SDK Android pengenalan suara non-real-time Qwen-Audio-3.x-ASR-Flash-Filetrans/Fun-ASR

​

Mulai cepat

1. Dapatkan kunci API: Dapatkan kunci API. Untuk keamanan yang lebih baik, simpan kunci API dalam variabel lingkungan.
2. Unduh SDK dan jalankan kode contoh:
   • Unduh paket SDK terbaru.
   • Ekstrak paket ZIP. Temukan SDK format AAR di direktori app/libs dan tambahkan ke dependensi proyek Anda. Untuk integrasi Android C++, gunakan android_libs dan android_include dalam paket ZIP untuk mendapatkan pustaka dinamis dan file header.
   • Buka proyek di Android Studio. Kode contoh ada di DashFunAsrFileTranscriberActivity.java. Ganti kunci API, lalu coba fitur tersebut.

​

Prosedur pemanggilan

​

Parameter permintaan

​

Parameter koneksi dan kontrol

• Contoh parameter: String JSON berikut adalah contoh dan tidak mencantumkan setiap parameter. Tambahkan parameter yang Anda butuhkan saat menulis kode:

{
    "url": "wss://dashscope.aliyuncs.com/api/v1/services/audio/asr/transcription",
    "apikey": "st-****",
    "device_id": "my_device_id",
    "service_mode": "1"
}

• Deskripsi parameter

  Parameter	Tipe	Wajib	Deskripsi
  url	String	Ya	Endpoint layanan: wss://dashscope.aliyuncs.com/api/v1/services/audio/asr/transcription Tiongkok (Beijing): wss://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api/v1/services/audio/asr/transcription Singapura: wss://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1/services/audio/asr/transcription Ganti {WorkspaceId} dengan ID Workspace Anda yang sebenarnya.
  apikey	String	Ya	Kunci API.
  service_mode	String	Ya	Mode pelaksanaan. Ditetapkan ke "1" untuk pengenalan ucapan yang direkam.
  device_id	String	Ya	String unik yang mengidentifikasi pengguna akhir. Atur ke ID pengguna dalam aplikasi atau pengenal perangkat yang dihasilkan oleh klien. ID ini terutama digunakan untuk pelacakan log dan pemecahan masalah.
  debug_path	String	Tidak	Jalur penyimpanan untuk file log. Parameter ini hanya berlaku jika save_log diatur ke true di antarmuka initialize. Dalam hal ini, Anda harus mengatur jalur file log, atau kesalahan akan dilaporkan. Maksimal dua file log disimpan secara lokal.
  max_log_file_size	int	Tidak	Ukuran maksimum file log, dalam byte. Parameter ini hanya berlaku jika save_log diatur ke true di antarmuka initialize. Default: 104857600 (100 * 1024 * 1024 byte, yaitu 100 MiB).
  log_track_level	int	Tidak	Tingkat filter untuk konten log yang dikirim melalui callback log (onFileTransLogTrackCallback). Default: 2. Nilai yang valid: 0: LOG_LEVEL_VERBOSE 1: LOG_LEVEL_DEBUG 2: LOG_LEVEL_INFO 3: LOG_LEVEL_WARNING 4: LOG_LEVEL_ERROR 5: LOG_LEVEL_NONE (menonaktifkan fitur ini) Catatan: log_track_level dan level (diatur melalui antarmuka initialize) bersama-sama menentukan log mana yang akhirnya dikirim ke callback. Log dikirim ke callback hanya ketika nilai levelnya lebih besar dari atau sama dengan log_track_level dan level. Misalnya, jika log_track_level diatur ke 2 (INFO) dan level diatur ke 3 (WARNING), hanya log pada level WARNING atau lebih tinggi (nilai >= 3) yang dikirim ke callback.

​

Parameter pengenalan ucapan

• Contoh parameter: String JSON berikut adalah contoh dan tidak mencantumkan setiap parameter. Tambahkan parameter yang Anda butuhkan saat menulis kode:

{
    "apikey": "st-****",
    "file_urls": [
        "{YOUR_AUDIO_URL}"
    ],
    "async_request": false,
    "nls_config": {
        "model":"qwen-audio-3.0-asr-flash-filetrans",
        "diarization_enabled": false
    }
}

• Deskripsi parameter

  Parameter	Tipe	Wajib	Deskripsi
  file_urls	array[string]	Ya	Daftar URL file audio atau video yang akan ditranskripsikan. HTTP dan HTTPS didukung. Satu permintaan hanya mendukung satu URL. Untuk persyaratan input seperti format audio yang didukung, batas ukuran file, dan batas durasi, lihat Spesifikasi audio.Jika rekaman disimpan di Alibaba Cloud OSS, API RESTful mendukung URL sementara dengan awalan oss://, sedangkan SDK tidak mendukung URL sementara dengan awalan oss://. URL sementara berlaku selama 48 jam dan tidak dapat digunakan setelah kedaluwarsa. Jangan gunakan dalam produksi. Antarmuka kredensial unggahan dibatasi hingga 100 QPS dan tidak dapat ditingkatkan. Jangan gunakan dalam skenario produksi, konkurensi tinggi, atau pengujian beban. Untuk produksi, gunakan penyimpanan stabil seperti Alibaba Cloud OSS agar file tetap tersedia dalam jangka panjang dan menghindari pembatasan laju. Jika URL file audio yang diatur ke URL publik sementara OSS tidak dapat dijangkau, atur X-DashScope-OssResourceResolve ke enable di header permintaan (tidak disarankan). SDK tidak mendukung konfigurasi header permintaan.
  async_request	boolean	Tidak	Apakah permintaan pengenalan bersifat asinkron.Default: false.Nilai yang valid: true: permintaan asinkron false: permintaan sinkron
  apikey	string	Tidak	Jika apikey di Parameter koneksi dan kontrol adalah kunci API sementara, Anda dapat memperbaruinya di sini untuk menghindari kedaluwarsa.
  nls_config	object	Ya	Objek konfigurasi inti untuk pengenalan ucapan. Berisi parameter kunci seperti pemilihan model dan kontrol pengenalan.
  nls_config.model	string	Ya	Model yang digunakan dalam contoh. Untuk informasi model, lihat Model dan wilayah yang didukung.
  nls_config.special_word_filter	object	Tidak	Kata sensitif yang akan diproses selama pengenalan suara. Anda dapat mengatur metode penanganan yang berbeda untuk setiap kata sensitif. Untuk detailnya, lihat Pemfilteran kata sensitif.
  nls_config.channel_id	array[integer]	Tidak	Indeks trek audio yang akan dikenali dalam file audio multi-trek. Indeks dimulai dari 0. Misalnya, [0] mengenali trek pertama, dan [0, 1] mengenali trek pertama dan kedua secara bersamaan. Jika Anda menghilangkan parameter ini, hanya trek pertama yang diproses. Setiap trek yang ditentukan ditagih secara independen. Misalnya, meminta [0, 1] untuk satu file akan menimbulkan dua tagihan terpisah. Nilai default: [0].
  nls_config.diarization_enabled	boolean	Tidak	Apakah akan mengaktifkan diarization pembicara. Dinonaktifkan secara default.Hanya berlaku untuk audio mono. Audio multi-saluran tidak mendukung diarization pembicara.Saat diaktifkan, hasil pengenalan menyertakan bidang speaker_id yang membedakan pembicara yang berbeda. Saat diarization pembicara diaktifkan, pertahankan durasi audio dalam 2 jam. Jika tidak, pengenalan mungkin gagal atau habis waktu. Default: false.Untuk contoh speaker_id, lihat Deskripsi hasil pengenalan.
  nls_config.speaker_count	integer	Tidak	Hanya berlaku ketika diarization pembicara diaktifkan (diarization_enabled diatur ke true). Nilai referensi untuk jumlah pembicara. Rentang yang valid adalah bilangan bulat dari 2 hingga 100 (inklusif).Secara default, jumlah pembicara dideteksi secara otomatis. Jika Anda mengatur nilai ini, ini hanya memandu algoritme untuk menghasilkan jumlah yang ditentukan jika memungkinkan dan tidak menjamin jumlah yang tepat tersebut.Tidak ada nilai default.
  nls_config.vocabulary_id	string	Tidak	ID dari daftar hotword yang telah dikompilasi sebelumnya.Hasilkan ID ini terlebih dahulu dengan memanggil API buat daftar hotword. Teruskan ID selama pengenalan untuk menggunakan hotword dalam daftar.Cocok untuk skenario di mana kosakata diketahui dan relatif stabil, dan di mana Anda perlu menggunakan kembali daftar kata yang sama di berbagai permintaan.Untuk detail penggunaan, lihat Hotword yang telah dikompilasi sebelumnya.
  nls_config.input_context	array	Tidak	Daftar pesan yang berisi konteks percakapan opsional untuk meningkatkan akurasi pengenalan. Konteks membantu meningkatkan pengenalan istilah khusus domain. Untuk penggunaan, lihat Peningkatan konteks.Anda dapat menyertakan hingga 5 pesan dari setiap tipe konteks: input_text dan text. Jika batas ini terlampaui, hanya 5 pesan terbaru dari setiap tipe yang dipertahankan. Panjang gabungan bidang text dalam pesan user dan assistant di setiap giliran tidak boleh melebihi 400 karakter. Setiap karakter dihitung sebagai 1. Teks berlebih dipotong dari akhir. Saat Anda menyertakan konteks, atur messages berdasarkan giliran percakapan. Di setiap giliran, pesan user (tipe input_text) harus mendahului pesan assistant yang sesuai (tipe text). Pesan user yang berisi input_audio harus menjadi pesan terakhir dalam array messages. Copy [ { "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_vocabulary	object	Tidak	Hotword instan, diteruskan sebagai pasangan kunci-nilai. Setiap kunci adalah teks hotword (string), dan setiap nilai adalah bobotnya (integer). Tidak diperlukan daftar hotword yang telah dikompilasi sebelumnya. Gunakan parameter ini untuk hotword sementara tingkat sesi.Bobot yang valid adalah bilangan bulat dari 1 hingga 5, atau 50. Bobot yang lebih tinggi dari 1 hingga 5 membuat model lebih mungkin menghasilkan hotword. Bobot 50 mendefinisikan super hotword dan secara signifikan meningkatkan recall. Anda dapat menentukan hingga 50 super hotword.Jika Anda juga mengonfigurasi hotword yang telah dikompilasi sebelumnya, kedua set akan digabungkan. Jika set yang digabungkan melebihi 2000 hotword, 2000 akan dipilih secara acak. Untuk penggunaan, lihat Hotword instan. Untuk model dan batas yang berlaku untuk hotword instan, lihat Hotword instan. Copy { "张三": 5, "李四": 5 }
  nls_config.language_hints	array[string]	Tidak	Kode bahasa yang akan dikenali. Jika Anda tidak dapat menentukan bahasa terlebih dahulu, biarkan tidak diatur dan model akan mendeteksi bahasa secara otomatis.Untuk model Qwen-Audio-3.x-ASR-Flash-Filetrans, Anda dapat mengatur hingga 4 nilai; nilai apa pun setelah 4 pertama akan diabaikan. Untuk model Fun-ASR, Anda hanya dapat mengatur 1 nilai; jika Anda mengatur beberapa, hanya yang pertama yang berlaku. Klik untuk melihat kode bahasa yang didukung Qwen-Audio-3.x-ASR-Flash-Filetrans, fun-asr, fun-asr-2025-11-07, fun-asr-mtl, fun-asr-mtl-2025-08-25: zh: Tiongkok en: Inggris ja: Jepang ko: Korea vi: Vietnam th: Thai id: Indonesia ms: Melayu tl: Filipino hi: Hindi ar: Arab fr: Prancis de: Jerman es: Spanyol pt: Portugis ru: Rusia it: Italia nl: Belanda sv: Swedia da: Denmark fi: Finlandia no: Norwegia el: Yunani pl: Polandia cs: Ceko hu: Hungaria ro: Rumania bg: Bulgaria hr: Kroasia sk: Slovakia fun-asr-2025-08-25: zh: Tiongkok en: Inggris

​

Antarmuka utama

​

NativeNui

​

initialize

• Signature metode

public synchronized int initialize(final INativeFileTransCallback callback,
                                   String parameters,
                                   final Constants.LogLevel level,
                                   final boolean save_log)

• Deskripsi parameter

  Parameter	Tipe	Deskripsi
  callback	INativeFileTransCallback	Implementasi antarmuka callback event dan data.
  parameters	String	String JSON yang berisi parameter autentikasi, koneksi, dan debugging. Lihat Parameter koneksi dan kontrol.
  level	Constants.LogLevel	Mengontrol tingkat pencetakan log SDK itu sendiri.
  save_log	boolean	Apakah akan menyimpan log secara lokal. Jika true, tentukan jalur dengan debug_path di Parameter koneksi dan kontrol, dan secara opsional atur ukuran file dengan max_log_file_size.

• Nilai kembalian

​

setParams

• Signature metode

public synchronized int setParams(String params);

• Deskripsi parameter

  Parameter	Tipe	Deskripsi
  params	String	Parameter nls_config di Parameter pengenalan suara. Parameter selain nls_config tidak dapat diatur melalui metode ini.Contoh: Copy { "nls_config": { "model":"qwen-audio-3.0-asr-flash-filetrans", "diarization_enabled": false } }

• Nilai kembalian

​

startFileTranscriber

• Signature metode

public synchronized int startFileTranscriber(String params, byte[] task_id)

• Deskripsi parameter

  Parameter	Tipe	Deskripsi
  params	String	Parameter pengenalan ucapan.Contoh: Copy { "file_urls": [ "{YOUR_AUDIO_URL}" ], "async_request": false, "nls_config": { "model":"qwen-audio-3.0-asr-flash-filetrans", "diarization_enabled": false } }
  task_id	byte[]	ID tugas. SDK menghasilkan string acak secara internal. Anda mendapatkan task_id setelah antarmuka ini berhasil dikembalikan.

• Nilai kembalian

​

queryFileTranscriber

• Signature metode

public synchronized int queryFileTranscriber(String task_id)

• Deskripsi parameter

  Parameter	Tipe	Deskripsi
  task_id	String	ID tugas yang akan dikueri, diperoleh dari event EVENT_FILE_TRANS_UPLOADED.

• Nilai kembalian

​

cancelFileTranscriber

• Signature metode

public synchronized int cancelFileTranscriber(String task_id)

• Deskripsi parameter

  Parameter	Tipe	Deskripsi
  task_id	String	ID tugas yang akan dibatalkan, diperoleh dari event EVENT_FILE_TRANS_UPLOADED.

• Nilai kembalian

​

release

• Signature metode

public synchronized int release();

• Nilai kembalian

​

GetVersion

• Signature metode

public synchronized String GetVersion();

• Nilai kembalian Informasi versi SDK saat ini.

​

INativeFileTransCallback: callback listener

​

onFileTransEventCallback: mendengarkan event dan hasil pengenalan

• Signature metode

void onFileTransEventCallback(NuiEvent event, final int resultCode, final int arg2, AsrResult asrResult, String taskId);

• Deskripsi parameter

  Parameter	Tipe	Deskripsi
  event	NuiEvent	Event callback.
  resultCode	int	Hanya valid saat event EVENT_ASR_ERROR terjadi.
  asrResult	AsrResult	Hasil pengenalan ucapan.
  taskId	String	ID tugas.
  arg2	int	Parameter yang dicadangkan.

​

onFileTransLogTrackCallback: mendengarkan log pelacakan

default void onFileTransLogTrackCallback(Constants.LogLevel level, String log)

​

NuiEvent: tipe event