Préparez l’audio, réutilisez les connexions, gérez la concurrence Java et les tâches asynchrones, et traitez les erreurs des applications de reconnaissance vocale.
Préparer l’audio d’entrée
Vérifiez le format, la fréquence d’échantillonnage, les canaux et la durée de l’entrée selon les spécifications audio du modèle cible.
- Privilégiez la qualité de capture et réduisez le bruit ambiant et l’écho. Avant d’activer la réduction du bruit ou l’AEC, comparez les résultats avant et après traitement sur un même jeu audio représentatif transcrit manuellement.
- Pour l’audio téléphonique à 8 kHz, choisissez un modèle et une fréquence d’échantillonnage correspondants.
- Choisissez un modèle qui prend en charge la langue et le dialecte de l’audio.
- Si la reconnaissance des termes spécialisés est imprécise, configurez les mots-clés ou l’enrichissement contextuel selon Améliorer la précision de reconnaissance.
Vérifier et traiter l’audio
Vérifier et traiter l’audio
- Vérifier le format audio
- Convertir l’encodage et la fréquence d’échantillonnage
- Découper l’audio
- Extraire l’audio d’une vidéo
Utilisez FFprobe pour vérifier le conteneur, le codec, la fréquence d’échantillonnage et le nombre de canaux :
Choisir une méthode d’entrée de fichier
Les méthodes d’entrée de fichier dépendent de l’API. Par exemple, Qwen-Audio-ASR-Flash accepte les URL de fichiers audio et les URI de données Base64. Encodez l’audio local sous forme d’URI de données Base64 pour le soumettre directement. Pour l’encodage et les exemples d’appel, consultez API HTTP Flash.
Lors de la soumission d’un fichier par URL, assurez-vous que le service peut télécharger l’audio pendant le traitement. Vérifiez les autorisations, l’expiration de l’URL et l’accès depuis le réseau public.
En production, hébergez les fichiers dans un stockage stable tel qu’OSS et soumettez leurs URL. Réutilisez les fichiers déjà transférés lors des traitements par lots. Avant d’utiliser le transfert de fichiers locaux d’un SDK, vérifiez les limites de cette interface. Pour le mécanisme de fichiers temporaires et ses conditions, consultez Obtenir une URL de fichier temporaire.
Gérer les tâches et les connexions en temps réel
Le protocole run-task / finish-task de Qwen-Audio-ASR-Message, Qwen-Audio-ASR-Streaming, Fun-ASR-Realtime et Paraformer permet de réutiliser une connexion de façon séquentielle :
- Envoyez
run-taskavec untask_idunique. Attendeztask-startedavant d’envoyer l’audio. - Après l’envoi audio, envoyez
finish-taskavec le mêmetask_id. - Attendez l’événement serveur
task-finishedpour confirmer la fin. - Démarrez la tâche suivante sur la même connexion avec un nouveau
task_id. N’exécutez pas plusieurs tâches simultanément sur une connexion.
Traiter les connexions inactives ou défaillantes
- La connexion se ferme automatiquement si aucune nouvelle tâche ne démarre pendant environ 60 secondes après la fin. Établissez une nouvelle connexion après une longue période d’inactivité.
- Après un échec, une interruption réseau ou une erreur de protocole, fermez l’ancienne connexion et créez un nouvel objet. Invalidez les objets du pool au lieu de les restituer comme disponibles.
- Fermez le pool et ses connexions à l’arrêt de l’application ou du service de reconnaissance.
Gérer les silences prolongés pendant une tâche
Si une tâche en cours doit recevoir de l’audio silencieux en continu, configurez heartbeat=true selon son API et continuez à transmettre des données silencieuses dans l’encodage requis. Après la fin de la tâche, gérez les connexions inactives selon la section précédente. Consultez les références suivantes pour les paramètres des modèles.
Événements client Message | Événements client Streaming | Événements client Fun-ASR | Événements client Paraformer
Configurer la concurrence Java
Réservez un objet Recognition à chaque tâche en cours et restituez-le uniquement après sa réussite. L’exemple suivant gère ces objets avec Commons Pool 2. Créez le pool une seule fois et réutilisez-le entre les appels.
Ajouter les dépendances
Effectuez d’abord Obtenir une clé API et Installer un SDK. L’exemple complet de cette section nécessite DashScope Java SDK 2.18.0 ou une version ultérieure. Les configurations suivantes utilisent DashScope Java SDK 2.23.2 et Commons Pool 2.12.0 :
- Maven
- Gradle
Distinguer les capacités de connexion, d’objets et de requêtes
Le SDK lit les trois variables d’environnement DASHSCOPE_ suivantes. Définissez-les avant de démarrer le processus. Le code de cet exemple lit RECOGNITION_OBJECTPOOL_SIZE.
| Variable d’environnement | Défaut | Rôle |
|---|---|---|
DASHSCOPE_CONNECTION_POOL_SIZE | 32 | Connexions HTTP inactives conservées par le client OkHttp partagé du SDK. |
DASHSCOPE_MAXIMUM_ASYNC_REQUESTS | 32 | Capacité d’ordonnancement concurrent des requêtes asynchrones du SDK. Les requêtes excédentaires attendent. |
DASHSCOPE_MAXIMUM_ASYNC_REQUESTS_PER_HOST | 32 | Capacité de planification des requêtes asynchrones par hôte. |
RECOGNITION_OBJECTPOOL_SIZE | 500 | Nombre total d’objets autorisés par cet exemple, contrôlé par maxTotal de Commons Pool. |
La concurrence désigne le nombre de tâches exécutées simultanément ; le RPS est le nombre de requêtes par seconde. Dimensionnez les threads de travail et le pool d’objets selon la concurrence de l’application, puis contrôlez la fréquence de lancement des tâches selon les Limites de débit du modèle.
Configuration de référence Paraformer
Configuration de référence Paraformer
Les valeurs suivantes servent de référence pour dimensionner une application Paraformer de reconnaissance en temps réel. La concurrence par serveur correspond au nombre de tâches actives simultanément. Le serveur exécute uniquement cette application.
- Pour les connexions HTTP inactives, partez d’une capacité d’au moins deux fois la concurrence de pointe, puis ajustez.
- Initialement, fixez les capacités d’ordonnancement asynchrone globale et par hôte à cette même valeur, puis ajustez selon les files observées.
- Pour le pool d’objets de reconnaissance, partez de 1,5 à 2 fois la concurrence de pointe. La valeur par défaut de 500 est un paramètre de l’application d’exemple.
| Serveur Alibaba Cloud | Concurrence de référence | Capacité du pool d’objets | Connexions HTTP inactives |
|---|---|---|---|
| 4 vCPU, 8 GiB | 100 | 500 | 2000 |
| 8 vCPU, 16 GiB | 200 | 500 | 2000 |
| 16 vCPU, 32 GiB | 400 | 500 | 2000 |
Ces réglages concernent un serveur dédié à l’application de reconnaissance en temps réel Paraformer. Ajustez la capacité selon le débit audio, les ressources du client et la charge applicative. Pour les limites des API de modèles, consultez Limites de débit.
Implémenter un pool d’objets de reconnaissance
Suivez le cycle de vie ci-dessous. Lorsque maxTotal est atteint et qu’aucun objet n’est disponible, borrowObject attend qu’un objet soit rendu. Les objets sont créés à la demande et les connexions WebSocket sont établies au lancement des requêtes de reconnaissance.
- Empruntez un objet
Recognition, démarrez la reconnaissance et envoyez l’audio. - Envoyez la commande de fin et attendez la confirmation. Pour les appels asynchrones, vérifiez aussi le rappel d’erreur.
- Après réussite, appelez
returnObjectpour permettre la réutilisation. - En cas d’échec ou d’interruption, appelez
invalidateObject. La méthodedestroyObjectde la fabrique ferme la connexion. - Une fois toutes les tâches terminées, fermez le pool pour libérer les connexions des objets inactifs.
RecognitionPoolExample.java. Préparez asr-example.pcm en PCM mono, 16 kHz, 16 bits, définissez DASHSCOPE_API_KEY, puis remplacez l’espace de travail et l’adresse par la configuration de la région cible (voir Points de terminaison). L’exemple utilise trois threads de travail pour traiter neuf tâches.
Préchauffer les connexions et mesurer la latence
Préchauffez les connexions en envoyant de véritables requêtes de reconnaissance afin d’établir des connexions WebSocket réutilisables par les tâches suivantes.
- Avant les mesures, envoyez des requêtes au niveau de concurrence prévu en production. Une à deux minutes constituent un point de départ à ajuster à la charge.
- Vérifiez la présence de connexions réutilisables avant de mesurer le régime stable. Distinguez les mesures de démarrage à froid et de régime stable.
- Les connexions peuvent se fermer pendant l’inactivité et devoir être recréées. Répétez le préchauffage si nécessaire avant de nouvelles mesures.
Gérer les travaux de transcription asynchrones
Pour les transcriptions par lots avec une forte concurrence, privilégiez les callbacks de fin de tâche afin de réduire les requêtes d’interrogation. Pour la configuration et le format des événements, consultez Configurer les callbacks de tâches asynchrones.
À la réception d’une notification de fin, identifiez la tâche métier avec data.task_id et vérifiez data.task_status. Si la tâche a réussi mais que la notification ne contient pas le résultat requis, interrogez l’API HTTP du modèle, puis téléchargez et enregistrez les fichiers de transcription.
Contrôler les débits de soumission, de requête et de téléversement
- Soumission des tâches : contrôlez la fréquence de soumission selon les Limites de débit du modèle cible.
- Requêtes d’état : l’API de requête a une limite par défaut de 20 QPS, qui peut être portée à 100 QPS (contactez votre responsable de compte Alibaba Cloud pour demander une augmentation), par compte principal Alibaba Cloud, utilisateurs RAM compris. Pour l’interrogation périodique, partez d’un intervalle de 2 à 5 secondes et ajustez-le au nombre de tâches afin de respecter la limite totale. Pour les requêtes, les requêtes par lots et l’annulation, consultez Gérer les tâches asynchrones.
- Téléversement de fichiers temporaires : l’API d’obtention des informations d’authentification de téléversement est limitée à 100 QPS par compte principal Alibaba Cloud et par modèle. Cette limite ne peut pas être augmentée. Utilisez un stockage stable tel qu’OSS en production et à forte concurrence. Pour la procédure et les limites des fichiers temporaires, consultez Obtenir une URL de fichier temporaire.
Enregistrer rapidement les résultats
Téléchargez et enregistrez les fichiers de résultats dès que la tâche réussit. Par exemple, le champ transcription_url de API HTTP Qwen-Audio-ASR-Filetrans est valide pendant 24 heures. Téléchargez et conservez les résultats avant son expiration.
- Si la réponse contient un tableau
results, vérifiez chaquesubtask_statusavant de télécharger le JSON de transcription des fichiers traités avec succès. Conservez les horodatages, les locuteurs et les autres champs nécessaires à l’application. - Conservez l’association tâche-fichier et l’état final. En cas d’échec de téléchargement, gardez la tâche et réessayez pendant la validité de l’URL.
Gérer les erreurs et les nouvelles tentatives
Décidez de réessayer selon le type d’erreur. Enregistrez l’ID de requête, l’ID de tâche, le modèle, la région et l’étape en échec pour distinguer les problèmes d’entrée ou d’autorisation des incidents temporaires.
| Problème | Action |
|---|---|
| Fichier d’entrée ou paramètres invalides | Vérifiez l’URL, l’encodage, la fréquence, les canaux et les plages de paramètres. Corrigez avant de soumettre à nouveau. |
| Authentification ou point de terminaison incorrect | Vérifiez la clé API, l’espace de travail et la région du point de terminaison, puis corrigez selon le message d’erreur. |
| Limitation de débit | Réduisez la fréquence des requêtes ou des démarrages et suivez Limites de débit. Évitez les boucles de réessai immédiates. |
| Expiration réseau, interruption ou erreur serveur temporaire (5xx) | Pour les échecs de requête ou de téléchargement, utilisez des reprises avec temporisation progressive, en limitant le nombre d’essais et l’attente totale. Après une expiration de délai à la soumission asynchrone, interrogez la tâche si un task_id a été reçu. Sinon, décidez d’une nouvelle soumission selon la tolérance de l’application aux traitements et frais en double. |
| Échec d’une tâche ou d’un fichier asynchrone | Conservez les erreurs de tâche et de fichier, identifiez leur cause, puis décidez de corriger l’entrée ou de resoumettre. |
Documentation associée
- Intégration de base : Reconnaissance vocale en temps réel et Reconnaissance vocale hors temps réel.
- Qualité de reconnaissance : Améliorer la précision de reconnaissance.
- Tâches asynchrones : Configurer les rappels de tâches asynchrones et Gérer les tâches asynchrones.