Skip to main content

Reconnaissance vocale en différé (Qwen-Audio-ASR) iOS SDK

Le SDK iOS 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.

Démarrage rapide

  1. Obtenir une clé API : Obtenir une clé API
  2. Téléchargez le SDK et exécutez l'exemple de code :
    • Télécharger le dernier bundle SDK.
    • Extrayez l'archive ZIP et ajoutez nuisdk.framework au projet.
    • Ajoutez nuisdk.xcframework dans Build Phases → Link Binary With Libraries.
    • Dans General → Frameworks, Libraries, and Embedded Content, définissez nuisdk.xcframework sur Embed & Sign.
    • Ouvrir le projet d'exemple dans Xcode. Le code d'exemple se trouve dans DashFunAsrFlashFileTranscriberViewController.m. Remplacer la clé API pour tester la fonctionnalité.

Procédure d'appel

Mode synchrone

  1. Initialiser le SDK
  2. Configurez les paramètres en fonction de vos besoins métier
  3. Appelez nui_file_trans_start pour envoyer une requête de reconnaissance vocale non temps réel.
  4. Utilisez onFileTransEventCallback pour écouter l'événement EVENT_FILE_TRANS_RESULT et obtenir le résultat final de la reconnaissance
  5. Appelez nui_release pour libérer les ressources du SDK

Paramètres de requête

Paramètres de connexion et de contrôle

Transmettez une chaîne JSON au paramètre parameters de la méthode nui_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 :
{
    "url": "wss://dashscope.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation",
    "apikey": "st-****",
    "device_id": "my_device_id",
    "service_mode": "1"
}
Paramètres
ParamètreTypeObligatoireDescription
urlStringOuiPoints de terminaison du service :
  • wss://dashscope.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation
  • Chine (Pékin) : wss://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation
  • Singapour : wss://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation
Remplacez {WorkspaceId} par votre ID d'espace de travail.
apikeyStringOuiClé API.
service_modeStringOuiLe mode de fonctionnement. Pour la reconnaissance vocale non temps réel, définissez ce paramètre sur "1".
device_idStringOuiUne 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_pathStringNonLe chemin d'accès aux fichiers journaux. Ce paramètre prend effet uniquement lorsque vous appelez nui_initialize avec save_log défini sur YES. 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_sizeintNonLa taille maximale du fichier journal en octets. Ce paramètre prend effet uniquement lorsque vous appelez nui_initialize avec save_log défini sur YES. Valeur par défaut : 104857600 (100 * 1024 * 1024 octets, soit 100 Mio).
log_track_levelintNonLe niveau de filtrage pour les journaux envoyés via le rappel de journalisation (onFileTransLogTrackCallback). Valeur 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).
log_track_level et level (configurés via la méthode nui_initialize) déterminent conjointement quels journaux sont transmis. Le niveau numérique d'un journal doit être supérieur ou égal à la fois à log_track_level et à level pour que le journal soit transmis. Par exemple, si log_track_level est défini sur 2 (INFO) et level sur 3 (WARNING), seuls les journaux de niveau WARNING et de gravité supérieure (niveau numérique >= 3) sont transmis.

Paramètres de reconnaissance

Utilisez nui_file_trans_start 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 :
{
  "apikey": "st-****",
  "messages": [
    {
      "content": [
        {
          "input_audio": {
            "data": "{YOUR_AUDIO_URL}"
          },
          "type": "input_audio"
        }
      ],
      "role": "user"
    }
  ],
  "nls_config": {
    "format": "mp3",
    "model": "qwen-audio-3.0-asr-flash"
  }
}
Paramètres
ParamètreTypeObligatoireDescription
apikeystringNonSi 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_configobjectOuiL'objet de configuration principal de la reconnaissance vocale, incluant le modèle et les paramètres qui contrôlent la reconnaissance.
nls_config.modelstringOuiLe nom du modèle.
nls_config.formatstringOuiLe 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_ratestringNonLe 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_idstringNonL'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_vocabularyobjectNonMots-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.
{
  "张三": 5,
  "李四": 5
}
nls_config.language_hintsarray[string]NonLes 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.
  • zh: Chinois
  • en: Anglais
  • ja: Japonais
  • ko: Coréen
  • vi: Vietnamien
  • th: Thaï
  • id: Indonésien
  • ms: Malais
  • tl: Filipino
  • 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
qwen-audio-3.1-asr-flash prend également en charge les codes de langue suivants :
  • tr: turc
  • fa: persan
  • mr: marathi
  • ml: malayalam
  • ne: népalais
  • ky: kirghize
  • az: azerbaïdjanais
  • ka: géorgien
  • hy: arménien
  • sl: slovène
  • sq: albanais
  • et: estonien
  • lv: letton
  • lt: lituanien
  • ca: catalan
  • eu: basque
  • gl: galicien
  • or: odia
  • dv: maldivien
  • as: assamais
  • kmr: kurde du Nord
  • tig: tigré
  • fy: frison occidental
  • ba: bachkir
  • be: biélorusse
  • tt: tatar
  • ia: interlingua
  • mhr: mari des prairies
  • tok: toki pona
messagesarray[object]OuiLa liste des messages. Elle contient l'audio à reconnaître et le contexte de conversation facultatif pour améliorer la reconnaissance.Consultez les descriptions suivantes.
paramètres de messages :
Le contexte améliore la précision de la reconnaissance des termes spécialisés. Pour les instructions d'utilisation, consultez Amélioration du contexte.Les messages de contexte (types input_text et text ) sont limités à cinq chacun. Si la limite est dépassée, seuls les cinq messages les plus récents sont conservés. La longueur totale du texte de contexte par tour (la somme des longueurs des champs user et assistant text ) ne doit pas dépasser 400 caractères. Chaque caractère compte pour un. Les caractères excédentaires sont tronqués à partir de la fin.
Lorsque le contexte est inclus, les messages messages doivent suivre un ordre spécifique. Organisez les messages de contexte par tour de conversation. Dans chaque tour, user (type input_text ) doit précéder le assistant correspondant (type text ). Le message input_audio user contenant l'audio d'entrée doit être placé à la fin de messages .
ParamètreTypeObligatoireDescription
rolestringOuiLe rôle du message. Valeurs valides :
  • user (requis) : un message utilisateur. Lorsque le type est input_audio, il représente l'audio à reconnaître. Lorsque le type est input_text, il représente les résultats de reconnaissance des tours précédents ou un vocabulaire spécifique à un domaine (contexte facultatif).
  • assistant (contexte facultatif) : Réponses du grand modèle de langage des tours précédents.
contentarray[object]OuiLa liste du contenu des messages. Consultez les descriptions suivantes.
paramètres de content :
ParamètreTypeObligatoireDescription
typestringOuiLe type de contenu. Chaque requête nécessite au moins un input_audio message. Valeurs valides :
  • input_audio (requis) : L'entrée audio à reconnaître (le rôle est user). Vous devez également fournir l'objet input_audio.
  • input_text (contexte facultatif) : Résultats de reconnaissance de la parole de l'utilisateur des tours précédents ou vocabulaire spécifique à un domaine (le rôle est user). Vous devez également fournir le champ text.
  • text (contexte facultatif) : Réponses du grand modèle de langage des tours précédents (le rôle est assistant). Vous devez également fournir le champ text.
input_audioobjectNonRequis lorsque type est input_audio.
input_audio.datastringOuiLes 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 :
  • URL du fichier audio : Transmettez une URL de fichier audio accessible publiquement.
  • URI de données Base64 : Transmettez l'audio encodé en Base64 sous forme d'URI de données. Concaténez le préfixe data:{MIME_TYPE};base64, avec les données audio encodées en Base64. Les types MIME pris en charge incluent audio/wav, audio/mp3.
Exemple (URL) : https://example.com/audio/sample.wavExemple (Base64) : data:audio/wav;base64,{BASE64_ENCODED_DATA}
textstringNonRequis 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

NeoNui

nui_initialize

Initialisez l'instance du SDK de reconnaissance vocale. Le SDK utilise un singleton. Ne l'initialisez pas à nouveau avant d'appeler nui_release . Signature de la méthode
- (NuiResultCode) nui_initialize:(const char *)parameters
                       logLevel:(NuiSdkLogLevel)level
                        saveLog:(BOOL)save_log;
Paramètres
ParamètreTypeDescription
parameterschar*Une chaîne JSON contenant les paramètres d'authentification, de connexion et de débogage. Consultez les paramètres de connexion et de contrôle.
levelNuiSdkLogLevelLe niveau des journaux imprimés par le SDK.
save_logBOOLIndique s'il faut enregistrer les journaux localement. Si défini sur YES, 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.

nui_set_params

Utiliser cette méthode pour définir ou mettre à jour nls_config séparément. Il n'est pas nécessaire d'appeler cette méthode si tous les paramètres sont fournis dans nui_file_trans_start en un seul appel. Signature de la méthode
- (NuiResultCode) nui_set_params:(const char *)params;
Paramètres
ParamètreTypeDescription
paramschar*Paramètres de reconnaissance dans nls_config et paramètres de messages.Exemple :
{
  "messages": [
    {
      "content": [
        {
          "input_audio": {
            "data": "{YOUR_AUDIO_URL}"
          },
          "type": "input_audio"
        }
      ],
      "role": "user"
    }
  ],
  "nls_config": {
    "format": "mp3",
    "model": "qwen-audio-3.0-asr-flash"
  }
}

nui_file_trans_start

Démarrer la reconnaissance. Signature de la méthode
- (NuiResultCode) nui_file_trans_start:(const char *)params
                             taskId:(char *)task_id;
Paramètres
ParamètreTypeDescription
paramschar*Paramètres de reconnaissance. Exemple :
{
  "messages": [
    {
      "role": "user",
      "content": [
        {
          "type": "input_audio",
          "input_audio": {
            "data": "{YOUR_AUDIO_URL}"
          }
        }
      ]
    }
  ],
  "nls_config": {
    "format": "mp3",
    "model": "qwen-audio-3.0-asr-flash"
  }
}
task_idchar*Vous pouvez ignorer ce paramètre et transmettre null.

nui_file_trans_query

Cette fonctionnalité de reconnaissance vocale non temps réel ne prend en charge que les requêtes synchrones. Vous pouvez ignorer cette méthode. Signature de la méthode
- (NuiResultCode) nui_file_trans_query:(const char *)task_id;
Paramètres
ParamètreTypeDescription
task_idchar*L'identifiant de la tâche à interroger, obtenu à partir de EVENT_FILE_TRANS_UPLOADED.

nui_file_trans_cancel

Annuler immédiatement la tâche en cours. Signature de la méthode
- (NuiResultCode) nui_file_trans_cancel:(const char *)task_id;
Paramètres
ParamètreTypeDescription
task_idchar*L'identifiant de la tâche à annuler, obtenu à partir de EVENT_FILE_TRANS_UPLOADED.

nui_release

Libérer toutes les ressources internes du SDK et arrêter de force toutes les tâches en cours. Après cet appel, l'instance du SDK devient indisponible. Pour la réutiliser, appeler nui_initialize pour l'initialiser à nouveau. Signature de la méthode
- (NuiResultCode) nui_release;

nui_get_version

Obtenir la version actuelle du SDK. Signature de la méthode
- (const char*) nui_get_version;
Valeur de retour La version actuelle du SDK.

NeoNuiSdkDelegate : Rappels

onFileTransEventCallback : Écouter les événements et les résultats de reconnaissance

Signature de la méthode
- (void) onFileTransEventCallback:(NuiCallbackEvent)nuiEvent
                       asrResult:(const char *)asr_result
                          taskId:(const char *)task_id
                        ifFinish:(BOOL)finish
                         retCode:(int)code;
Paramètres
ParamètreTypeDescription
nuiEventNuiCallbackEventL'événement de rappel.
asr_resultchar*Le résultat de la reconnaissance vocale.
task_idchar*L'ID de la tâche.
finishBOOLIndique si la reconnaissance pour ce tour est terminée.
codeintValide uniquement lorsque l’événement EVENT_ASR_ERROR se produit.

onFileTransLogTrackCallback : Écouter les journaux de suivi

Ce rappel reçoit les journaux internes détaillés du SDK pour le dépannage et le débogage.
- (void)onFileTransLogTrackCallback:(NuiSdkLogLevel)level
                        logMessage:(const char *)log;

NuiCallbackEvent : Types d'événements

ÉvénementDescription
EVENT_FILE_TRANS_CONNECTEDConnexion au service réussie.
EVENT_FILE_TRANS_UPLOADEDLe fichier audio a été téléchargé avec succès. Vous pouvez obtenir le task_id actuel à ce stade.
EVENT_FILE_TRANS_RESULTLe résultat final de la reconnaissance.
EVENT_ASR_ERRORUne erreur s'est produite lors de la reconnaissance vocale.