Prasyarat
Mulai cepat
Contoh panggilan berikut dapat digunakan bersama. Ganti ID model sesuai tabel.
| Model | ID model dalam contoh |
|---|---|
| Qwen-Audio-ASR-Streaming | qwen-audio-3.0-asr-flash-streaming |
| Qwen-Audio-ASR-Message | qwen-audio-3.1-asr-flash-message |
| Fun-ASR-Realtime | fun-asr-realtime |
- Panggilan sinkron: mengenali file lokal dan mengembalikan hasil lengkap sekaligus. Paling cocok untuk memproses audio yang telah direkam sebelumnya.
- Panggilan streaming dua arah: mengenali aliran audio secara langsung dan mengembalikan hasil secara real time. Aliran audio dapat berasal dari perangkat eksternal seperti mikrofon atau dibaca dari file lokal. Paling cocok untuk skenario yang memerlukan umpan balik segera.
- Panggilan sinkron
- Panggilan streaming dua arah: berbasis callback
- Panggilan streaming dua arah: berbasis Flowable
Kirim satu tugas pengenalan ucapan real-time dan dapatkan hasil pengenalan secara sinkron dengan memasukkan file lokal. Panggilan ini akan memblokir hingga hasil dikembalikan.Buat instans Kelas Recognition, lalu panggil metode
call untuk mengikat parameter permintaan dan file yang akan dikenali. Metode ini melakukan pengenalan dan mengembalikan hasil akhir.Panggilan konkurensi tinggi
SDK Java DashScope menggunakan pooling koneksi OkHttp3 untuk mengurangi overhead pembentukan koneksi berulang. Untuk detailnya, lihat Praktik terbaik konkurensi tinggi.
Parameter permintaan
Qwen-Audio-ASR-Streaming
Referensi umum
Gunakan metode berantai RecognitionParam untuk mengonfigurasi model, laju sampel, format audio, dan parameter lainnya. Masukkan objek parameter yang telah dikonfigurasi ke metode call/streamCall dari Kelas Recognition.
| Parameter | Tipe | Wajib | Deskripsi |
|---|---|---|---|
model | String | Ya | Nama model. |
sampleRate | Integer | Ya | Laju sampel dalam Hz. Semua laju sampel didukung. |
format | String | Ya | Format audio.Nilai valid:
|
keep_dialect | boolean | Tidak | Hanya berlaku untuk qwen-audio-3.1-asr-flash-streaming.false, yang mentranskripsikan dialek menjadi bahasa Mandarin standar. Tetapkan ke true untuk mempertahankan ungkapan dialek. Tetapkan dengan .parameter("keep_dialect", value). |
vad_model | String | Tidak | Hanya berlaku untuk qwen-audio-3.1-asr-flash-streaming.near_meeting_16k (jarak dekat) atau far_field_meeting_16k (jarak jauh, default). Tetapkan dengan .parameter("vad_model", value). |
vocabularyId | String | Tidak | ID daftar kata panas yang telah dikompilasi sebelumnya.Hasilkan ID ini terlebih dahulu dengan memanggil API pembuatan daftar kata panas. Masukkan ID ini selama pengenalan untuk menggunakan kata-kata panas dalam daftar tersebut.Cocok untuk skenario di mana kosakata diketahui dan relatif stabil, serta Anda perlu menggunakan kembali daftar kata yang sama di berbagai permintaan.Untuk detail penggunaan, lihat Kata panas yang telah dikompilasi. |
vocabulary | Map<String, Integer> | Tidak | Kata panas instan.Diberikan sebagai pasangan kunci-nilai, di mana kunci adalah teks kata panas (string) dan nilai adalah bobot kata panas (integer). Tidak perlu membuat daftar kata panas terlebih dahulu. Bobot berkisar antara [1, 5] atau diatur ke 50: nilai dalam [1, 5] membuat model lebih cenderung mengeluarkan kata tersebut seiring peningkatan nilainya; nilai 50 menunjukkan kata panas super, yang sangat meningkatkan recall, tetapi jumlah kata panas super tidak boleh melebihi 50.Cocok untuk optimasi kata panas sementara pada tingkat sesi.Jika dikonfigurasi bersama kata panas yang telah dikompilasi, hanya kata panas instan yang berlaku. Untuk detail penggunaan, lihat Kata panas instan.Atur vocabulary melalui metode parameter atau metode parameters dari instans RecognitionParam: |
max_sentence_silence | Integer | Tidak | Ambang batas keheningan VAD untuk segmentasi, dalam ms. Ketika keheningan setelah segmen ucapan melebihi ambang batas ini, sistem menentukan bahwa kalimat telah berakhir.Nilai default: 800.Nilai valid: [200, 6000].Atur max_sentence_silence melalui metode parameter atau metode parameters dari instans RecognitionParam: |
multi_threshold_mode_enabled | boolean | Tidak | Apakah mode multi-ambang batas diaktifkan. Ketika diaktifkan, ini mencegah segmen VAD menjadi terlalu panjang.Nilai default: false.Atur multi_threshold_mode_enabled melalui metode parameter atau metode parameters dari instans RecognitionParam: |
punctuation_prediction_enabled | boolean | Tidak | Mengatur apakah tanda baca ditambahkan secara otomatis ke hasil pengenalan:
punctuation_prediction_enabled melalui metode parameter atau metode parameters dari instans RecognitionParam: |
heartbeat | boolean | Tidak | Apakah paket heartbeat diaktifkan.Nilai default: false.
Untuk menggunakan bidang ini, versi SDK harus 2.19.1 atau lebih baru. heartbeat melalui metode parameter atau metode parameters dari instans RecognitionParam: |
language_hints | String[] | Tidak | Bahasa audio yang akan dikenali. Tidak ada nilai default; jika tidak diatur, model akan mendeteksi bahasa secara otomatis.Anda dapat menetapkan hingga 4 nilai. Jika lebih, hanya 4 nilai pertama yang berlaku.
Klik untuk melihat kode bahasa yang didukung
language_hints melalui metode parameter atau metode parameters dari instans RecognitionParam: |
speech_noise_threshold | float | Tidak | Ambang batas untuk membedakan ucapan dari kebisingan, digunakan untuk menyesuaikan sensitivitas Voice Activity Detection (VAD).Nilai valid: [-1.0, 1.0].Deskripsi nilai:
speech_noise_threshold melalui metode parameter atau metode parameters dari instans RecognitionParam: |
special_word_filter | String | Tidak | Menentukan kata sensitif yang akan diproses selama pengenalan ucapan, dan mendukung pengaturan metode pemrosesan berbeda untuk kata sensitif berbeda. Untuk detailnya, lihat Penyaringan kata sensitif.Atur special_word_filter melalui metode parameter atau metode parameters dari instans RecognitionParam: |
input | Map<String, Object> | Tidak | Objek input yang memasukkan konteks percakapan. Konteks membantu pengenalan dan meningkatkan akurasi pengenalan istilah khusus. Untuk penggunaan, lihat Mulai cepat.Map harus berisi kunci context yang nilainya adalah array pesan bertipe List<Map<String, Object>>. Setiap pesan berisi bidang berikut:
Untuk menggunakan bidang ini, versi SDK harus 2.22.23 atau lebih baru. input melalui metode input dari instans RecognitionParam: |
apiKey | String | Tidak | Kunci API Anda. |
Qwen-Audio-ASR-Message
Referensi umum
Gunakan metode berantai RecognitionParam untuk mengonfigurasi model, laju sampel, format audio, dan parameter lainnya. Masukkan objek parameter yang telah dikonfigurasi ke metode call/streamCall dari Kelas Recognition.
| Parameter | Tipe | Wajib | Deskripsi |
|---|---|---|---|
model | String | Ya | Nama model. |
sampleRate | Integer | Ya | Laju sampel dalam Hz. Hanya 16000 yang didukung. |
format | String | Ya | Format audio.Nilai valid:
|
keep_dialect | boolean | Tidak | Default: false, yang mentranskripsikan dialek menjadi bahasa Mandarin standar. Tetapkan ke true untuk mempertahankan ungkapan dialek. Tetapkan dengan .parameter("keep_dialect", value).Parameter ini hanya berlaku pada hasil akhir (sentence_end=true) dan tidak didukung pada hasil sementara (sentence_end=false). |
vad_model | String | Tidak | Model VAD: near_meeting_16k (jarak dekat) atau far_field_meeting_16k (jarak jauh, default). Tetapkan dengan .parameter("vad_model", value). |
disfluency_removal_enabled | boolean | Tidak | Menentukan apakah kata pengisi difilter dan teks keluaran dirapikan. Default: false. Tetapkan ke true untuk mengaktifkan. Tetapkan dengan .parameter("disfluency_removal_enabled", value). |
intermediate_result_enabled | boolean | Tidak | Menentukan apakah hasil streaming sementara dikembalikan. Default: false. Tetapkan ke true untuk menerimanya. Tetapkan dengan .parameter("intermediate_result_enabled", value). |
vocabularyId | String | Tidak | ID daftar kata panas yang telah dikompilasi sebelumnya.Hasilkan ID ini terlebih dahulu dengan memanggil API pembuatan daftar kata panas. Masukkan ID ini selama pengenalan untuk menggunakan kata-kata panas dalam daftar tersebut.Cocok untuk skenario di mana kosakata diketahui dan relatif stabil, serta Anda perlu menggunakan kembali daftar kata yang sama di berbagai permintaan.Untuk detail penggunaan, lihat Kata panas yang telah dikompilasi. |
vocabulary | Map<String, Integer> | Tidak | Kata panas instan.Diberikan sebagai pasangan kunci-nilai, di mana kunci adalah teks kata panas (string) dan nilai adalah bobot kata panas (integer). Tidak perlu membuat daftar kata panas terlebih dahulu. Bobot berkisar antara [1, 5] atau diatur ke 50: nilai dalam [1, 5] membuat model lebih cenderung mengeluarkan kata tersebut seiring peningkatan nilainya; nilai 50 menunjukkan kata panas super, yang sangat meningkatkan recall, tetapi jumlah kata panas super tidak boleh melebihi 50.Cocok untuk optimasi kata panas sementara pada tingkat sesi.Jika dikonfigurasi bersama kata panas yang telah dikompilasi, hanya kata panas instan yang berlaku. Untuk detail penggunaan, lihat Kata panas instan.Atur vocabulary melalui metode parameter atau metode parameters dari instans RecognitionParam: |
language_hints | String[] | Tidak | Bahasa audio yang akan dikenali. Tidak ada nilai default; jika tidak diatur, model akan mendeteksi bahasa secara otomatis.Anda dapat menetapkan hingga 4 nilai. Jika lebih, hanya 4 nilai pertama yang berlaku.
Klik untuk melihat kode bahasa yang didukung
.parameter("language_hints", new String[]{"zh"}) pada RecognitionParam.Parameter ini hanya berlaku pada hasil akhir (sentence_end=true) dan tidak didukung pada hasil sementara (sentence_end=false). |
max_sentence_silence | Integer | Tidak | Ambang keheningan VAD untuk segmentasi, dalam milidetik. Kalimat dianggap selesai jika keheningan setelah ucapan melebihi ambang ini. Default: 800. Rentang valid: [200, 6000]. |
heartbeat | boolean | Tidak | Apakah paket heartbeat diaktifkan.Nilai default: false.
Untuk menggunakan bidang ini, versi SDK harus 2.19.1 atau lebih baru. heartbeat melalui metode parameter atau metode parameters dari instans RecognitionParam: |
speech_noise_threshold | float | Tidak | Ambang batas untuk membedakan ucapan dari kebisingan, digunakan untuk menyesuaikan sensitivitas Voice Activity Detection (VAD).Nilai valid: [-1.0, 1.0].Deskripsi nilai:
speech_noise_threshold melalui metode parameter atau metode parameters dari instans RecognitionParam: |
input | Map<String, Object> | Tidak | Objek input yang memasukkan konteks percakapan. Konteks membantu pengenalan dan meningkatkan akurasi pengenalan istilah khusus. Untuk penggunaan, lihat Mulai cepat.Map harus berisi kunci context yang nilainya adalah array pesan bertipe List<Map<String, Object>>. Setiap pesan berisi bidang berikut:
Untuk menggunakan bidang ini, versi SDK harus 2.22.23 atau lebih baru. input melalui metode input dari instans RecognitionParam: |
apiKey | String | Tidak | Kunci API Anda. |
Fun-ASR-Realtime
Referensi umum
Gunakan metode berantai RecognitionParam untuk mengonfigurasi model, laju sampel, format audio, dan parameter lainnya. Masukkan objek parameter yang telah dikonfigurasi ke metode call/streamCall dari Kelas Recognition.
| Parameter | Tipe | Wajib | Deskripsi |
|---|---|---|---|
model | String | Ya | Nama model. |
sampleRate | Integer | Ya | Laju sampel, dalam Hz.Nilai valid: model 8 kHz hanya mendukung 8000 Hz; model lain mendukung laju sampel apa pun. |
format | String | Ya | Format audio.Nilai valid:
|
vocabularyId | String | Tidak | ID daftar kata panas yang telah dikompilasi sebelumnya.Hasilkan ID ini terlebih dahulu dengan memanggil API pembuatan daftar kata panas. Masukkan ID ini selama pengenalan untuk menggunakan kata-kata panas dalam daftar tersebut.Cocok untuk skenario di mana kosakata diketahui dan relatif stabil, serta Anda perlu menggunakan kembali daftar kata yang sama di berbagai permintaan.Untuk detail penggunaan, lihat Kata panas yang telah dikompilasi. |
max_sentence_silence | Integer | Tidak | Ambang batas keheningan VAD untuk segmentasi, dalam ms. Ketika keheningan setelah segmen ucapan melebihi ambang batas ini, sistem menentukan bahwa kalimat telah berakhir.Nilai default: 1300.Nilai valid: [200, 6000].Atur max_sentence_silence melalui metode parameter atau metode parameters dari instans RecognitionParam: |
multi_threshold_mode_enabled | boolean | Tidak | Apakah mode multi-ambang batas diaktifkan. Ketika diaktifkan, ini mencegah segmen VAD menjadi terlalu panjang.Nilai default: false.Atur multi_threshold_mode_enabled melalui metode parameter atau metode parameters dari instans RecognitionParam: |
punctuation_prediction_enabled | boolean | Tidak | Mengatur apakah tanda baca ditambahkan secara otomatis ke hasil pengenalan:
punctuation_prediction_enabled melalui metode parameter atau metode parameters dari instans RecognitionParam: |
heartbeat | boolean | Tidak | Apakah paket heartbeat diaktifkan.Nilai default: false.
Untuk menggunakan bidang ini, versi SDK harus 2.19.1 atau lebih baru. heartbeat melalui metode parameter atau metode parameters dari instans RecognitionParam: |
language_hints | String[] | Tidak | Bahasa audio yang akan dikenali. Tidak ada nilai default; jika tidak diatur, model akan mendeteksi bahasa secara otomatis.Anda dapat menetapkan 1 nilai. Jika lebih, hanya nilai pertama yang berlaku.
Klik untuk melihat kode bahasa yang didukung
language_hints melalui metode parameter atau metode parameters dari instans RecognitionParam: |
speech_noise_threshold | float | Tidak | Ambang batas untuk membedakan ucapan dari kebisingan, digunakan untuk menyesuaikan sensitivitas Voice Activity Detection (VAD).Nilai valid: [-1.0, 1.0].Deskripsi nilai:
speech_noise_threshold melalui metode parameter atau metode parameters dari instans RecognitionParam: |
special_word_filter | String | Tidak | Menentukan kata sensitif yang akan diproses selama pengenalan ucapan, dan mendukung pengaturan metode pemrosesan berbeda untuk kata sensitif berbeda. Untuk detailnya, lihat Penyaringan kata sensitif.Atur special_word_filter melalui metode parameter atau metode parameters dari instans RecognitionParam: |
input | Map<String, Object> | Tidak | Objek input yang memasukkan konteks percakapan. Konteks membantu pengenalan dan meningkatkan akurasi pengenalan istilah khusus. Untuk penggunaan, lihat Mulai cepat.Map harus berisi kunci context yang nilainya adalah array pesan bertipe List<Map<String, Object>>. Setiap pesan berisi bidang berikut:
Untuk menggunakan bidang ini, versi SDK harus 2.22.23 atau lebih baru. input melalui metode input dari instans RecognitionParam: |
apiKey | String | Tidak | Kunci API Anda. |
Referensi API
Antarmuka bersama
Kelas Recognition
Impor Recognition dengan import com.alibaba.dashscope.audio.asr.recognition.Recognition;. Antarmuka utamanya sebagai berikut:
| Antarmuka/Metode | Parameter | Nilai kembali | Deskripsi |
|---|---|---|---|
| Tidak ada | Pengenalan real-time streaming berbasis callback. Metode ini tidak memblokir thread saat ini. | |
| Hasil pengenalan. | Pengenalan non-streaming file lokal. Metode ini memblokir thread saat ini hingga seluruh file audio dibaca. File harus dapat dibaca. | |
| Flowable<RecognitionResult> | Pengenalan real-time streaming berbasis Flowable. | |
| Tidak ada | Mengirim audio. Pertahankan ukuran setiap chunk audio yang dikirim dalam batas wajar. Ukuran chunk yang direkomendasikan berisi sekitar 100 ms audio dan berukuran 1 KB hingga 16 KB.Hasil pengenalan dikirim melalui metode onEvent dari Antarmuka callback (ResultCallback). | |
| Tidak ada | Tidak ada | Menghentikan pengenalan real-time.Metode ini memblokir thread saat ini hingga callback ResultCallback memanggil onComplete atau onError. | |
| code: Kode penutupan WebSocket.reason: Alasan penutupan.Untuk panduan mengatur dua parameter ini, lihat Protokol WebSocket. | true | Setelah tugas berakhir, selalu tutup koneksi WebSocket, baik terjadi kesalahan maupun tidak, untuk menghindari kebocoran koneksi. Untuk menggunakan kembali koneksi demi efisiensi yang lebih baik, lihat Optimalkan pengenalan ucapan real-time Paraformer untuk konkurensi tinggi. | |
| Tidak ada | requestId | Mendapatkan requestId tugas saat ini. Tersedia setelah tugas baru dimulai dengan call atau streamingCall.Metode ini tersedia hanya di versi SDK 2.18.0 dan lebih baru. | |
| Tidak ada | Latensi paket pertama. | Mendapatkan latensi paket pertama, yaitu penundaan dari pengiriman paket audio pertama hingga menerima hasil pengenalan pertama. Gunakan setelah tugas selesai. Metode ini tersedia hanya di versi SDK 2.18.0 dan lebih baru. | |
| Tidak ada | Latensi paket terakhir. | Mendapatkan latensi paket terakhir, yaitu waktu dari pengiriman perintah stop hingga menerima hasil pengenalan akhir. Gunakan setelah tugas selesai.Metode ini tersedia hanya di versi SDK 2.18.0 dan lebih baru. |
Antarmuka callback (ResultCallback)
Selama panggilan streaming dua arah, server mengembalikan informasi dan data proses penting ke klien melalui callback. Implementasikan metode callback untuk menangani informasi atau data yang dikembalikan oleh server.
Implementasikan metode callback dengan memperluas kelas abstrak ResultCallback. Saat memperluas kelas ini, Anda dapat mengatur tipe generik ke RecognitionResult. RecognitionResult membungkus struktur data yang dikembalikan oleh server.
Karena Java mendukung penggunaan kembali koneksi, tidak ada onClose atau onOpen.
| Antarmuka/Metode | Parameter | Nilai kembali | Deskripsi |
|---|---|---|---|
result: Hasil pengenalan real-time (RecognitionResult) | Tidak ada | Dipanggil ketika server mengirim respons. | |
| Tidak ada | Tidak ada | Dipanggil setelah tugas selesai. | |
e: Informasi pengecualian. | Tidak ada | Dipanggil ketika terjadi pengecualian. |
Hasil pengenalan real-time (RecognitionResult)
RecognitionResult merepresentasikan hasil dari satu pengenalan real-time.
| Antarmuka/Metode | Parameter | Nilai kembali | Deskripsi |
|---|---|---|---|
| Tidak ada | requestId | Mendapatkan requestId. | |
| Tidak ada | Apakah kalimat lengkap telah terbentuk, yaitu apakah batas kalimat terdeteksi. | Menentukan apakah kalimat yang diberikan telah berakhir. | |
| Tidak ada | Informasi kalimat (Sentence) | Mendapatkan informasi kalimat, termasuk timestamp dan teks. |
Informasi kalimat (Sentence)
| Antarmuka/Metode | Parameter | Nilai kembali | Deskripsi |
|---|---|---|---|
| Tidak ada | Waktu mulai kalimat, dalam ms. | Mengembalikan waktu mulai kalimat. | |
| Tidak ada | Waktu akhir kalimat, dalam ms. | Mengembalikan waktu akhir kalimat. | |
| Tidak ada | Teks yang dikenali. | Mengembalikan teks yang dikenali. | |
| Tidak ada | Daftar objek Informasi timestamp tingkat kata (Word). | Mengembalikan informasi timestamp tingkat kata. |
Informasi timestamp tingkat kata (Word)
| Antarmuka/Metode | Parameter | Nilai kembali | Deskripsi |
|---|---|---|---|
| Tidak ada | Waktu mulai kata, dalam ms. | Mengembalikan waktu mulai kata. | |
| Tidak ada | Waktu akhir kata, dalam ms. | Mengembalikan waktu akhir kata. | |
| Tidak ada | Kata. | Mengembalikan kata yang dikenali. | |
| Tidak ada | Tanda baca. | Mengembalikan tanda baca. |
Qwen-Audio-ASR-Streaming
Antarmuka utama
Respons
- Hasil pengenalan real-time (RecognitionResult)
- Informasi kalimat (
Sentence) - Informasi timestamp tingkat kata (Word)
Qwen-Audio-ASR-Message
Antarmuka utama
Respons
- Hasil pengenalan real-time (RecognitionResult)
- Informasi kalimat (
Sentence) - Informasi timestamp tingkat kata (Word)
Fun-ASR-Realtime
Antarmuka utama
Respons
- Hasil pengenalan real-time (RecognitionResult)
- Informasi kalimat (
Sentence) - Informasi timestamp tingkat kata (Word)