Tingkatkan pengenalan nama orang, nama produk, dan istilah khusus dengan hotword (instan atau prakompilasi) serta pengayaan konteks.
Pilih metode pengoptimalan
Nama orang, nama produk, dan istilah khusus dapat memiliki pelafalan yang mirip dengan kata umum sehingga menghasilkan homofon atau ejaan yang salah. Hotword dan pengayaan konteks memberikan ejaan yang benar atau latar belakang terkait untuk membantu meningkatkan pengenalan.
Pilih berdasarkan informasi yang sudah dimiliki aplikasi: gunakan hotword untuk daftar istilah yang jelas, atau pengayaan konteks untuk percakapan dan deskripsi bisnis yang sudah ada. Untuk hotword, pilih instan atau prakompilasi berdasarkan kebutuhan penggunaan ulang daftar pada beberapa permintaan. Periksa Model dan wilayah yang didukung sebelum menggunakannya.
| Metode | Kapan digunakan | Cara menggunakan |
|---|---|---|
| Hotword instan | Nama dan istilah berubah pada setiap permintaan, atau hanya ada beberapa istilah sementara sehingga daftar tidak perlu disimpan dan dikelola. | Kirim objek “istilah: bobot” pada setiap permintaan pengenalan. Aplikasi menyediakan ejaan yang benar dan dapat menyesuaikan preferensi model terhadap setiap istilah melalui bobotnya. |
| Hotword prakompilasi | Sudah ada glosarium bisnis, atau kumpulan istilah yang sama digunakan berulang kali dan perlu dikelola secara terpusat. | Buat daftar berisi istilah, bobot, dan bahasa opsional, lalu rujuk ID daftar saat pengenalan. Perbarui daftar ketika glosarium berubah tanpa mengirim ulang semua entri pada setiap permintaan. |
| Pengayaan konteks | Aplikasi sudah menyimpan percakapan terbaru, deskripsi bisnis, atau teks bidang tertentu yang dapat membantu pengenalan. | Kirim teks terkait sebagai pesan konteks bersama audio. Tidak perlu mengekstrak istilah atau menetapkan bobot satu per satu. Sertakan ejaan istilah yang benar. Daftar istilah yang jelas juga dapat digunakan sebagai hotword untuk menangani jenis kesalahan yang sama. |
Gunakan hotword
Sebelum menjalankan contoh, unduh audio contoh dan siapkan API key dari konsol Model Studio. Teks audio: “Please send the quarterly project report to Kelyra before Friday.”
Hotword instan
Hotword instan sesuai untuk istilah yang berubah pada setiap permintaan. Isi parameters.vocabulary dengan objek JSON yang kuncinya berupa teks hotword (string) dan nilainya berupa bobot (integer). Tidak perlu membuat daftar terlebih dahulu.
-
Kenali audio tanpa hotword
Tanpa hotword, nama pada contoh ini tidak dikenali secara akurat. Permintaan berikut mengembalikan hasil pengenalan tanpa konfigurasi.
cURL
-
Tambahkan hotword instan ke permintaan
Tambahkan “Kelyra” ke permintaan yang sama dengan bobot 4. Jangan ubah input lainnya. Untuk rentang dan penyetelan bobot, lihat Sesuaikan bobot hotword.
cURL
| Konfigurasi | Contoh transkripsi |
|---|---|
| Tanpa konfigurasi | Please send the quarterly project report to Kellira before Friday. |
| Dengan konfigurasi | Please send the quarterly project report to Kelyra before Friday. |
Hotword prakompilasi
Hotword prakompilasi sesuai untuk kosakata bisnis yang perlu digunakan ulang pada beberapa permintaan. Buat daftar terlebih dahulu, lalu kirim vocabulary_id saat pengenalan tanpa mengirim ulang semua entri.
Kirim entri sebagai array JSON saat membuat daftar. Setiap elemen memiliki bidang berikut:
| Kolom | Tipe | Wajib | Deskripsi |
|---|---|---|---|
text | string | Ya | Kata nyata dalam bahasa yang didukung model. Untuk batas panjang, lihat Aturan teks hotword. |
weight | integer | Ya | Gunakan 1–5 untuk hotword biasa, mulai dari 4. Model tertentu juga mendukung bobot super hotword 50. Lihat Sesuaikan bobot hotword. |
lang | string | Tidak | Kode bahasa yang menentukan bahasa penerapan entri. Dapat dihilangkan jika tidak diketahui. Untuk hubungannya dengan parameter pengenalan language_hints, lihat Kelola dan pelihara kosakata. |
Pengelolaan hotword dan pengenalan ucapan harus menggunakan akun yang sama. Jika berbeda, pengenalan tidak dapat mengakses kosakata.
- HTTP / cURL
- SDK
-
Buat daftar hotword
Contoh ini menggunakan
qwen-audio-3.1-asr-flashdan menentukan model target melaluitarget_model. Simpanoutput.vocabulary_iddari respons.cURL -
Pastikan daftar siap digunakan
Ganti
<vocabulary_id>dengan ID dari API pembuatan, lalu kueri daftar. Lanjutkan pengenalan setelahoutput.statusbernilaiOK.cURL -
Rujuk daftar saat pengenalan
Rujuk daftar melalui
parameters.vocabulary_idpada permintaan pengenalan tanpa mengirim ulang entri.cURL -
Gunakan ulang atau hapus daftar
Permintaan selanjutnya dapat terus menggunakan ID yang sama. Jalankan permintaan penghapusan berikut hanya ketika daftar tidak lagi diperlukan untuk membebaskan kuotanya.
cURL
Gunakan pengayaan konteks
Pengayaan konteks dapat langsung menggunakan riwayat percakapan atau teks bidang tertentu yang sudah ada. Hotword memerlukan istilah dan bobot, sedangkan konteks dikirim sebagai pesan teks tanpa memecah materi bisnis menjadi entri satu per satu. Keduanya dapat meningkatkan pengenalan nama khusus. Pilih berdasarkan informasi yang tersedia di aplikasi.
Siapkan konteks
Untuk audio contoh, pesan yang sudah memuat nama penerima “Kelyra” dapat menyediakan ejaan yang benar. Berikut dua sumber konteks yang umum.
- Latar belakang bisnis atau teks bidang
- Riwayat percakapan
Gunakan teks terkait dari deskripsi proyek atau materi bidang yang sudah ada dalam pesan dengan
role=user dan type=input_text. Tidak perlu mengarang percakapan atau menambahkan balasan. Kirim array berikut sebagai konteks:Pesan
assistant bersifat opsional. Urutkan riwayat berdasarkan giliran, dengan setiap pesan user sebelum pesan assistant yang sesuai. Untuk batas panjang teks dan jumlah giliran tersimpan, lihat Batas penggunaan.Konfigurasikan dan panggil layanan
Kenali audio yang sama menggunakan konteks yang disiapkan. Pilih contoh pemanggilan berdasarkan keluarga model.
- Qwen-Audio-ASR
- Qwen-Audio-ASR-Message / Qwen-Audio-ASR-Streaming
- Qwen-Audio-ASR-Filetrans
Contoh ini menggunakan
qwen-audio-3.1-asr-flash. Susun pesan konteks secara berurutan di input.messages, lalu tempatkan pesan audio saat ini yang memuat input_audio paling akhir.cURL
| Konfigurasi | Contoh transkripsi |
|---|---|
| Tanpa konfigurasi | Please send the quarterly project report to Kellira before Friday. |
| Dengan konfigurasi | Please send the quarterly project report to Kelyra before Friday. |
Penyetelan dan pemecahan masalah pengenalan
Bandingkan audio yang sama sebelum dan sesudah konfigurasi, lalu sesuaikan entri, bobot, atau konteks. Penyetelan hotword berlaku untuk kedua metode hotword.
Sesuaikan bobot hotword
Bobot hotword biasa berkisar 1–5. Mulai dari weight=4. Bobot lebih tinggi meningkatkan preferensi terhadap kata, tetapi bobot berlebihan dapat mengganti kata lain yang bunyinya mirip secara keliru.
| Bobot | Preferensi | Kapan digunakan |
|---|---|---|
| 1–2 | Lemah | Istilah berbunyi mirip kata umum dan perlu menghindari koreksi berlebihan |
| 3–4 | Sedang | Konfigurasi awal yang direkomendasikan untuk sebagian besar skenario |
| 5 | Kuat | Istilah sering muncul dalam audio dan jarang tertukar dengan kata lain |
weight=50 untuk kedua metode guna meningkatkan recall istilah target. Setiap kosakata atau permintaan dapat berisi paling banyak 50 super hotword.
Kelola dan pelihara kosakata
- Kelompokkan berdasarkan skenario: Buat daftar prakompilasi terpisah untuk setiap skenario bisnis, misalnya istilah medis dan nama produk, untuk mengurangi entri yang tidak terkait.
-
Bedakan bahasa entri dan bahasa audio: kosakata prakompilasi dapat mencampur bahasa yang ditandai dengan
lang. Parameter pengenalanlanguage_hintsmenyatakan bahasa audio. Jika ditetapkan, hanya hotword dengan bahasa yang sesuai yang berlaku; bahasa lain diabaikan. - Pelihara secara berkala: Perbarui entri sesuai kebutuhan bisnis dan hapus daftar yang tidak dipakai untuk membebaskan kuota.
Beri jeda setidaknya 5 menit antara pembaruan daftar hotword; jika tidak, hotword yang diperbarui mungkin tidak berlaku.
Periksa kualitas pengenalan
Tentukan dahulu apakah masalah disebabkan konfigurasi yang tidak berlaku, preferensi hotword yang terlalu kuat, atau audio yang sulit dikenali, lalu periksa bagian yang sesuai.
| Gejala | Pemeriksaan dan tindakan |
|---|---|
| Hotword tidak dikenali sesuai harapan | Periksa Model dan wilayah yang didukung terlebih dahulu. Hotword instan ditempatkan di parameters.vocabulary. Untuk hotword prakompilasi, periksa akun, vocabulary_id, status=OK, serta kecocokan target_model daftar dengan model pengenalan.Naikkan bobot hotword dalam rentang yang didukung dan bandingkan hasil audio yang sama untuk mengetahui apakah bobotnya terlalu rendah. |
| Kata lain keliru diganti dengan hotword | Turunkan bobot hotword dalam rentang yang didukung dan kurangi istilah yang tidak terkait dengan skenario. Pastikan lang sesuai dengan language_hints API pengenalan dan entri menggunakan bahasa yang dituju. |
| Konteks tidak memperbaiki istilah target | Periksa ejaan istilah, peran, jenis, urutan pesan, dan bidang input API yang digunakan. Teks yang melebihi batas panjang atau jumlah giliran dapat dipotong atau dibuang. Lihat Batas penggunaan. |
| Banyak kata umum juga salah dikenali | Pastikan format dan laju sampel audio memenuhi persyaratan model, lalu kurangi derau latar. Untuk audio satu bahasa, nyatakan bahasa melalui language_hints API pengenalan. Untuk pemilihan model dan persyaratan audio, lihat Ikhtisar pengenalan ucapan. |
Model dan wilayah yang didukung
- Hotword prakompilasi
- Hotword instan
- Pengayaan konteks
- Singapura
- Tiongkok (Beijing)
Hotword hanya didukung pada workspace utama, bukan sub-workspace.
- Qwen-Audio-ASR: qwen-audio-3.1-asr-flash, qwen-audio-3.0-asr-flash
- Qwen-Audio-ASR-Streaming: qwen-audio-3.1-asr-flash-streaming, qwen-audio-3.0-asr-flash-streaming
- Qwen-Audio-ASR-Filetrans: qwen-audio-3.1-asr-flash-filetrans, qwen-audio-3.0-asr-flash-filetrans
- Qwen-Audio-ASR-Message: qwen-audio-3.1-asr-flash-message
- Fun-ASR-Realtime: fun-asr-realtime
- Fun-ASR-Flash: fun-asr-flash-2026-06-15
- Fun-ASR: fun-asr
Batas penggunaan
- Batas hotword
- Aturan teks hotword
- Batas konteks
| Batas | Deskripsi |
|---|---|
| Jumlah daftar hotword | Maksimal 50 kosakata prakompilasi per akun, dibagikan ke semua model. Masing-masing memiliki vocabulary_id. |
| Jumlah hotword | Seri Qwen-Audio-ASR-Message, Qwen-Audio-ASR-Streaming, Qwen-Audio-ASR-Filetrans, dan Qwen-Audio-ASR: maksimal 2000.Model versi utama seri Fun-ASR-Realtime, Fun-ASR-Flash, dan Fun-ASR: maksimal 2000. Model lain dalam seri tersebut serta seri Paraformer: maksimal 500.Penghitungan berlaku per kosakata untuk hotword prakompilasi dan per permintaan untuk hotword instan. |
| Jumlah super hotword | Maksimal 50 entri dapat memiliki bobot 50. |
Untuk seri Qwen-Audio-ASR-Message, Qwen-Audio-ASR-Streaming, Qwen-Audio-ASR-Filetrans, dan Qwen-Audio-ASR, layanan menggabungkan hotword prakompilasi dan instan jika keduanya dikonfigurasi. Jika hasil gabungan melebihi 2000 hotword, layanan memilih 2000 secara acak untuk digunakan.
Penagihan fitur
Fitur hotword instan dan prakompilasi gratis. Untuk biaya pemanggilan model yang menggunakan hotword atau pengayaan konteks, lihat aturan penagihan.
API terkait
- Untuk membuat, mengueri, memperbarui, dan menghapus daftar hotword, lihat API pengelolaan hotword.
- SDK pengelolaan hotword: Java SDK dan Python SDK.
- API pemanggilan model: Peristiwa klien Qwen-Audio-ASR-Message, Peristiwa klien Qwen-Audio-ASR-Streaming, Qwen-Audio-ASR-Filetrans HTTP API, dan Qwen-Audio-ASR HTTP API.