription
Remplacez {WorkspaceId} par votre véritable ID d'espace de travail.
apikeyStringOuiLa clé API.
service_modeStringOuiLe mode d'exécution. Fixé à "1" pour la reconnaissance de la parole enregistrée.
device_idStringOuiUne chaîne unique qui identifie l'utilisateur final. Définissez-la sur un identifiant d'utilisateur dans l'application ou un identifiant d'appareil généré par le client. Cet identifiant est principalement utilisé pour le suivi des journaux et le dépannage.
debug_pathStringNonLe chemin de stockage du fichier journal.Ce paramètre prend effet uniquement lorsque save_log est défini sur true dans l'interface initialize. Dans ce cas, vous devez définir le chemin du fichier journal, sinon une erreur est signalée.Au maximum deux fichiers journaux sont conservés localement.
max_log_file_sizeintNonLa taille maximale du fichier journal, en octets.Ce paramètre prend effet uniquement lorsque save_log est défini sur true dans l'interface initialize.Par défaut : 104857600 (100 * 1024 * 1024 octets, soit 100 Mio).
log_track_levelintNonLe niveau de filtrage pour le contenu du journal envoyé via le rappel de journal (onFileTransLogTrackCallback).Par défaut : 2.Valeurs valides :
  • 0: LOG_LEVEL_VERBOSE
  • 1: LOG_LEVEL_DEBUG
  • 2: LOG_LEVEL_INFO
  • 3: LOG_LEVEL_WARNING
  • 4: LOG_LEVEL_ERROR
  • 5 : LOG_LEVEL_NONE (désactive cette fonctionnalité)
Remarque : log_track_level et level (définis via l'interface initialize) déterminent ensemble quels journaux sont finalement envoyés au rappel. Un journal est envoyé au rappel uniquement lorsque sa valeur de niveau est supérieure ou égale à la fois à log_track_level et level. Par exemple, si log_track_level est défini sur 2 (INFO) et level sur 3 (WARNING), seuls les journaux de niveau WARNING ou supérieur (valeur >= 3) sont envoyés au rappel.

Paramètres de reconnaissance vocale

Configurez tous les paramètres de reconnaissance vocale via l'interface startFileTranscriber. Exemple de paramètre La chaîne JSON suivante est un exemple et ne répertorie pas tous les paramètres. Ajoutez les paramètres dont vous avez besoin lors de l'écriture de votre code :
{
    "apikey": "st-****",
    "file_urls": [
        "{YOUR_AUDIO_URL}"
    ],
    "async_request": false,
    "nls_config": {
        "model":"qwen-audio-3.0-asr-flash-filetrans",
        "diarization_enabled": false
    }
}
Description des paramètres
ParamètreTypeObligatoireDescription
file_urlsarray[string]OuiUne liste d'URL des fichiers audio ou vidéo à transcrire. HTTP et HTTPS sont pris en charge. Une seule requête ne prend en charge qu'une seule URL. Pour les exigences d'entrée telles que les formats audio pris en charge, les limites de taille de fichier et les limites de durée, consultez Spécifications audio.Si l'enregistrement est stocké dans Alibaba Cloud OSS, l'API RESTful prend en charge les URL temporaires préfixées par oss://, tandis que le SDK ne prend pas en charge les URL temporaires préfixées par oss://.
  • Une URL temporaire est valide pendant 48 heures et ne peut pas être utilisée après son expiration. Ne l'utilisez pas en production.
  • L'interface d'identification de téléchargement 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 la production, utilisez un stockage stable tel que Alibaba Cloud OSS pour maintenir la disponibilité des fichiers à long terme et éviter la limitation du débit.
  • Si l'URL d'un fichier audio définie sur une URL publique temporaire OSS est inaccessible, définissez X-DashScope-OssResourceResolve sur enable dans l'en-tête de la requête (non recommandé). Le SDK ne prend pas en charge la configuration des en-têtes de requête.
async_requestbooleanNonIndique si la requête de reconnaissance est asynchrone.Par défaut : false.Valeurs valides :
  • true : requête asynchrone
  • false : requête synchrone
apikeystringNonSi la apikey dans Paramètres de connexion et de contrôle est une clé API temporaire, vous pouvez la mettre à jour ici pour éviter l'expiration.
nls_configobjectOuiL'objet de configuration principal pour la reconnaissance vocale. Il contient des paramètres clés tels que la sélection du modèle et le contrôle de la reconnaissance.
nls_config.modelstringOuiLe nom du modèle.
nls_config.special_word_filterobjectNonLes mots sensibles à traiter lors de la reconnaissance vocale. Vous pouvez définir une méthode de traitement différente pour chaque mot sensible. Pour plus de détails, consultez Filtrage des mots sensibles.
nls_config.channel_idarray[integer]NonL'index des pistes audio à reconnaître dans un fichier audio multipiste. L'index commence à 0. Par exemple, [0] reconnaît la première piste, et [0, 1] reconnaît la première et la deuxième piste en même temps. Si vous omettez ce paramètre, seule la première piste est traitée.
Chaque piste spécifiée est facturée indépendamment. Par exemple, demander [0, 1] pour un seul fichier entraîne deux frais distincts.
Valeur par défaut : [0].
nls_config.diarization_enabledbooleanNonIndique s'il faut activer la diarisation des locuteurs. Désactivé par défaut.S'applique uniquement à l'audio mono. L'audio multicanal ne prend pas en charge la diarisation des locuteurs.Lorsqu'elle est activée, le résultat de la reconnaissance inclut un champ speaker_id qui distingue les différents locuteurs.
Lorsque la diarisation des locuteurs est activée, maintenez la durée de l'audio dans la limite de 2 heures. Sinon, la reconnaissance peut échouer ou expirer.
Par défaut : false.Pour un exemple de speaker_id, consultez la Description du résultat de la reconnaissance.
nls_config.speaker_countintegerNon
Prend effet uniquement lorsque la diarisation des locuteurs est activée (diarization_enabled est défini sur true).
Une valeur de référence pour le nombre de locuteurs. La plage valide est un entier de 2 à 100 (inclus).Par défaut, le nombre de locuteurs est détecté automatiquement. Si vous définissez cette valeur, elle guide uniquement l'algorithme pour qu'il produise le nombre spécifié lorsque cela est possible, sans garantir ce nombre exact.Aucune valeur par défaut.
nls_config.vocabulary_idstringNonL'ID d'une liste de mots clés précompilée.Générez cet ID à l'avance en appelant l'API de création de liste de mots clés. Transmettez l'ID lors de la reconnaissance pour utiliser les mots clés de la liste.Convient aux scénarios où le vocabulaire est connu et relativement stable, et où vous devez réutiliser la même liste de mots d'une requête à l'autre.Pour plus de détails sur l'utilisation, consultez Mots clés précompilés.
nls_config.input_contextarrayNonUne liste de messages contenant un contexte de conversation facultatif pour améliorer la précision de la reconnaissance.
Le contexte permet d'améliorer la reconnaissance des termes spécifiques au domaine. Pour l'utilisation, consultez Amélioration du contexte.Vous pouvez inclure jusqu'à 5 messages de chaque type de contexte : input_text et text. Si cette limite est dépassée, seuls les 5 messages les plus récents de chaque type sont conservés. La longueur combinée des champs text dans les messages user et assistant à chaque tour ne doit pas dépasser 400 caractères. Chaque caractère compte pour 1. Le texte excédentaire est tronqué à partir de la fin.
Lorsque vous incluez du contexte, organisez messages par tour de conversation. À chaque tour, le message user (type input_text) doit précéder le message assistant correspondant (type text). Le message user contenant input_audio doit être le dernier message du tableau messages.
[
  {
    "role": "user",
    "content": [
      {
        "type": "input_text",
        "text": "你好啊,我是通义千问,有什么可以帮助你的?"
      }
    ]
  }
]
nls_config.instant_vocabularyobjectNonMots clés instantanés, transmis sous forme de paires clé-valeur. Chaque clé est le texte du mot clé (string) et chaque valeur est son poids (integer). Aucune liste de mots clés précompilés n'est requise. Utilisez ce paramètre pour les mots clés temporaires au niveau de la session.Les poids valides sont des entiers de 1 à 5, ou 50. Un poids plus élevé de 1 à 5 rend le modèle plus susceptible de produire le mot clé. Un poids de 50 définit un super mot clé et améliore considérablement le rappel. Vous pouvez spécifier jusqu'à 50 super mots clés.Si vous configurez également des mots clés précompilés, les deux ensembles sont fusionnés. Si l'ensemble fusionné dépasse 2000 mots clés, 2000 sont sélectionnés au hasard. Pour l'utilisation, consultez Mots clés instantanés.
Pour les modèles et les limites qui s'appliquent aux mots clés instantanés, consultez Mots clés instantanés.
{
  "张三": 5,
  "李四": 5
}
nls_config.language_hintsarray[string]NonLes codes de langue à reconnaître. Si vous ne pouvez pas déterminer la langue à l'avance, laissez-le non défini et le modèle détectera la langue automatiquement.Vous pouvez définir jusqu’à 4 valeurs. Au-delà, seules les 4 premières sont prises en compte.
  • zh : Chinois
  • en : Anglais
  • ja : Japonais
  • ko : Coréen
  • vi : Vietnamien
  • th : Thaï
  • id : Indonésien
  • ms : Malais
  • tl : Philippin
  • hi : Hindi
  • ar : Arabe
  • fr : Français
  • de : Allemand
  • es : Espagnol
  • pt : Portugais
  • ru : Russe
  • it : Italien
  • nl : Néerlandais
  • sv : Suédois
  • da : Danois
  • fi : Finnois
  • no : Norvégien
  • el : Grec
  • pl : Polonais
  • cs : Tchèque
  • hu : Hongrois
  • ro : Roumain
  • bg : Bulgare
  • hr : Croate
  • sk : Slovaque

Interfaces clés

NativeNui

initialize

Initialiser l'instance du SDK de reconnaissance vocale. Le SDK est un singleton. Ne pas l'initialiser à nouveau avant d'appeler release. Cette interface est bloquante, appelez-la donc sur un thread non UI. Signature de la méthode
public synchronized int initialize(final INativeFileTransCallback callback,
                                   String parameters,
                                   final Constants.LogLevel level,
                                   final boolean save_log)
Description des paramètres
ParamètreTypeDescription
callbackINativeFileTransCallbackL'implémentation de l'interface de rappel des événements et des données.
parametersStringUne chaîne JSON qui contient les paramètres d'authentification, de connexion et de débogage. Consultez Paramètres de connexion et de contrôle.
levelConstants.LogLevelContrôle le niveau d'impression des propres journaux du SDK.
save_logbooleanIndique s'il faut enregistrer les journaux localement. Si true, spécifiez le chemin avec debug_path dans Paramètres de connexion et de contrôle, et définissez éventuellement la taille du fichier avec max_log_file_size.

setParams

Utilisez cette interface pour définir ou mettre à jour les paramètres nls_config séparément. Si vous fournissez tous les paramètres à la fois dans startFileTranscriber, vous n'avez pas besoin d'appeler cette méthode. Signature de la méthode
public synchronized int setParams(String params);
Description des paramètres
ParamètreTypeDescription
paramsStringLe paramètre nls_config dans Paramètres de reconnaissance vocale. Les paramètres autres que nls_config ne peuvent pas être définis via cette méthode.Exemple :
{
    "nls_config": {
        "model":"qwen-audio-3.0-asr-flash-filetrans",
        "diarization_enabled": false
    }
}

startFileTranscriber

Démarre la reconnaissance. Signature de la méthode
public synchronized int startFileTranscriber(String params, byte[] task_id)
Description des paramètres
ParamètreTypeDescription
paramsStringParamètres de reconnaissance vocale.Exemple :
{
    "file_urls": [
        "{YOUR_AUDIO_URL}"
    ],
    "async_request": false,
    "nls_config": {
        "model":"qwen-audio-3.0-asr-flash-filetrans",
        "diarization_enabled": false
    }
}
task_idbyte[]L'ID de la tâche. Le SDK génère une chaîne aléatoire en interne. Vous obtenez l'task_id après le retour réussi de cette interface.

queryFileTranscriber

Utilisez cette interface pour interroger l'état et le résultat actuels d'une tâche asynchrone. Une fois l'appel réussi, le résultat est renvoyé via l'événement EVENT_FILE_TRANS_QUERY_RESULT dans le rappel onFileTransEventCallback.
Obtenez l'task_id transmis à cette méthode à partir de l'événement EVENT_FILE_TRANS_UPLOADED.
Signature de la méthode
public synchronized int queryFileTranscriber(String task_id)
Description des paramètres
ParamètreTypeDescription
task_idStringL'ID de la tâche à interroger, obtenu à partir de l'événement EVENT_FILE_TRANS_UPLOADED.

cancelFileTranscriber

Annule immédiatement la tâche en cours. Signature de la méthode
public synchronized int cancelFileTranscriber(String task_id)
Description des paramètres
ParamètreTypeDescription
task_idStringL'ID de la tâche à annuler, obtenu à partir de l'événement EVENT_FILE_TRANS_UPLOADED.

release

Libérer toutes les ressources internes du SDK. Après l'appel de cette méthode, l'instance du SDK devient inutilisable. Pour l'utiliser à nouveau, appeler initialize pour l'initialiser à nouveau. Signature de la méthode
public synchronized int release();

GetVersion

Obtient les informations de version actuelles du SDK. Signature de la méthode
public synchronized String GetVersion();
Valeur de retour Les informations de version actuelles du SDK.

INativeFileTransCallback : rappels de l'écouteur

onFileTransEventCallback : écouter les événements et les résultats de reconnaissance

Signature de la méthode
void onFileTransEventCallback(NuiEvent event, final int resultCode, final int arg2, AsrResult asrResult, String taskId);
Description des paramètres
ParamètreTypeDescription
eventNuiEventL'événement de rappel.
resultCodeintValide uniquement lorsque l’événement EVENT_ASR_ERROR se produit.
asrResultAsrResultLe résultat de la reconnaissance vocale.
taskIdStringL'ID de la tâche.
arg2intUn paramètre réservé.

onFileTransLogTrackCallback : écouter les journaux de trace

Ce rappel reçoit les journaux internes détaillés du SDK pour le diagnostic et le débogage des problèmes.
default void onFileTransLogTrackCallback(Constants.LogLevel level, String log)

NuiEvent : types d'événements

ÉvénementDescription
EVENT_FILE_TRANS_CONNECTEDLa connexion au service a réussi.
EVENT_FILE_TRANS_UPLOADEDLe fichier audio à reconnaître a été téléchargé avec succès. Vous pouvez maintenant obtenir l'task_id de la tâche en cours.
EVENT_FILE_TRANS_QUERY_RESULTUne requête de résultat de tâche.
EVENT_FILE_TRANS_RESULTLe résultat final de la reconnaissance.
EVENT_ASR_ERRORUne erreur s'est produite lors de la reconnaissance vocale.