Skip to main content

Python SDK

Parameter dan antarmuka Python SDK untuk pengenalan ucapan real-time Paraformer.

Dokumen ini hanya berlaku untuk wilayah Tiongkok daratan (Beijing). Untuk menggunakan model tersebut, Anda harus menggunakan API key dari wilayah Tiongkok daratan (Beijing).
Alibaba Cloud Model Studio telah merilis domain khusus ruang kerja untuk wilayah Tiongkok (Beijing). Domain khusus baru ini memberikan performa lebih unggul dan stabilitas lebih tinggi untuk permintaan inferensi. Kami merekomendasikan migrasi dari dashscope.aliyuncs.com ke {WorkspaceId}.cn-beijing.maas.aliyuncs.com.Ganti {WorkspaceId} dengan Workspace ID aktual Anda. Domain yang ada tetap berfungsi penuh.
Panduan pengguna: Untuk pengenalan model dan rekomendasi pemilihan, lihat Pengenalan Ucapan Real-time - Fun-ASR/Paraformer.

Prasyarat

Anda telah mengaktifkan layanan dan Mendapatkan API key. Harap Konfigurasikan API key sebagai Variabel lingkungan alih-alih hardcoding di kode Anda untuk mencegah risiko keamanan akibat kebocoran kode.
Ketika Anda perlu memberikan akses sementara kepada aplikasi atau pengguna pihak ketiga, atau ketika ingin mengontrol secara ketat operasi berisiko tinggi seperti mengakses atau menghapus data sensitif, kami merekomendasikan penggunaan Token otentikasi sementara.Dibandingkan dengan API Key jangka panjang, token otentikasi sementara memiliki periode validitas singkat (60 detik) dan keamanan lebih tinggi, sehingga cocok untuk skenario panggilan sementara dan secara efektif mengurangi risiko kebocoran API Key.Penggunaan: Dalam kode Anda, gantilah API Key yang awalnya digunakan untuk otentikasi dengan token otentikasi sementara yang diperoleh.

Daftar model

paraformer-realtime-v2paraformer-realtime-8k-v2
Skema penggunaanStreaming langsung, rapat, dan skenario serupaPengenalan audio 8 kHz dalam skenario seperti layanan pelanggan telepon dan pesan suara
Laju sampelApa saja8kHz
BahasaBahasa Tionghoa (termasuk Mandarin dan berbagai dialek), Inggris, Jepang, Korea, Jerman, Prancis, RusiaDialek Tionghoa yang didukung: Shanghainese, Wu, Minnan, Timur Laut, Gansu, Guizhou, Henan, Hubei, Hunan, Jiangxi, Ningxia, Shanxi, Shaanxi, Shandong, Sichuan, Tianjin, Yunnan, KantonTionghoa
Prediksi tanda bacaDidukung secara default. Tidak perlu konfigurasi.Didukung secara default. Tidak perlu konfigurasi.
Inverse Text Normalization (ITN)Didukung secara default. Tidak perlu konfigurasi.Didukung secara default. Tidak perlu konfigurasi.
Kosakata kustomLihat Kustomisasi hotwordLihat Kustomisasi hotword
Tentukan bahasa pengenalanTentukan bahasa menggunakan parameter language_hints.Tidak didukung
Pengenalan emosiTidak didukung
Pengenalan emosi memiliki batasan berikut:
  • Hanya berlaku untuk model paraformer-realtime-8k-v2.
  • Anda harus menonaktifkan tanda baca semantik (dikendalikan oleh parameter permintaan semantic_punctuation_enabled). Tanda baca semantik dinonaktifkan secara default.
  • Hasil pengenalan emosi hanya ditampilkan ketika metode is_sentence_end dari RecognitionResult mengembalikan nilai True.
Untuk memperoleh hasil deteksi emosi, ambil emosi dan tingkat kepercayaan emosi kalimat saat ini dari field emo_tag dan emo_confidence pada informasi kalimat tunggal (Sentence).

Mulai cepat

Sumber daya inti (client.audio.asr) menyediakan antarmuka panggilan non-streaming dan streaming dua arah. Pilih metode pemanggilan yang sesuai berdasarkan kebutuhan aktual Anda:
  • Panggilan non-streaming (recognize_file): mengenali file lokal; SDK otomatis mengirim audio secara bertahap dan menggerakkan tugas hingga selesai. Cocok untuk memproses audio yang telah direkam sebelumnya.
  • Panggilan streaming dua arah: dapat langsung mengenali aliran audio dan mengeluarkan hasil secara real-time. Aliran audio dapat berasal dari perangkat eksternal (seperti mikrofon) atau dibaca dari file lokal. Cocok untuk skenario yang membutuhkan umpan balik segera.

Panggilan non-streaming

Kirim satu tugas transkripsi ucapan real-time dan dapatkan hasil transkripsi secara sinkron (blocking) dengan memasukkan file lokal. Panggil metode recognize_file dari sumber daya inti (client.audio.asr) untuk mengikat parameter permintaan dan meneruskan path file lokal, lalu iterasi event server untuk mendapatkan hasil pengenalan (RecognitionResult).
import os
import dashscope

# Berikut adalah konfigurasi untuk wilayah Singapura. Saat memanggil, ganti "{WorkspaceId}" dengan ID ruang kerja Anda yang sebenarnya. Nilai region berbeda-beda untuk setiap wilayah.
client = dashscope.Client(
    # Jika Anda belum mengonfigurasi API Key dalam variabel lingkungan, ganti baris berikut dengan API Key Anda: api_key="sk-xxx"
    api_key=os.getenv("DASHSCOPE_API_KEY"),
    workspace="{WorkspaceId}",
    region="ap-southeast-1",
)

# Kenali file audio lokal: recognize_file otomatis mengirim audio secara bertahap dan menggerakkan tugas hingga selesai
for event in client.audio.asr.recognize_file(
        '{YOUR_AUDIO_FILE}',
        model='paraformer-realtime-v2',
        format='wav',
        sample_rate=16000,
        # "language_hints" hanya didukung oleh model paraformer-realtime-v2
        parameters={'language_hints': ['zh', 'en']}):
    payload = event.get('payload') or {}
    sentence = (payload.get('output') or {}).get('sentence') or {}
    if sentence.get('text') and not sentence.get('heartbeat'):
        print('Hasil pengenalan:', sentence['text'])
recognize_file menghasilkan event server (Dict[str, Any]) satu per satu: jenis event berada di event['header']['event'], teks pengenalan berada di event['payload']['output']['sentence'] (sentence_end bernilai true berarti kalimat telah selesai; begin_time / end_time adalah timestamp, words adalah timestamp per kata — bidang lainnya lihat Informasi kalimat (Sentence)). Event heartbeat dan teks kosong tetap dihasilkan, dapat diabaikan sesuai kebutuhan.Pada sesi streaming dua arah, selain events(), Anda juga dapat menggunakan results() untuk hanya iterasi frame hasil pengenalan (mengembalikan hasil pengenalan (RecognitionResult) bertipe, frame heartbeat telah difilter); lihat penjelasan metode get_sentence untuk detailnya.

Panggilan streaming dua arah

Kirim satu tugas transkripsi ucapan real-time dan keluarkan hasil pengenalan real-time secara streaming dengan cara mengiterasi event.
  1. Mulai pengenalan ucapan streaming Panggil metode recognize dari sumber daya inti (client.audio.asr) untuk membuat sesi pengenalan dan mengikat parameter permintaan; masuki konteks with (otomatis memanggil metode start untuk membuat koneksi dan mengirim tugas) untuk memulai pengenalan ucapan streaming.
  2. Streaming Panggil metode send_audio_frame milik sesi dalam loop untuk mengirim aliran audio biner yang dibaca dari file lokal atau perangkat (seperti mikrofon) ke server secara bertahap. Pengiriman dan penerimaan harus berjalan konkuren: thread penerima mengiterasi event server melalui iterasi event (events()/results()), mengembalikan hasil pengenalan ke klien secara real-time. Disarankan durasi audio yang dikirim setiap kali sekitar 100 milidetik, dengan ukuran data dijaga antara 1 KB hingga 16 KB.
  3. Akhiri pemrosesan Panggil metode stop milik sesi untuk mengakhiri pengenalan ucapan. Metode ini hanya memberi tahu server bahwa input telah selesai; thread penerima perlu terus mengonsumsi events() hingga event task-finished untuk mendapatkan hasil pengenalan terakhir beserta statistiknya. Error pada lapisan ws akan dilempar sebagai pengecualian DashScopeError, yang dapat ditangkap dengan try/except di sisi pengirim/penerima.
import os
import signal  # untuk penanganan event keyboard (tekan "Ctrl+C" untuk menghentikan perekaman)
import sys

import dashscope
import pyaudio
from concurrent.futures import ThreadPoolExecutor

# Berikut adalah konfigurasi untuk wilayah Singapura. Saat memanggil, ganti "{WorkspaceId}" dengan ID ruang kerja Anda yang sebenarnya. Nilai region berbeda-beda untuk setiap wilayah.
client = dashscope.Client(
    # Jika Anda belum mengonfigurasi API Key dalam variabel lingkungan, ganti baris berikut dengan API Key Anda: api_key="sk-xxx"
    api_key=os.getenv("DASHSCOPE_API_KEY"),
    workspace="{WorkspaceId}",
    region="ap-southeast-1",
)

mic = None
stream = None

# Atur parameter perekaman
sample_rate = 16000  # laju pengambilan sampel (Hz)
channels = 1  # saluran mono
dtype = 'int16'  # tipe data
format_pcm = 'pcm'  # format data audio
block_size = 3200  # jumlah frame per buffer

# Penerima event pengenalan ucapan real-time
def receive_events(rec):
    for event in rec.events():
        payload = event.get('payload') or {}
        sentence = (payload.get('output') or {}).get('sentence') or {}
        if sentence.get('text') and not sentence.get('heartbeat'):
            print('Recognition text: ', sentence['text'])
            if sentence.get('sentence_end'):
                print(
                    'Recognition sentence end, request_id:%s, usage:%s'
                    % (rec.request_id, rec.usage))

def signal_handler(sig, frame):
    print('Ctrl+C ditekan, hentikan pengenalan ...')
    # Hentikan pengenalan
    recognition.stop()
    print('Pengenalan dihentikan.')
    print(
        '[Metric] requestId: {}, first package delay ms: {}, last package delay ms: {}'
        .format(
            recognition.request_id,
            recognition.first_package_delay,
            recognition.last_package_delay,
        ))
    # Keluar dari program secara paksa
    sys.exit(0)

# fungsi utama
if __name__ == '__main__':
    print('Menginisialisasi ...')

    signal.signal(signal.SIGINT, signal_handler)
    print("Tekan 'Ctrl+C' untuk menghentikan perekaman dan pengenalan...")

    # Panggil layanan pengenalan, Anda dapat menyesuaikan parameter pengenalan, seperti model, format,
    # sample_rate
    with client.audio.asr.recognize(
            model='paraformer-realtime-v2',
            format=format_pcm,
            # 'pcm', 'wav', 'opus', 'speex', 'aac', atau 'amr'. Anda dapat memeriksa format yang didukung dalam dokumen.
            sample_rate=sample_rate,
            # 8000 atau 16000 didukung.
            parameters={'semantic_punctuation_enabled': False},
    ) as recognition:
        # Buka mikrofon
        mic = pyaudio.PyAudio()
        stream = mic.open(format=pyaudio.paInt16,
                          channels=1,
                          rate=16000,
                          input=True)
        with ThreadPoolExecutor(max_workers=1) as pool:
            receiver = pool.submit(receive_events, recognition)
            try:
                # Kirim audio dari mikrofon hingga "Ctrl+C" ditekan
                while stream:
                    data = stream.read(3200, exception_on_overflow=False)
                    recognition.send_audio_frame(data)
                recognition.stop()
                receiver.result()
            finally:
                # close harus dijalankan di dalam konteks pool agar receiver tidak terblokir
                recognition.close()
        stream.stop_stream()
        stream.close()
        mic.terminate()
        stream = None
        mic = None

Panggilan konkuren

Dalam Python, karena adanya Global Interpreter Lock (GIL), hanya satu thread yang dapat menjalankan kode Python pada satu waktu (meskipun beberapa library berorientasi performa mungkin menghilangkan batasan ini). Jika Anda ingin memanfaatkan sumber daya komputasi komputer multi-inti secara lebih baik, kami merekomendasikan penggunaan multiprocessing atau concurrent.futures.ProcessPoolExecutor. Multithreading dapat meningkatkan latensi panggilan SDK secara signifikan dalam kondisi konkurensi tinggi.

Parameter permintaan

Parameter permintaan diatur melalui metode recognize/recognize_file dari sumber daya inti (client.audio.asr): model, format, sample_rate, vocabulary_id, disfluency_removal_enabled adalah parameter bernama; parameter lainnya (seperti language_hints, semantic_punctuation_enabled) diteruskan melalui dictionary parameters.

Parameter

Type

Default

Wajib

Deskripsi

model

str

-

Ya

Model yang digunakan untuk pengenalan ucapan real-time. Untuk informasi lebih lanjut, lihat Daftar Model.

sample_rate

int

-

Ya

Atur laju sampel (dalam Hz) audio yang akan dikenali.

Bervariasi berdasarkan model:

  • paraformer-realtime-v2 mendukung laju sampel apa saja.

  • paraformer-realtime-8k-v2 hanya mendukung laju sampel 8000 Hz.

format

str

-

Ya

Atur format audio yang akan dikenali.

Format audio yang didukung: pcm, wav, mp3, opus, speex, aac, amr.

opus/speex: Harus menggunakan enkapsulasi Ogg.

wav: Harus dikodekan dengan PCM.

amr: Hanya tipe AMR-NB yang didukung.

vocabulary_id

str

-

Tidak

Atur ID hot word. Jika tidak diatur, hot word tidak akan berlaku. Gunakan field ini untuk mengatur ID hot word untuk model v2 dan yang lebih baru.

Pada sesi pengenalan ucapan saat ini, informasi hot word yang sesuai dengan ID hot word ini akan diterapkan. Untuk penggunaan detail, lihat Hotword kustom.

disfluency_removal_enabled

bool

False

Tidak

Atur apakah akan menyaring kata pengisi:

  • true: Menyaring kata pengisi

  • false (default): Tidak menyaring kata pengisi

language_hints

list[str]

["zh", "en"]

Tidak

Atur kode bahasa untuk pengenalan. Jika Anda tidak dapat menentukan bahasa sebelumnya, Anda dapat membiarkannya tidak diatur dan model akan secara otomatis mendeteksi bahasa.

Kode bahasa yang saat ini didukung:

  • zh: Tionghoa

  • en: Inggris

  • ja: Jepang

  • yue: Kanton

  • ko: Korea

  • de: Jerman

  • fr: Prancis

  • ru: Rusia

Parameter ini hanya berlaku untuk model multibahasa. Untuk informasi lebih lanjut, lihat Daftar model.

semantic_punctuation_enabled

bool

False

Tidak

Atur apakah akan mengaktifkan segmentasi semantik. Dinonaktifkan secara default.

  • true: Aktifkan segmentasi semantik dan nonaktifkan segmentasi VAD (Voice Activity Detection).

  • false (default): Aktifkan segmentasi VAD (Voice Activity Detection) dan nonaktifkan segmentasi semantik.

Segmentasi semantik memberikan akurasi lebih tinggi dan cocok untuk skenario transkripsi rapat. Segmentasi VAD (Voice Activity Detection) memiliki latensi lebih rendah dan cocok untuk skenario interaktif.

Dengan menyesuaikan parameter semantic_punctuation_enabled, Anda dapat secara fleksibel mengganti metode segmentasi pengenalan ucapan agar sesuai dengan skenario berbeda.

Parameter ini hanya berlaku ketika model adalah v2 atau yang lebih baru.

max_sentence_silence

int

800

Tidak

Atur ambang batas durasi diam (dalam ms) untuk segmentasi VAD (Voice Activity Detection).

Ketika durasi diam setelah segmen ucapan melebihi ambang batas ini, sistem menentukan bahwa kalimat telah berakhir.

Rentang parameter adalah 200 ms hingga 6000 ms, dengan nilai default 800 ms.

Parameter ini hanya berlaku ketika parameter semantic_punctuation_enabled bernilai false (segmentasi VAD) dan model adalah v2 atau yang lebih baru.

multi_threshold_mode_enabled

bool

False

Tidak

Ketika sakelar ini diaktifkan (true), mencegah segmentasi VAD memotong kalimat yang terlalu panjang. Dinonaktifkan secara default.

Parameter ini hanya berlaku ketika parameter semantic_punctuation_enabled bernilai false (segmentasi VAD) dan model adalah v2 atau yang lebih baru.

punctuation_prediction_enabled

bool

True

Tidak

Atur apakah akan secara otomatis menambahkan tanda baca dalam hasil pengenalan:

  • true (default): Ya

  • false: Tidak

Parameter ini hanya berlaku ketika model adalah v2 atau yang lebih baru.

heartbeat

bool

False

Tidak

Ketika Anda perlu mempertahankan koneksi panjang dengan server, gunakan sakelar ini untuk mengontrol perilaku:

  • true: Koneksi dengan server dapat dipertahankan tanpa gangguan ketika terus-menerus mengirim audio diam.

  • false (default): Bahkan ketika audio diam terus-menerus dikirim, koneksi akan timeout dan ditutup setelah periode tertentu.

    Audio diam mengacu pada file audio atau aliran data yang tidak mengandung sinyal suara. Audio diam dapat dihasilkan melalui berbagai metode, seperti menggunakan perangkat lunak pengeditan audio seperti Audacity atau Adobe Audition, atau melalui alat command-line seperti FFmpeg.

Parameter ini hanya berlaku ketika model adalah v2 atau yang lebih baru.

Field ini diperkenalkan sejak SDK 1.23.1, dan telah disertakan pada versi 2.0.1 ke atas.

inverse_text_normalization_enabled

bool

True

Tidak

Atur apakah akan mengaktifkan ITN (Inverse Text Normalization).

Diaktifkan secara default (true). Ketika diaktifkan, angka Tionghoa dikonversi menjadi angka Arab.

Parameter ini hanya berlaku ketika model adalah v2 atau yang lebih baru.

Referensi API

Sumber daya inti (client.audio.asr)

Kemampuan pengenalan ucapan real-time terpasang pada resource client.audio.asr: recognize membuat sesi pengenalan streaming dua arah (Recognition), recognize_file mengenali file lokal sekali jalan.
Metode anggotaSignature metodeDeskripsi
recognize
def recognize(self,
              *,
              model: str,
              format: str = "pcm",
              sample_rate: int = 16000,
              vocabulary_id: str = None,
              disfluency_removal_enabled: bool = None,
              diarization_enabled: bool = None,
              parameters: Dict = None,
              input: Dict = None,
              phrase_id: str = None,
              ...) -> Recognition
Membuat sesi pengenalan streaming dua arah; saat memasuki konteks with, start otomatis dipanggil untuk membuat koneksi dan mengirim tugas.Pengiriman audio dan konsumsi event harus berjalan konkuren (gunakan bersama send_audio_frame, events()/results(), dan stop).
recognize_file
def recognize_file(self,
                   path: str,
                   *,
                   model: str,
                   format: str = "pcm",
                   sample_rate: int = 16000,
                   ...) -> Iterator[Dict]
Panggilan non-streaming berbasis file lokal: otomatis mengirim audio secara bertahap dan menggerakkan tugas hingga selesai, menghasilkan event server satu per satu. Metode ini memerlukan izin baca pada file yang dikenali.
start
def start(self)
Memulai pengenalan ucapan: membuat koneksi, mengirim tugas, dan menunggu task-started. Otomatis dipanggil saat memasuki konteks with; audio hanya dapat dikirim setelah startup berhasil.
send_audio_frame
def send_audio_frame(self, buffer: bytes)
Mendorong aliran audio. Aliran audio yang didorong setiap kali tidak boleh terlalu besar atau terlalu kecil; disarankan durasi audio per paket sekitar 100 ms dengan ukuran antara 1KB~16KB.Hasil pengenalan diperoleh melalui iterasi event (events()/results()).
stop
def stop(self)
Menghentikan pengenalan ucapan: hanya memberi tahu server bahwa input telah selesai; thread penerima perlu terus mengonsumsi events() hingga event task-finished.
events / results
def events(self) -> Iterator[Dict]
def results(self) -> Iterator[RecognitionResult]
Mengiterasi event server: events() menghasilkan dict event mentah (teks pengenalan berada di payload.output.sentence); results() hanya menghasilkan frame hasil pengenalan, mengembalikan objek bertipe Hasil pengenalan (RecognitionResult) (frame heartbeat telah difilter).
close
def close(self)
Menutup sesi pengenalan. Otomatis dipanggil saat keluar dari konteks with.
request_id / first_package_delay / last_package_delay
rec.request_id
rec.first_package_delay
rec.last_package_delay
Mendapatkan request_id, delay paket pertama (latensi dari pengiriman paket audio pertama hingga diterimanya hasil pengenalan pertama) dan delay paket terakhir (waktu dari pengiriman perintah stop hingga hasil pengenalan terakhir diterima). Gunakan setelah tugas selesai; masih dapat dibaca setelah sesi ditutup.

Iterasi event (events()/results())

Saat panggilan streaming dua arah, server mengembalikan informasi proses utama dan data ke klien melalui event. Anda perlu mengiterasi events() (dict event mentah) atau results() (frame hasil pengenalan bertipe) milik sesi pada thread penerima, untuk memproses informasi atau data yang dikembalikan server.
# Iterasi event mentah: teks pengenalan berada di payload.output.sentence
def receive_events(rec):
    for event in rec.events():
        payload = event.get('payload') or {}
        sentence = (payload.get('output') or {}).get('sentence') or {}
        if sentence.get('text') and not sentence.get('heartbeat'):
            print('Teks pengenalan:', sentence['text'])


# Atau hanya iterasi frame hasil pengenalan (mengembalikan RecognitionResult, frame heartbeat telah difilter)
def receive_results(rec):
    for result in rec.results():
        sentence = result.get_sentence()
        if sentence and 'text' in sentence:
            print('Teks pengenalan:', sentence['text'])
Event/metode iterasiKonten yang dihasilkanNilai kembalianDeskripsi
event["header"]["event"] == "task-started"
event task-startedTidak adaDibaca secara internal oleh start(), disimpan di last_response saat startup kembali, dan tidak dihasilkan lagi oleh events().
def events(self) -> Iterator[Dict]
event: dict event serverIteratorMenghasilkan event ketika server membalas. Hasil pengenalan berada di payload.output.sentence, dapat berupa heartbeat atau event teks kosong; aplikasi dapat mengabaikannya sesuai kebutuhan. Harus dikonsumsi terus-menerus oleh satu thread penerima, jangan membuat beberapa pembaca secara konkuren.
def results(self) -> Iterator[RecognitionResult]
result: Hasil pengenalan (RecognitionResult)IteratorHanya menghasilkan frame hasil pengenalan (frame heartbeat telah difilter); iterasi berakhir setelah semua hasil pengenalan dikembalikan.
try:
    ...
except DashScopeError as e:
    print(e.code, e.message, e.request_id)
pengecualian DashScopeErrorTidak adaSaat terjadi pengecualian, dilempar di thread pengirim/penerima; dapat ditangkap dengan try/except.
event["header"]["event"] == "task-finished"
event task-finishedTidak adaDihasilkan oleh events() setelah server menyelesaikan seluruh pengenalan, lalu iterasi berakhir; event ini tetap harus dibaca setelah mengirim stop().

Hasil respons

Hasil pengenalan (RecognitionResult)

RecognitionResult merepresentasikan satu frame hasil pengenalan yang dihasilkan oleh iterasi results() milik sesi (dapat digunakan baik pada panggilan streaming dua arah maupun panggilan non-streaming; events() menghasilkan dict event mentah — jika membutuhkan tampilan bertipe ini, gunakan results()).
Metode anggotaSignature metodeDeskripsi
get_sentence
def get_sentence(self) -> Union[Dict[str, Any], List[Any]]
Mendapatkan kalimat yang saat ini dikenali beserta informasi timestamp-nya; metode ini mengembalikan tipe Dict[str, Any] (informasi kalimat tunggal).Untuk informasi lebih lanjut, lihat Sentence.
request_id
result.request_id
request_id permintaan yang sesuai dengan event saat ini.
is_sentence_end
def is_sentence_end(self) -> bool
Menentukan apakah kalimat saat ini telah berakhir (bernilai True jika kalimat membawa end_time).

Sentence (Sentence)

Anggota kelas Sentence adalah sebagai berikut:

Parameter

Tipe

Deskripsi

begin_time

int

Waktu mulai kalimat, dalam ms.

end_time

int

Waktu akhir kalimat, dalam ms.

text

str

Teks yang dikenali.

words

Daftar Informasi timestamp kata (Word)

Informasi timestamp kata.

emo_tag

str

Emosi kalimat saat ini:

  • positive: Emosi positif, seperti senang atau puas

  • negative: Emosi negatif, seperti marah atau sedih

  • neutral: Tidak ada emosi yang jelas

Pengenalan emosi memiliki batasan berikut:

  • Hanya berlaku untuk model paraformer-realtime-8k-v2.

  • Anda harus menonaktifkan tanda baca semantik (dikendalikan oleh parameter permintaan semantic_punctuation_enabled). Tanda baca semantik dinonaktifkan secara default.

  • Hasil pengenalan emosi hanya ditampilkan ketika metode is_sentence_end dari RecognitionResult mengembalikan nilai True.

emo_confidence

float

Tingkat kepercayaan emosi yang dikenali untuk kalimat saat ini. Nilainya berkisar dari 0,0 hingga 1,0. Nilai yang lebih besar menunjukkan tingkat kepercayaan yang lebih tinggi.

Pengenalan emosi memiliki batasan berikut:

  • Hanya berlaku untuk model paraformer-realtime-8k-v2.

  • Anda harus menonaktifkan tanda baca semantik (dikendalikan oleh parameter permintaan semantic_punctuation_enabled). Tanda baca semantik dinonaktifkan secara default.

  • Hasil pengenalan emosi hanya ditampilkan ketika metode is_sentence_end dari RecognitionResult mengembalikan nilai True.

Informasi timestamp kata (Word)

Anggota kelas Word adalah sebagai berikut:

Parameter

Tipe

Deskripsi

begin_time

int

Waktu mulai kata, dalam ms.

end_time

int

Waktu akhir kata, dalam ms.

text

str

Kata tersebut.

punctuation

str

Tanda baca.

Contoh lainnya

Untuk contoh lainnya, lihat GitHub.

Kode error

Jika Anda mengalami error, lihat Kode error untuk troubleshooting. Jika masalah berlanjut, bergabunglah dengan komunitas developer untuk melaporkan masalah Anda dan berikan Request ID untuk investigasi lebih lanjut.