Prérequis
- Obtenez et configurez une clé API. Ne codez pas en dur de clé API de longue durée dans votre application mobile. Nous vous recommandons de générer une clé API temporaire sur votre serveur d’application et de la transmettre au client.
Installer le SDK
- Télécharger le dernier package SDK.
- Extrayez le package ZIP. Le SDK au format AAR se trouve dans le répertoire
app/libs. Ajoutez-le aux dépendances de votre projet. Pour l'intégration C++ Android, utilisezandroid_libsetandroid_includedu package ZIP pour obtenir les bibliothèques dynamiques et les fichiers d'en-tête.
Démarrage rapide
Ouvrez le projet dans Android Studio. L'exemple de code se trouve dans DashFunAsrSpeechTranscriberActivity.java. Remplacez la clé API pour tester la fonctionnalité.
Paramètres de requête
Qwen-Audio-ASR-Streaming
Référence commune
Paramètres de reconnaissance vocale
Pour configurer ces paramètres, passez une chaîne JSON dans l'argument params de la méthode setParams.
- Exemple : Voici un exemple de chaîne JSON. Tous les paramètres ne sont pas listés. Ajoutez-en d'autres selon vos besoins lors de l'écriture de votre code :
-
Paramètres
Paramètre de niveau supérieur Type Obligatoire Description service_typeintOui Le type de service vocal. Fixé à 4pour la reconnaissance vocale en temps réel.nls_configobjectOui L'objet de configuration principal pour la reconnaissance vocale. Il contient des paramètres clés tels que la sélection du modèle et les contrôles de qualité de reconnaissance. nls_config.modelstringOui Le modèle utilisé dans l'exemple. Pour les informations sur les modèles, voir Modèles et régions pris en charge. nls_config.sr_formatstringOui Le format audio.Valeurs valides : pcmopus
nls_config.sample_rateintOui Le taux d’échantillonnage en Hz. Tous les taux sont pris en charge. nls_config.keep_dialectbooleanNon Spécifie si les expressions dialectales doivent être conservées. Par défaut : false. Définissez ce paramètre surfalsepour transcrire la parole dialectale en texte mandarin standard, ou surtruepour conserver les expressions dialectales.S’applique àqwen-audio-3.1-asr-flash-streaming.nls_config.vad_modelstringNon Le modèle VAD. Par défaut : far_field_meeting_16k.near_meeting_16k: scénarios en champ proche.far_field_meeting_16k: scénarios en champ lointain.
S’applique àqwen-audio-3.1-asr-flash-streaming.nls_config.max_sentence_silenceintNon Le seuil de silence VAD pour la segmentation, en ms. Lorsque le silence suivant un segment de parole dépasse ce seuil, le système détermine que la phrase est terminée.Valeur par défaut : 800.Valeurs valides : [200, 6000]. nls_config.multi_threshold_mode_enabledbooleanNon Indique s'il faut activer le mode multi-seuil. Lorsqu'il est activé, cela empêche les segments VAD de devenir trop longs.Valeur par défaut : false. nls_config.heartbeatbooleanNon Indique s'il faut activer les paquets de battement de cœur.Valeur par défaut : false. - true : Maintient la connexion au serveur active même lorsque de l'audio silencieux est envoyé en continu.
- false (par défaut) : Même lorsque de l'audio silencieux est envoyé en continu, la connexion expire et se ferme après un certain temps.
nls_config.vocabulary_idstringNon L'identifiant d'une liste de mots-clés précompilée.Générez cet ID à l'avance en appelant l'API de création de liste de mots chauds. Transmettez l'ID lors de la reconnaissance pour utiliser les mots chauds de la liste.Convient aux scénarios où le vocabulaire est connu et relativement stable, et où vous devez réutiliser la même liste de mots entre les requêtes.Pour plus de détails sur l'utilisation, voir Mots chauds précompilés. nls_config.instant_vocabularyobjectNon Mots-clés instantanés.Transmis sous forme de paires clé-valeur, où la clé est le texte du mot chaud ( string) et la valeur est le poids du mot chaud (integer). Aucune liste de mots chauds ne doit être créée à l'avance. Le poids varie de [1, 5] ou est défini sur 50 : une valeur dans [1, 5] rend le modèle plus susceptible de produire le mot à mesure que la valeur augmente ; une valeur de 50 désigne un super mot chaud, ce qui améliore considérablement le rappel, mais le nombre de super mots chauds ne peut pas dépasser 50.Convient à l'optimisation temporaire des mots-clés au niveau de la session.Lorsque des mots chauds instantanés et précompilés sont configurés ensemble, le système fusionne les deux ensembles. Si l'ensemble fusionné contient plus de 2000 mots chauds, le système en sélectionne aléatoirement 2000 à utiliser. Pour plus de détails sur l'utilisation, voir Mots chauds instantanés.nls_config.language_hintsarray[string]Non La langue de l'audio à reconnaître. Il n'y a pas de valeur par défaut ; si elle n'est pas définie, le modèle détecte automatiquement la langue.Vous pouvez définir jusqu’à 4 valeurs. Au-delà, seules les 4 premières prennent effet. Cliquez pour afficher les codes de langue pris en charge
- 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
nls_config.speech_noise_thresholdfloatNon Le seuil pour distinguer la parole du bruit, utilisé pour ajuster la sensibilité de la détection d'activité vocale (VAD).Valeurs valides : [-1.0, 1.0].Descriptions des valeurs : - Plus la valeur est proche de -1 : Le seuil de bruit diminue, donc le bruit est plus susceptible d'être reconnu comme de la parole, ce qui peut entraîner la transcription de davantage de bruit.
- Plus la valeur est proche de +1 : Le seuil de bruit augmente, donc la parole est plus susceptible d'être jugée à tort comme du bruit, ce qui peut entraîner le filtrage de certaines paroles.
- Effectuer des tests et vérifier minutieusement les résultats avant tout ajustement.
- Ajustez par petits incréments en fonction de l'environnement audio réel (un pas de 0.1 est recommandé).
nls_config.special_word_filterobjectNon Spécifie les mots sensibles à traiter lors de la reconnaissance vocale et permet de définir différentes méthodes de traitement pour différents mots sensibles. Pour plus de détails, voir Filtrage des mots sensibles. nls_config.enable_connection_fast_checkbooleanNon Indique s'il faut détecter rapidement les pannes réseau et les signaler dès que possible. Par défaut : false.
Qwen-Audio-ASR-Message
Référence commune
Paramètres de reconnaissance vocale
Pour configurer ces paramètres, passez une chaîne JSON dans l'argument params de la méthode setParams.
- Exemple : Voici un exemple de chaîne JSON. Tous les paramètres ne sont pas listés. Ajoutez-en d'autres selon vos besoins lors de l'écriture de votre code :
-
Paramètres
Paramètre de niveau supérieur Type Obligatoire Description service_typeintOui Le type de service vocal. Fixé à 4pour la reconnaissance vocale en temps réel.nls_configobjectOui L'objet de configuration principal pour la reconnaissance vocale. Il contient des paramètres clés tels que la sélection du modèle et les contrôles de qualité de reconnaissance. nls_config.modelstringOui Le modèle utilisé dans l'exemple. Pour les informations sur les modèles, voir Modèles et régions pris en charge. nls_config.sr_formatstringOui Le format audio.Valeurs valides : pcmopus
nls_config.sample_rateintOui Le taux d’échantillonnage en Hz. Seule la valeur 16000est prise en charge.nls_config.language_hintsarray[string]Non La langue de l'audio à reconnaître. Il n'y a pas de valeur par défaut ; si elle n'est pas définie, le modèle détecte automatiquement la langue.Vous pouvez définir jusqu’à 4 valeurs. Au-delà, seules les 4 premières prennent effet. Ce paramètre s’applique uniquement aux résultats finaux (Cliquez pour afficher les codes de langue pris en charge
- 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
sentence_end=true) et n’est pas pris en charge pour les résultats intermédiaires (sentence_end=false).nls_config.keep_dialectbooleanNon Spécifie si les expressions dialectales doivent être conservées. Par défaut : false. Définissez ce paramètre surfalsepour transcrire la parole dialectale en texte mandarin standard, ou surtruepour conserver les expressions dialectales.Ce paramètre s’applique uniquement aux résultats finaux (sentence_end=true) et n’est pas pris en charge pour les résultats intermédiaires (sentence_end=false).nls_config.vad_modelstringNon Le modèle VAD. Par défaut : far_field_meeting_16k.near_meeting_16k: scénarios en champ proche.far_field_meeting_16k: scénarios en champ lointain.
nls_config.max_sentence_silenceintNon Seuil de silence VAD pour la segmentation, en millisecondes. La phrase est considérée comme terminée si le silence après la parole dépasse ce seuil. Par défaut : 800. Plage valide :[200, 6000].nls_config.heartbeatbooleanNon Indique s'il faut activer les paquets de battement de cœur.Valeur par défaut : false. - true : Maintient la connexion au serveur active même lorsque de l'audio silencieux est envoyé en continu.
- false (par défaut) : Même lorsque de l'audio silencieux est envoyé en continu, la connexion expire et se ferme après un certain temps.
nls_config.disfluency_removal_enabledbooleanNon Pris en charge uniquement par qwen-audio-3.1-asr-flash-message. Indique s'il faut filtrer les mots de remplissage et peaufiner la sortie. La valeur par défaut estfalse. Définissez surtruepour activer cette fonctionnalité.nls_config.intermediate_result_enabledbooleanNon Pris en charge uniquement par qwen-audio-3.1-asr-flash-message. Indique s'il faut retourner les résultats de streaming intermédiaires. La valeur par défaut estfalse. Définissez surtruepour retourner les résultats de streaming intermédiaires.nls_config.vocabulary_idstringNon L'identifiant d'une liste de mots-clés précompilée.Générez cet ID à l'avance en appelant l'API de création de liste de mots chauds. Transmettez l'ID lors de la reconnaissance pour utiliser les mots chauds de la liste.Convient aux scénarios où le vocabulaire est connu et relativement stable, et où vous devez réutiliser la même liste de mots entre les requêtes.Pour plus de détails sur l'utilisation, voir Mots chauds précompilés. nls_config.instant_vocabularyobjectNon Mots-clés instantanés.Transmis sous forme de paires clé-valeur, où la clé est le texte du mot chaud ( string) et la valeur est le poids du mot chaud (integer). Aucune liste de mots chauds ne doit être créée à l'avance. Le poids varie de [1, 5] ou est défini sur 50 : une valeur dans [1, 5] rend le modèle plus susceptible de produire le mot à mesure que la valeur augmente ; une valeur de 50 désigne un super mot chaud, ce qui améliore considérablement le rappel, mais le nombre de super mots chauds ne peut pas dépasser 50.Convient à l'optimisation temporaire des mots-clés au niveau de la session.Lorsque des mots chauds instantanés et précompilés sont configurés ensemble, le système fusionne les deux ensembles. Si l'ensemble fusionné contient plus de 2000 mots chauds, le système en sélectionne aléatoirement 2000 à utiliser. Pour plus de détails sur l'utilisation, voir Mots chauds instantanés.nls_config.speech_noise_thresholdfloatNon Le seuil pour distinguer la parole du bruit, utilisé pour ajuster la sensibilité de la détection d'activité vocale (VAD).Valeurs valides : [-1.0, 1.0].Descriptions des valeurs : - Plus la valeur est proche de -1 : Le seuil de bruit diminue, donc le bruit est plus susceptible d'être reconnu comme de la parole, ce qui peut entraîner la transcription de davantage de bruit.
- Plus la valeur est proche de +1 : Le seuil de bruit augmente, donc la parole est plus susceptible d'être jugée à tort comme du bruit, ce qui peut entraîner le filtrage de certaines paroles.
- Effectuer des tests et vérifier minutieusement les résultats avant tout ajustement.
- Ajustez par petits incréments en fonction de l'environnement audio réel (un pas de 0.1 est recommandé).
nls_config.enable_connection_fast_checkbooleanNon Indique s'il faut détecter rapidement les pannes réseau et les signaler dès que possible. Par défaut : false.
Fun-ASR-Realtime
Référence commune
Paramètres de connexion et de contrôle
Pour configurer ces paramètres, passez une chaîne JSON dans l'argument parameters de la méthode initialize.
- Exemple : Voici un exemple de chaîne JSON. Tous les paramètres ne sont pas listés. Ajoutez-en d'autres selon vos besoins lors de l'écriture de votre code :
-
Paramètres
Paramètre Type Obligatoire Description urlStringOui Adresse du service : wss://dashscope.aliyuncs.com/api-ws/v1/inference- Chine (Pékin) :
wss://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api-ws/v1/inference - Singapour :
wss://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api-ws/v1/inference
{WorkspaceId}par votre véritable ID d'espace de travail.apikeyStringOui La clé API. service_modeStringOui Le mode d'exécution. Fixé à "1"pour la reconnaissance vocale en temps réel.device_idStringOui Une chaîne unique qui identifie l'utilisateur final. Vous pouvez la définir sur un ID utilisateur in-app ou un identifiant d'appareil unique généré par le client. Cet ID est principalement utilisé pour le traçage des journaux et le dépannage. audio_update_manuallyStringNon Indique s'il faut activer la poussée active des données audio. Par défaut : "false".Si défini sur"true"et que la version du SDK prend en charge les capacités de traitement audio sur appareil telles que AEC et VAD, ces capacités sont activées par défaut.workspaceStringNon Le chemin où sont stockés les fichiers de ressources sur appareil. Ce paramètre est requis lorsque audio_update_manuallyest défini sur"true"et qu'une capacité de traitement audio sur appareil telle que AEC ou VAD est activée.debug_pathStringNon Le chemin de stockage des fichiers journaux.Ce paramètre prend effet uniquement lorsque save_logest défini sur true dans la méthodeinitialize. Dans ce cas, vous devez définir le chemin du fichier journal, sinon une erreur se produit.Un maximum de deux fichiers journaux sont conservés localement.save_wavStringNon Indique s'il faut sauvegarder le fichier audio de débogage. Le fichier audio est sauvegardé sous debug_path.Par défaut : "false".Valeurs valides :- "true" : enregistrer le fichier.
- "false" : ne pas enregistrer le fichier.
save_logest défini sur true dans la méthodeinitialize. De plus,debug_pathdoit également être défini.max_log_file_sizeintNon La taille maximale d'un fichier journal, en octets.Ce paramètre prend effet uniquement lorsque save_logest défini sur true dans la méthodeinitialize.Par défaut : 104857600 (100 * 1024 * 1024 octets, soit 100 Mio).log_track_levelintNon Le niveau de filtrage pour le contenu des journaux envoyé via le rappel de journalisation ( onNuiLogTrackCallback).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_leveletlevel(définis via la méthodeinitialize) 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 àlog_track_leveletlevel. Par exemple, silog_track_levelest défini sur 2 (INFO) etlevelsur 3 (WARNING), alors seuls les journaux de niveau WARNING ou supérieur (valeur >= 3) sont envoyés au rappel.enable_reconnectionStringNon Indique s'il faut reprendre la transmission après la reconnexion du réseau. Par défaut : "false".aec_paramsobjectNon L'objet de configuration avancé pour l'annulation d'écho acoustique (AEC) sur appareil. Cet objet prend effet uniquement lorsque audio_update_manuallyest défini sur"true".aec_params.enable_aecbooleanNon Indique s'il faut activer l'AEC sur appareil. Si audio_update_manuallyest défini sur"true"et que la version du SDK prend en charge l'AEC sur appareil, cette capacité est activée par défaut.aec_params.save_audiobooleanNon Indique s'il faut sauvegarder l'audio traité par le module AEC sur appareil. Si save_wavest défini sur"true"et quedebug_pathest spécifié, cette fonctionnalité est activée par défaut et les données audio AEC sont sauvegardées dansdebug_path.aec_params.enable_aec_data_callbackbooleanNon Indique s'il faut retourner les données traitées par AEC à votre application. Par défaut : false. Si activé, recevez les données de l'événement EVENT_AEC_DATAdansonNuiAssistEventCallback.vad_paramsobjectNon L'objet de configuration avancé pour la détection d'activité vocale (VAD) sur appareil. Cet objet prend effet uniquement lorsque audio_update_manuallyest défini sur"true".vad_params.enable_aecbooleanNon Indique s'il faut activer le VAD sur appareil. Si audio_update_manuallyest défini sur"true"et que la version du SDK prend en charge le VAD sur appareil, cette capacité est activée par défaut.vad_params.save_audiobooleanNon Indique s'il faut sauvegarder l'audio traité par le module VAD sur appareil. Si save_wavest défini sur"true"et quedebug_pathest spécifié, cette fonctionnalité est activée par défaut et les données audio VAD sont sauvegardées dansdebug_path.
Paramètres de reconnaissance vocale
Pour configurer ces paramètres, passez une chaîne JSON dans l'argument params de la méthode setParams.
- Exemple : Voici un exemple de chaîne JSON. Tous les paramètres ne sont pas listés. Ajoutez-en d'autres selon vos besoins lors de l'écriture de votre code :
-
Paramètres
Paramètre de niveau supérieur Type Obligatoire Description service_typeintOui Le type de service vocal. Fixé à 4pour la reconnaissance vocale en temps réel.nls_configobjectOui L'objet de configuration principal pour la reconnaissance vocale. Il contient des paramètres clés tels que la sélection du modèle et les contrôles de qualité de reconnaissance. nls_config.modelstringOui Le modèle utilisé dans l'exemple. Pour les informations sur les modèles, voir Modèles et régions pris en charge. nls_config.sr_formatstringOui Le format audio.Valeurs valides : pcmopus
nls_config.sample_rateintOui Le taux d'échantillonnage, en Hz.Valeurs valides : les modèles 8 kHz prennent en charge uniquement 8000 Hz ; les autres modèles prennent en charge n'importe quel taux d'échantillonnage. nls_config.max_sentence_silenceintNon Le seuil de silence VAD pour la segmentation, en ms. Lorsque le silence suivant un segment de parole dépasse ce seuil, le système détermine que la phrase est terminée.Valeur par défaut : 1300.Valeurs valides : [200, 6000]. nls_config.multi_threshold_mode_enabledbooleanNon Indique s'il faut activer le mode multi-seuil. Lorsqu'il est activé, cela empêche les segments VAD de devenir trop longs.Valeur par défaut : false. nls_config.heartbeatbooleanNon Indique s'il faut activer les paquets de battement de cœur.Valeur par défaut : false. - true : Maintient la connexion au serveur active même lorsque de l'audio silencieux est envoyé en continu.
- false (par défaut) : Même lorsque de l'audio silencieux est envoyé en continu, la connexion expire et se ferme après un certain temps.
nls_config.vocabulary_idstringNon L'identifiant d'une liste de mots-clés précompilée.Générez cet ID à l'avance en appelant l'API de création de liste de mots chauds. Transmettez l'ID lors de la reconnaissance pour utiliser les mots chauds de la liste.Convient aux scénarios où le vocabulaire est connu et relativement stable, et où vous devez réutiliser la même liste de mots entre les requêtes.Pour plus de détails sur l'utilisation, voir Mots chauds précompilés. nls_config.language_hintsarray[string]Non La langue de l'audio à reconnaître. Il n'y a pas de valeur par défaut ; si elle n'est pas définie, le modèle détecte automatiquement la langue.Vous pouvez définir une seule valeur. Si vous en définissez plusieurs, seule la première prend effet. Cliquez pour afficher les codes de langue pris en charge
-
fun-asr-realtime:
- 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
-
fun-asr-realtime-2026-02-28:
- zh : Chinois
- en : Anglais
- ja : Japonais
-
fun-asr-flash-8k-realtime, fun-asr-flash-8k-realtime-2026-01-28:
- zh : Chinois
-
fun-asr-mtl-realtime-2025-12-10:
- zh : Chinois
- en : Anglais
- ja : Japonais
- ko : Coréen
- vi : Vietnamien
- id : Indonésien
- th : Thaï
nls_config.speech_noise_thresholdfloatNon Le seuil pour distinguer la parole du bruit, utilisé pour ajuster la sensibilité de la détection d'activité vocale (VAD).Valeurs valides : [-1.0, 1.0].Descriptions des valeurs : - Plus la valeur est proche de -1 : Le seuil de bruit diminue, donc le bruit est plus susceptible d'être reconnu comme de la parole, ce qui peut entraîner la transcription de davantage de bruit.
- Plus la valeur est proche de +1 : Le seuil de bruit augmente, donc la parole est plus susceptible d'être jugée à tort comme du bruit, ce qui peut entraîner le filtrage de certaines paroles.
- Effectuer des tests et vérifier minutieusement les résultats avant tout ajustement.
- Ajustez par petits incréments en fonction de l'environnement audio réel (un pas de 0.1 est recommandé).
nls_config.special_word_filterobjectNon Spécifie les mots sensibles à traiter lors de la reconnaissance vocale et permet de définir différentes méthodes de traitement pour différents mots sensibles. Pour plus de détails, voir Filtrage des mots sensibles. nls_config.enable_connection_fast_checkbooleanNon Indique s'il faut détecter rapidement les pannes réseau et les signaler dès que possible. Par défaut : false.
Référence de l’API
Interfaces communes
Procédure d'appel
- Initialiser le SDK.
- Définissez les paramètres pour votre cas d'utilisation. Utilisez l'argument
parametersde la méthodeinitializepour définir les Paramètres de connexion et de contrôle, et utilisez la méthodesetParamspour définir les Paramètres de reconnaissance vocale. - Appelez
startDialogpour démarrer la reconnaissance. - Dans le rappel
onNuiAudioStateChanged, démarrez le périphérique d'enregistrement en fonction de l'état audio. - Fournissez continuellement des données d'enregistrement dans le rappel
onNuiNeedAudioData, ou envoyez activement des données d'enregistrement en appelantupdateAudio. - Dans le rappel
onNuiEventCallback, écoutez les événements et obtenez les résultats de la reconnaissance vocale. - Appelez
stopDialogpour arrêter la reconnaissance, et écoutez l'événement EVENT_TRANSCRIBER_COMPLETE pour confirmer que la reconnaissance est terminée. - Lorsque vous n'avez plus besoin de la reconnaissance, appelez
releasepour libérer les ressources du SDK.
stopDialog
Termine la reconnaissance. Après avoir appelé cette méthode, le serveur retourne le résultat final de reconnaissance et termine la tâche.
- Signature de la méthode
- Valeur de retour
cancelDialog
Arrête la reconnaissance immédiatement. Après avoir appelé cette méthode, la tâche se termine aussitôt sans attendre que le serveur retourne le résultat final de reconnaissance.
- Signature de la méthode
- Valeur de retour
release
Libère toutes les ressources internes du SDK. Après avoir appelé cette méthode, l'instance SDK devient indisponible. Pour l'utiliser à nouveau, vous devez la réinitialiser en appelant initialize.
- Signature de la méthode
- Valeur de retour
GetVersion
Obtient les informations de version actuelle du SDK.
- Signature de la méthode
- Valeur de retour Les informations de version actuelle du SDK.
onNuiLogTrackCallback : écouter les journaux de trace
Ce rappel reçoit les journaux internes détaillés du SDK pour aider au dépannage et au débogage.
Qwen-Audio-ASR-Streaming / Qwen-Audio-ASR-Message
Paramètres de connexion et de contrôle
Pour configurer ces paramètres, passez une chaîne JSON dans l'argument parameters de la méthode initialize.
- Exemple : Voici un exemple de chaîne JSON. Tous les paramètres ne sont pas listés. Ajoutez-en d'autres selon vos besoins lors de l'écriture de votre code :
-
Paramètres
Paramètre Type Obligatoire Description urlStringOui Adresse du service : wss://dashscope.aliyuncs.com/api-ws/v1/inference- Chine (Pékin) :
wss://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api-ws/v1/inference - Singapour :
wss://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api-ws/v1/inference
{WorkspaceId}par votre véritable ID d'espace de travail.apikeyStringOui La clé API. service_modeStringOui Le mode d'exécution. Fixé à "1"pour la reconnaissance vocale en temps réel.device_idStringOui Une chaîne unique qui identifie l'utilisateur final. Vous pouvez la définir sur un ID utilisateur in-app ou un identifiant d'appareil unique généré par le client. Cet ID est principalement utilisé pour le traçage des journaux et le dépannage. audio_update_manuallyStringNon Indique s'il faut activer la poussée active des données audio. Par défaut : "false".Si défini sur"true"et que la version du SDK prend en charge les capacités de traitement audio sur appareil telles que AEC et VAD, ces capacités sont activées par défaut.workspaceStringNon Le chemin où sont stockés les fichiers de ressources sur appareil. Ce paramètre est requis lorsque audio_update_manuallyest défini sur"true"et qu'une capacité de traitement audio sur appareil telle que AEC ou VAD est activée.debug_pathStringNon Le chemin de stockage des fichiers journaux.Ce paramètre prend effet uniquement lorsque save_logest défini sur true dans la méthodeinitialize. Dans ce cas, vous devez définir le chemin du fichier journal, sinon une erreur se produit.Un maximum de deux fichiers journaux sont conservés localement.save_wavStringNon Indique s'il faut sauvegarder le fichier audio de débogage. Le fichier audio est sauvegardé sous debug_path.Par défaut : "false".Valeurs valides :- "true" : enregistrer le fichier.
- "false" : ne pas enregistrer le fichier.
save_logest défini sur true dans la méthodeinitialize. De plus,debug_pathdoit également être défini.max_log_file_sizeintNon La taille maximale d'un fichier journal, en octets.Ce paramètre prend effet uniquement lorsque save_logest défini sur true dans la méthodeinitialize.Par défaut : 104857600 (100 * 1024 * 1024 octets, soit 100 Mio).log_track_levelintNon Le niveau de filtrage pour le contenu des journaux envoyé via le rappel de journalisation ( onNuiLogTrackCallback).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_leveletlevel(définis via la méthodeinitialize) 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 àlog_track_leveletlevel. Par exemple, silog_track_levelest défini sur 2 (INFO) etlevelsur 3 (WARNING), alors seuls les journaux de niveau WARNING ou supérieur (valeur >= 3) sont envoyés au rappel.enable_reconnectionStringNon Indique s'il faut reprendre la transmission après la reconnexion du réseau. Par défaut : "false".aec_paramsobjectNon L'objet de configuration avancé pour l'annulation d'écho acoustique (AEC) sur appareil. Cet objet prend effet uniquement lorsque audio_update_manuallyest défini sur"true".aec_params.enable_aecbooleanNon Indique s'il faut activer l'AEC sur appareil. Si audio_update_manuallyest défini sur"true"et que la version du SDK prend en charge l'AEC sur appareil, cette capacité est activée par défaut.aec_params.save_audiobooleanNon Indique s'il faut sauvegarder l'audio traité par le module AEC sur appareil. Si save_wavest défini sur"true"et quedebug_pathest spécifié, cette fonctionnalité est activée par défaut et les données audio AEC sont sauvegardées dansdebug_path.aec_params.enable_aec_data_callbackbooleanNon Indique s'il faut retourner les données traitées par AEC à votre application. Par défaut : false. Si activé, recevez les données de l'événement EVENT_AEC_DATAdansonNuiAssistEventCallback.vad_paramsobjectNon L'objet de configuration avancé pour la détection d'activité vocale (VAD) sur appareil. Cet objet prend effet uniquement lorsque audio_update_manuallyest défini sur"true".vad_params.enable_aecbooleanNon Indique s'il faut activer le VAD sur appareil. Si audio_update_manuallyest défini sur"true"et que la version du SDK prend en charge le VAD sur appareil, cette capacité est activée par défaut.vad_params.save_audiobooleanNon Indique s'il faut sauvegarder l'audio traité par le module VAD sur appareil. Si save_wavest défini sur"true"et quedebug_pathest spécifié, cette fonctionnalité est activée par défaut et les données audio VAD sont sauvegardées dansdebug_path.
initialize
Initialise une instance SDK de reconnaissance vocale. Le SDK est un singleton. Ne l'initialisez pas plus d'une fois avant d'appeler release.
Cette méthode est bloquante, appelez-la donc sur un thread non UI.
- Signature de la méthode
-
Paramètres
Paramètre Type Description callbackINativeNuiCallbackL'implémentation de l'interface de rappel des événements et des données. parametersStringUne chaîne JSON contenant les paramètres d'authentification, de connexion et de débogage. Voir Paramètres de connexion et de contrôle. levelConstants.LogLevelContrôle le niveau d'impression des propres journaux du SDK. save_logbooleanIndique s'il faut sauvegarder les journaux locaux. Si défini sur true, spécifiez le chemin viadebug_pathdans les Paramètres de connexion et de contrôle, et définissez éventuellement la taille du fichier viamax_log_file_size. - Valeur de retour
setParams
Définit les Paramètres de reconnaissance vocale au format JSON. Appelez cette méthode avant startDialog.
- Signature de la méthode
-
Paramètres
Paramètre Type Description paramsStringParamètres de reconnaissance vocale. - Valeur de retour
startDialog
Démarre la reconnaissance.
- Signature de la méthode
-
Paramètres
Paramètre Type Description vad_modeVadModeLe mode VAD. Fixé à VadMode.TYPE_P2T.dialog_paramsStringSi le paramètre apikeydans Paramètres de connexion et de contrôle utilise une clé API temporaire, vous pouvez la mettre à jour ici lorsqu'elle expire.Pour améliorer la précision de la reconnaissance en utilisant le contexte, mettez à jour le contexte ici.Le contenu est au format JSON : - Valeur de retour
updateAudio
Lorsque audio_update_manually est défini sur "true", appelez cette méthode pour pousser activement les données d'enregistrement au lieu de fournir les données via onNuiNeedAudioData.
- Signature de la méthode
-
Paramètres
Paramètre Type Description databyte[]Les données audio à transmettre. lenintLe nombre d'octets de données audio à transmettre. first_packbooleanIgnorer ce paramètre. - Valeur de retour
updateRefAudio
Lorsque audio_update_manually est défini sur "true" et que l'AEC sur appareil est activé, appelez cette méthode pour pousser l'audio lu par le lecteur comme signal de référence.
- Signature de la méthode
-
Paramètres
Paramètre Type Description databyte[]Les données audio à transmettre. lenintLe nombre d'octets de données audio à transmettre. first_packbooleanIgnorer ce paramètre. - Valeur de retour
onNuiEventCallback : écouter les événements et les résultats de reconnaissance vocale
- Signature de la méthode
-
Paramètres
Paramètre Type Description eventNuiEventL'événement de rappel. resultCodeintValide uniquement lorsque l’événement EVENT_ASR_ERRORse produit.arg2intUn paramètre réservé. asrResultAsrResultLe résultat de la reconnaissance vocale. kwsResultKwsResultLa fonctionnalité de réveil vocal. Vous n'avez pas besoin d'utiliser ce paramètre.
onNuiAudioStateChanged : écouter l'état audio
Le SDK utilise ce rappel pour vous notifier quand démarrer ou arrêter l'enregistrement.
- Signature de la méthode
-
États AudioState
État Description STATE_OPENL'interaction a commencé. Vous pouvez ouvrir le périphérique d'enregistrement et commencer l'enregistrement. STATE_PAUSEL'interaction s'est arrêtée. Vous pouvez arrêter l'enregistrement. STATE_CLOSEL'instance du SDK a été libérée. Vous pouvez fermer complètement le périphérique d'enregistrement.
onNuiNeedAudioData : fournir les données audio à reconnaître
Après le début de la reconnaissance, ce rappel est déclenché en continu. Fournissez les données audio à reconnaître dans ce rappel.
- Signature de la méthode
-
Paramètres
Paramètre Type Description bufferbyte[]Les données audio à remplir. lenintLe nombre d'octets de données audio à remplir. - Valeur de retour Le nombre d'octets effectivement remplis.
onNuiAssistEventCallback : recevoir les événements et données auxiliaires
Ce rappel reçoit les événements auxiliaires et les données associées du SDK.
- Signature de la méthode
-
Paramètres
Paramètre Type Description eventintUn événement NuiEvent.infoStringIgnorer ce paramètre. info_lenintIgnorer ce paramètre. databyte[]Données auxiliaires, telles que les données audio traitées par l'AEC.
NuiEvent : types d'événements
| Événement | Description |
|---|---|
EVENT_TRANSCRIBER_STARTED | La tâche a démarré avec succès. |
EVENT_VAD_START | Déclenché juste après le début de la tâche. Cela ne signifie pas que le début de la parole est détecté. |
EVENT_VAD_END | La fin de la parole est détectée. |
EVENT_ASR_PARTIAL_RESULT | Un résultat intermédiaire de reconnaissance vocale. |
EVENT_ASR_WARN | Un avertissement qui n'interrompt pas la reconnaissance vocale s'est produit, comme une panne réseau lorsque la reconnexion est activée. |
EVENT_ASR_ERROR | Une erreur s'est produite lors de la reconnaissance vocale. |
EVENT_MIC_ERROR | Déclenché lorsqu'aucune donnée audio n'est reçue pendant 2 secondes consécutives. |
EVENT_SENTENCE_END | La fin d'une phrase est détectée. Un résultat de reconnaissance complet pour la phrase est retourné. |
EVENT_TRANSCRIBER_COMPLETE | La reconnaissance vocale est terminée. |
EVENT_AEC_DATA | Données audio traitées par l'AEC. |
Qwen-Audio-ASR-Streaming
Interfaces clés
NativeNui
updateAction
Envoie une action d'exécution pour informer l'AEC sur appareil de l'état de lecture.- Signature de la méthode
-
Paramètres
Paramètre Type Description paramsStringUne chaîne JSON contenant l'action d'exécution. params.typeStringDéfinir sur "action".params.commandStringplay_start: Lorsque l'AEC sur appareil est utilisé, informe le SDK que le lecteur a commencé à lire l'audio.play_over: Lorsque l'AEC sur appareil est utilisé, informe le SDK que le lecteur a terminé la lecture de l'audio. - Valeur de retour
INativeNuiCallback : rappels d'écoute
- onNuiEventCallback : écouter les événements et les résultats de reconnaissance vocale
- onNuiAudioStateChanged : écouter l'état audio
- onNuiNeedAudioData : fournir les données audio à reconnaître
- onNuiAssistEventCallback : recevoir les événements et données auxiliaires
- onNuiLogTrackCallback : écouter les journaux de trace
Qwen-Audio-ASR-Message
Interfaces clés
NativeNui
updateAction
Envoie une commande d'action pendant une interaction pour mettre à jour le comportement d'exécution, tel que le contexte de reconnaissance.- Signature de la méthode
-
Paramètres
Paramètre Type Description paramsStringUne chaîne JSON utilisée pour mettre à jour le comportement d'exécution, tel que le contexte de reconnaissance. params.typeStringDéfinir sur "action".params.commandStringLa commande d'exécution. Valeurs valides : context: Met à jour immédiatement le contexte pour améliorer la précision de la reconnaissance.play_start: Lorsque l'AEC sur appareil est utilisé, notifie au SDK que le lecteur a commencé à lire l'audio.play_over: Lorsque l'AEC sur appareil est utilisé, notifie au SDK que le lecteur a terminé la lecture de l'audio.
params.contextStringLorsque commandest défini surcontext, met à jour immédiatement le contexte pour améliorer la précision de la reconnaissance. La valeur est une chaîne JSON, comme illustré dans l'exemple suivant.
- Valeur de retour
INativeNuiCallback : rappels d'écoute
- onNuiEventCallback : écouter les événements et les résultats de reconnaissance vocale
- onNuiAudioStateChanged : écouter l'état audio
- onNuiNeedAudioData : fournir les données audio à reconnaître
- onNuiAssistEventCallback : recevoir les événements et données auxiliaires
- onNuiLogTrackCallback : écouter les journaux de trace
Fun-ASR-Realtime
Interfaces clés
NativeNui
initialize
Initialise une instance SDK de reconnaissance vocale. Le SDK est un singleton. Ne l'initialisez pas plus d'une fois avant d'appelerrelease.
Cette méthode est bloquante, appelez-la donc sur un thread non UI.
- Signature de la méthode
-
Paramètres
Paramètre Type Description callbackINativeNuiCallbackL'implémentation de l'interface de rappel des événements et des données. parametersStringUne chaîne JSON contenant les paramètres d'authentification, de connexion et de débogage. Voir Paramètres de connexion et de contrôle. levelConstants.LogLevelContrôle le niveau d'impression des propres journaux du SDK. save_logbooleanIndique s'il faut sauvegarder les journaux locaux. Si défini sur true, spécifiez le chemin viadebug_pathdans les Paramètres de connexion et de contrôle, et définissez éventuellement la taille du fichier viamax_log_file_size. - Valeur de retour
setParams
Définit les Paramètres de reconnaissance vocale au format JSON. Appelez cette méthode avantstartDialog.
- Signature de la méthode
-
Paramètres
Paramètre Type Description paramsStringParamètres de reconnaissance vocale. - Valeur de retour
startDialog
Démarre la reconnaissance.- Signature de la méthode
-
Paramètres
Paramètre Type Description vad_modeVadModeLe mode VAD. Fixé à VadMode.TYPE_P2T.dialog_paramsStringSi le paramètre apikeydans Paramètres de connexion et de contrôle utilise une clé API temporaire, vous pouvez la mettre à jour ici lorsqu'elle expire.Pour améliorer la précision de la reconnaissance en utilisant le contexte, mettez à jour le contexte ici.Le contenu est au format JSON : - Valeur de retour
updateAction
Envoie une action d'exécution pour informer l'AEC sur appareil de l'état de lecture.- Signature de la méthode
-
Paramètres
Paramètre Type Description paramsStringUne chaîne JSON contenant l'action d'exécution. params.typeStringDéfinir sur "action".params.commandStringplay_start: Lorsque l'AEC sur appareil est utilisé, informe le SDK que le lecteur a commencé à lire l'audio.play_over: Lorsque l'AEC sur appareil est utilisé, informe le SDK que le lecteur a terminé la lecture de l'audio. - Valeur de retour
updateAudio
Lorsqueaudio_update_manually est défini sur "true", appelez cette méthode pour pousser activement les données d'enregistrement au lieu de fournir les données via onNuiNeedAudioData.
- Signature de la méthode
-
Paramètres
Paramètre Type Description databyte[]Les données audio à transmettre. lenintLe nombre d'octets de données audio à transmettre. first_packbooleanIgnorer ce paramètre. - Valeur de retour
updateRefAudio
Lorsqueaudio_update_manually est défini sur "true" et que l'AEC sur appareil est activé, appelez cette méthode pour pousser l'audio lu par le lecteur comme signal de référence.
- Signature de la méthode
-
Paramètres
Paramètre Type Description databyte[]Les données audio à transmettre. lenintLe nombre d'octets de données audio à transmettre. first_packbooleanIgnorer ce paramètre. - Valeur de retour
INativeNuiCallback : rappels d'écoute
onNuiEventCallback : écouter les événements et les résultats de reconnaissance vocale
- Signature de la méthode
-
Paramètres
Paramètre Type Description eventNuiEventL'événement de rappel. resultCodeintValide uniquement lorsque l’événement EVENT_ASR_ERRORse produit.arg2intUn paramètre réservé. asrResultAsrResultLe résultat de la reconnaissance vocale. kwsResultKwsResultLa fonctionnalité de réveil vocal. Vous n'avez pas besoin d'utiliser ce paramètre.
onNuiAudioStateChanged : écouter l'état audio
Le SDK utilise ce rappel pour vous notifier quand démarrer ou arrêter l'enregistrement.- Signature de la méthode
-
États AudioState
État Description STATE_OPENL'interaction a commencé. Vous pouvez ouvrir le périphérique d'enregistrement et commencer l'enregistrement. STATE_PAUSEL'interaction s'est arrêtée. Vous pouvez arrêter l'enregistrement. STATE_CLOSEL'instance du SDK a été libérée. Vous pouvez fermer complètement le périphérique d'enregistrement.
onNuiNeedAudioData : fournir les données audio à reconnaître
Après le début de la reconnaissance, ce rappel est déclenché en continu. Fournissez les données audio à reconnaître dans ce rappel.- Signature de la méthode
-
Paramètres
Paramètre Type Description bufferbyte[]Les données audio à remplir. lenintLe nombre d'octets de données audio à remplir. - Valeur de retour Le nombre d'octets effectivement remplis.
onNuiAssistEventCallback : recevoir les événements et données auxiliaires
Ce rappel reçoit les événements auxiliaires et les données associées du SDK.- Signature de la méthode
-
Paramètres
Paramètre Type Description eventintUn événement NuiEvent.infoStringIgnorer ce paramètre. info_lenintIgnorer ce paramètre. databyte[]Données auxiliaires, telles que les données audio traitées par l'AEC.
NuiEvent : types d'événements
| Événement | Description |
|---|---|
EVENT_TRANSCRIBER_STARTED | La tâche a démarré avec succès. |
EVENT_VAD_START | Déclenché juste après le début de la tâche. Cela ne signifie pas que le début de la parole est détecté. |
EVENT_VAD_END | La fin de la parole est détectée. |
EVENT_ASR_PARTIAL_RESULT | Un résultat intermédiaire de reconnaissance vocale. |
EVENT_ASR_WARN | Un avertissement qui n'interrompt pas la reconnaissance vocale s'est produit, comme une panne réseau lorsque la reconnexion est activée. |
EVENT_ASR_ERROR | Une erreur s'est produite lors de la reconnaissance vocale. |
EVENT_MIC_ERROR | Déclenché lorsqu'aucune donnée audio n'est reçue pendant 2 secondes consécutives. |
EVENT_SENTENCE_END | La fin d'une phrase est détectée. Un résultat de reconnaissance complet pour la phrase est retourné. |
EVENT_TRANSCRIBER_COMPLETE | La reconnaissance vocale est terminée. |
EVENT_AEC_DATA | Données audio traitées par l'AEC. |