Skip to main content

Qwen-Audio-ASR Node.js SDK

Prérequis

Obtenez une clé API dans la console et définissez-la dans la variable d’environnement DASHSCOPE_API_KEY.

Installer le SDK

Nécessite Node.js 18 ou ultérieur. Téléchargez le SDK 0.1.0, puis exécutez dans votre projet :
npm install ./dashscope-sdk-nodejs-0.1.0.tgz

Démarrage rapide

Utilisez les mêmes exemples pour les modèles ci-dessous. Remplacez l’ID de modèle à l’aide de ce tableau.
ModèleID de modèle dans l’exemple
Qwen-Audio-ASR-Streamingqwen-audio-3.1-asr-flash-streaming
Qwen-Audio-ASR-Messageqwen-audio-3.1-asr-flash-message
Téléchargez l’audio d’exemple sous input.mp3 et convertissez-le en PCM mono 16 kHz, 16 bits :
ffmpeg -i input.mp3 -f s16le -ac 1 -ar 16000 input.pcm
Enregistrez l’exemple dans example.mjs, puis exécutez node example.mjs.
import { readFile } from 'node:fs/promises'
import { setTimeout as sleep } from 'node:timers/promises'
import { RecognitionClient } from 'dashscope-sdk-nodejs/asr'

const pcm = await readFile('input.pcm')
const asr = new RecognitionClient({
  apiKey: process.env.DASHSCOPE_API_KEY,
  workspaceId: process.env.DASHSCOPE_WORKSPACE_ID,
  baseUrl: 'dashscope-intl.aliyuncs.com',
  model: 'qwen-audio-3.1-asr-flash-streaming',
  format: 'pcm',
  sampleRate: 16000,
})
asr.on('sentenceEnd', sentence => console.log('Final sentence:', sentence.text))
asr.on('error', err => console.error(err.code, err.message))

try {
  await asr.start()
  for (let offset = 0; offset < pcm.length; offset += 3200) {
    asr.sendAudio(pcm.subarray(offset, offset + 3200))
    await sleep(100)
  }
  await asr.finish()
} finally {
  asr.close()
}

Paramètres de requête

Qwen-Audio-ASR-Streaming

Référence commune Options du constructeur de RecognitionClient :
ParamètreTypeObligatoireDescription
apiKeystringNonClé API. Utilise DASHSCOPE_API_KEY par défaut.
workspaceIdstringNonID de l’espace de travail. Utilise DASHSCOPE_WORKSPACE_ID par défaut.
baseUrlstringNonDéfinissez l’hôte sur dashscope-intl.aliyuncs.com (Singapour).
modelstringNonID du modèle. Par défaut : qwen-audio-3.1-asr-flash-streaming.
format'pcm' | 'wav' | 'mp3' | 'opus' | 'speex' | 'aac' | 'amr'NonFormat audio. Par défaut : pcm. WAV utilise PCM, Opus/Speex des conteneurs Ogg et AMR utilise AMR-NB.
sampleRatenumberNonFréquence d’échantillonnage réelle en Hz. Par défaut : 16000.
vocabularyIdstringNonID du vocabulaire précompilé.
languageHintsstring[]NonIndications de langue de reconnaissance. Les 4 premières valeurs au plus sont prises en compte. Détection automatique si omises.
multiThresholdModeEnabledbooleanNonMode multiseuil pour éviter les segments VAD trop longs. Par défaut : false.
maxSentenceSilencenumberNonSeuil de silence de fin de phrase VAD en ms : [200,6000] ; par défaut : 800.
heartbeatbooleanNonMaintien de connexion silencieuse. Par défaut : false ; continuez à envoyer de l’audio silencieux si activé.
contextAsrContextMessage[]NonContexte de reconnaissance. Format : { role, content: [{ type: "input_text", text }] }, avec role valant user ou assistant. Au plus 5 messages par rôle et moins de 400 caractères au total, dans l’ordre des tours.
parametersPartial<RecognitionParameters>NonParamètres supplémentaires, tels que vad_model, keep_dialect et vocabulary.
connectTimeoutMsnumberNonDélai de connexion en ms. Par défaut : 10000.
taskTimeoutMsnumberNonDélai de confirmation de début/fin en ms. Par défaut : 60000 ; 0 le désactive.
parameters.vad_model'near_meeting_16k' | 'far_field_meeting_16k'NonVAD de champ proche ou lointain. Par défaut : far_field_meeting_16k.
parameters.keep_dialectbooleanNonConserve les expressions dialectales. Par défaut : false.
parameters.vocabularyRecord<string, number>NonVocabulaire instantané : mots en clés, poids dans [1,5] ou 50 en valeurs.
parameters.speech_noise_thresholdnumberNonSeuil de sensibilité VAD : [-1,1].

Qwen-Audio-ASR-Message

Référence commune Options du constructeur de RecognitionClient :
ParamètreTypeObligatoireDescription
apiKeystringNonClé API. Utilise DASHSCOPE_API_KEY par défaut.
workspaceIdstringNonID de l’espace de travail. Utilise DASHSCOPE_WORKSPACE_ID par défaut.
baseUrlstringNonDéfinissez l’hôte sur dashscope-intl.aliyuncs.com (Singapour).
modelstringOuiDéfinissez l’ID sur qwen-audio-3.1-asr-flash-message.
format'pcm' | 'wav' | 'mp3' | 'opus' | 'speex' | 'aac' | 'amr'NonFormat audio. Par défaut : pcm. WAV utilise PCM, Opus/Speex des conteneurs Ogg et AMR utilise AMR-NB.
sampleRatenumberNonFréquence d’échantillonnage audio. Utilisez 16000 Hz.
vocabularyIdstringNonID du vocabulaire précompilé.
languageHintsstring[]NonIndications de langue de reconnaissance. Les 4 premières valeurs au plus sont prises en compte. Détection automatique si omises.
disfluencyRemovalEnabledbooleanNonSupprime les disfluences et améliore le texte. Par défaut : false.
maxSentenceSilencenumberNonSeuil de silence de fin de phrase VAD en ms : [200,6000] ; par défaut : 800.
heartbeatbooleanNonMaintien de connexion silencieuse. Par défaut : false ; continuez à envoyer de l’audio silencieux si activé.
contextAsrContextMessage[]NonContexte de reconnaissance. Format : { role, content: [{ type: "input_text", text }] }, avec role valant user ou assistant. Au plus 5 messages par rôle et moins de 400 caractères au total, dans l’ordre des tours.
parametersPartial<RecognitionParameters>NonParamètres supplémentaires, tels que vad_model, keep_dialect et vocabulary.
connectTimeoutMsnumberNonDélai de connexion en ms. Par défaut : 10000.
taskTimeoutMsnumberNonDélai de confirmation de début/fin en ms. Par défaut : 60000 ; 0 le désactive.
parameters.vad_model'near_meeting_16k' | 'far_field_meeting_16k'NonVAD de champ proche ou lointain. Par défaut : far_field_meeting_16k.
parameters.keep_dialectbooleanNonConserve les expressions dialectales. Par défaut : false.
parameters.vocabularyRecord<string, number>NonVocabulaire instantané : mots en clés, poids dans [1,5] ou 50 en valeurs.
parameters.speech_noise_thresholdnumberNonSeuil de sensibilité VAD : [-1,1].
parameters.intermediate_result_enabledbooleanNonRenvoie les résultats intermédiaires. Par défaut : false.

Référence de l’API

Qwen-Audio-ASR-Streaming

Méthodes principales

MéthodeValeur de retourDescription
start()Promise<void>Démarre la reconnaissance ; envoyez l’audio après résolution.
sendAudio(audio: Buffer | Uint8Array)voidEnvoie les trames audio au format et à l’échantillonnage configurés.
finish()Promise<void>Termine l’entrée et attend la fin. Le texte arrive via les callbacks.
close(code?: number, reason?: string)voidFerme la connexion et libère les ressources de la tâche.

Événements de callback

Enregistrez les callbacks avec on(event, listener). Consultez les champs complets dans les événements serveur.
ÉvénementCharge utileDescription
started{ taskId: string }La tâche a démarré et accepte les entrées.
result{ text: string; sentence_end: boolean; sentence_begin?: boolean; words?: RecognitionWord[] }Phrase intermédiaire ou finale, hors résultats de heartbeat.
sentenceEnd{ text: string; sentence_end: boolean; sentence_begin?: boolean; words?: RecognitionWord[] }Phrase finale avec sentence_end === true.
finished{ taskId: string; duration?: number; usage?: RecognitionUsage }La tâche est terminée et l’état local effacé.
failed / errorDashScopeErrorErreur avec code, message et identifiants de requête.
close{ code: number; reason: string }Notification de fermeture de la connexion sous-jacente.
eventServerEventMessage JSON brut du service.

Qwen-Audio-ASR-Message

Méthodes principales

MéthodeValeur de retourDescription
start()Promise<void>Démarre la reconnaissance ; envoyez l’audio après résolution.
sendAudio(audio: Buffer | Uint8Array)voidEnvoie les trames audio au format et à l’échantillonnage configurés.
updateContext(context: AsrContextMessage[])voidMet à jour le contexte après démarrage et avant la fin de l’entrée.
finish()Promise<void>Termine l’entrée et attend la fin. Le texte arrive via les callbacks.
close(code?: number, reason?: string)voidFerme la connexion et libère les ressources de la tâche.

Événements de callback

Enregistrez les callbacks avec on(event, listener). Consultez les champs complets dans les événements serveur.
ÉvénementCharge utileDescription
started{ taskId: string }La tâche a démarré et accepte les entrées.
result{ text: string; sentence_end: boolean; sentence_begin?: boolean; words?: RecognitionWord[] }Phrase intermédiaire ou finale, hors résultats de heartbeat.
sentenceEnd{ text: string; sentence_end: boolean; sentence_begin?: boolean; words?: RecognitionWord[] }Phrase finale avec sentence_end === true.
finished{ taskId: string; duration?: number; usage?: RecognitionUsage }La tâche est terminée et l’état local effacé.
failed / errorDashScopeErrorErreur avec code, message et identifiants de requête.
close{ code: number; reason: string }Notification de fermeture de la connexion sous-jacente.
eventServerEventMessage JSON brut du service.