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-3.1-asr-flash-streamingGunakan qwen-audio-3.0-asr-flash-streaming untuk contoh input mikrofon. |
| Qwen-Audio-ASR-Message | qwen-audio-3.1-asr-flash-messageHanya mendukung laju sampel 16000 Hz. |
| Fun-ASR-Realtime | fun-asr-realtime |
client.audio.asr) menyediakan antarmuka seperti panggilan non-streaming dan streaming dua arah. Pilih metode pemanggilan yang sesuai dengan 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 (sesi
recognize): 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
- Panggilan streaming dua arah
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.Parameter permintaan
Qwen-Audio-ASR-Streaming
Referensi umum
Lihat referensi Qwen-Audio-ASR-Streaming Python SDK terkini.
Atur parameter permintaan melalui metode recognize/recognize_file dari sumber daya inti (client.audio.asr): model, format, sample_rate, vocabulary_id adalah parameter bernama; parameter lainnya (seperti language_hints) diteruskan melalui dictionary parameters.
| Parameter | Tipe | Wajib | Deskripsi |
|---|---|---|---|
model | str | Ya | Nama model. |
sample_rate | int | Ya | Laju sampel dalam Hz. Semua laju sampel didukung. |
format | str | Ya | Format audio.Nilai valid:
|
keep_dialect | bool | 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. Teruskan sebagai argumen kata kunci dengan nama yang sama. |
vad_model | str | Tidak | Hanya berlaku untuk qwen-audio-3.1-asr-flash-streaming.near_meeting_16k (jarak dekat) atau far_field_meeting_16k (jarak jauh, default). Teruskan sebagai argumen kata kunci dengan nama yang sama. |
vocabulary_id | str | Tidak | ID daftar kata kunci panas yang telah dikompilasi sebelumnya.Hasilkan ID ini terlebih dahulu dengan memanggil API pembuatan daftar kata kunci panas. Masukkan ID ini selama pengenalan untuk menggunakan kata-kata 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 kunci panas yang telah dikompilasi. |
vocabulary | dict | Tidak | Kata kunci panas instan.Diteruskan sebagai pasangan kunci-nilai, di mana kunci adalah teks kata kunci (string) dan nilai adalah bobot kata kunci (integer). Tidak perlu membuat daftar kata kunci 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 kunci super panas, yang sangat meningkatkan recall, tetapi jumlah kata kunci super panas tidak boleh melebihi 50.Cocok untuk optimasi kata kunci panas sementara pada tingkat sesi.Jika dikonfigurasi bersama dengan kata kunci panas yang telah dikompilasi, sistem akan menggabungkan kedua jenis kata kunci panas tersebut; jika hasil penggabungan melebihi 2000, 2000 kata dipilih secara acak untuk digunakan. Untuk detail penggunaan, lihat Kata kunci panas instan.Contoh: |
max_sentence_silence | int | 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]. |
multi_threshold_mode_enabled | bool | Tidak | Apakah mode multi-ambang batas diaktifkan. Saat diaktifkan, mencegah segmentasi VAD menghasilkan segmen yang terlalu panjang.Default: False. |
punctuation_prediction_enabled | bool | Tidak | Apakah tanda baca ditambahkan secara otomatis ke hasil pengenalan:
|
heartbeat | bool | Tidak | Apakah paket heartbeat diaktifkan.Default: False.
|
language_hints | list[str] | 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
|
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:
|
special_word_filter | str | 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. |
call atau start dari instans Recognition.
| Parameter | Tipe | Wajib | Deskripsi |
|---|---|---|---|
input | dict | Tidak | Objek input yang digunakan untuk meneruskan konteks percakapan. Peningkatan konteks meningkatkan akurasi pengenalan untuk istilah spesifik domain. Untuk penggunaan, lihat Mulai cepat.Dict harus mencakup kunci context yang nilainya adalah daftar pesan (list[dict]). Setiap pesan berisi bidang berikut:
Field ini memerlukan SDK versi 2.0.1 atau lebih baru. |
Qwen-Audio-ASR-Message
Referensi umum
Lihat referensi Qwen-Audio-ASR-Message Python SDK terkini.
Atur parameter permintaan melalui metode recognize/recognize_file dari sumber daya inti (client.audio.asr): model, format, sample_rate, vocabulary_id adalah parameter bernama; parameter lainnya (seperti language_hints) diteruskan melalui dictionary parameters.
| Parameter | Tipe | Wajib | Deskripsi |
|---|---|---|---|
model | str | Ya | Nama model. |
sample_rate | int | Ya | Laju sampel dalam Hz. Hanya 16000 yang didukung. |
format | str | Ya | Format audio.Nilai valid:
|
keep_dialect | bool | Tidak | Default: false, yang mentranskripsikan dialek menjadi bahasa Mandarin standar. Tetapkan ke true untuk mempertahankan ungkapan dialek. Teruskan sebagai argumen kata kunci dengan nama yang sama.Parameter ini hanya berlaku pada hasil akhir (sentence_end=true) dan tidak didukung pada hasil sementara (sentence_end=false). |
vad_model | str | Tidak | Model VAD: near_meeting_16k (jarak dekat) atau far_field_meeting_16k (jarak jauh, default). Teruskan sebagai argumen kata kunci dengan nama yang sama. |
disfluency_removal_enabled | bool | Tidak | Menentukan apakah kata pengisi difilter dan teks keluaran dirapikan. Default: false. Tetapkan ke true untuk mengaktifkan. Teruskan sebagai argumen kata kunci dengan nama yang sama. |
intermediate_result_enabled | bool | Tidak | Menentukan apakah hasil streaming sementara dikembalikan. Default: false. Tetapkan ke true untuk menerimanya. Teruskan sebagai argumen kata kunci dengan nama yang sama. |
vocabulary_id | str | Tidak | ID daftar kata kunci panas yang telah dikompilasi sebelumnya.Hasilkan ID ini terlebih dahulu dengan memanggil API pembuatan daftar kata kunci panas. Masukkan ID ini selama pengenalan untuk menggunakan kata-kata 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 kunci panas yang telah dikompilasi. |
vocabulary | dict | Tidak | Kata kunci panas instan.Diteruskan sebagai pasangan kunci-nilai, di mana kunci adalah teks kata kunci (string) dan nilai adalah bobot kata kunci (integer). Tidak perlu membuat daftar kata kunci 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 kunci super panas, yang sangat meningkatkan recall, tetapi jumlah kata kunci super panas tidak boleh melebihi 50.Cocok untuk optimasi kata kunci panas sementara pada tingkat sesi.Jika dikonfigurasi bersama dengan kata kunci panas yang telah dikompilasi, sistem akan menggabungkan kedua jenis kata kunci panas tersebut; jika hasil penggabungan melebihi 2000, 2000 kata dipilih secara acak untuk digunakan. Untuk detail penggunaan, lihat Kata kunci panas instan.Contoh: |
language_hints | list[str] | 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
sentence_end=true) dan tidak didukung pada hasil sementara (sentence_end=false). |
max_sentence_silence | int | 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 | bool | Tidak | Apakah paket heartbeat diaktifkan.Default: False.
|
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:
|
call atau start dari instans Recognition.
| Parameter | Tipe | Wajib | Deskripsi |
|---|---|---|---|
input | dict | Tidak | Objek input yang digunakan untuk meneruskan konteks percakapan. Peningkatan konteks meningkatkan akurasi pengenalan untuk istilah spesifik domain. Untuk penggunaan, lihat Mulai cepat.Dict harus mencakup kunci context yang nilainya adalah daftar pesan (list[dict]). Setiap pesan berisi bidang berikut:
Field ini memerlukan SDK versi 2.0.1 atau lebih baru. |
Fun-ASR-Realtime
Referensi umum
Lihat referensi Fun-ASR-Realtime Python SDK terkini.
Atur parameter permintaan melalui metode recognize/recognize_file dari sumber daya inti (client.audio.asr): model, format, sample_rate, vocabulary_id adalah parameter bernama; parameter lainnya (seperti max_sentence_silence, language_hints) diteruskan melalui dictionary parameters.
| Parameter | Tipe | Wajib | Deskripsi |
|---|---|---|---|
model | str | Ya | Nama model. |
sample_rate | int | Ya | Laju sampel, dalam Hz.Nilai valid: model 8 kHz hanya mendukung 8000 Hz; model lain mendukung laju sampel apa pun. |
format | str | Ya | Format audio.Nilai valid:
|
vocabulary_id | str | Tidak | ID daftar kata kunci panas yang telah dikompilasi sebelumnya.Hasilkan ID ini terlebih dahulu dengan memanggil API pembuatan daftar kata kunci panas. Masukkan ID ini selama pengenalan untuk menggunakan kata-kata 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 kunci panas yang telah dikompilasi. |
max_sentence_silence | int | 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]. |
multi_threshold_mode_enabled | bool | Tidak | Apakah mode multi-ambang batas diaktifkan. Saat diaktifkan, mencegah segmentasi VAD menghasilkan segmen yang terlalu panjang.Default: False. |
punctuation_prediction_enabled | bool | Tidak | Apakah tanda baca ditambahkan secara otomatis ke hasil pengenalan:
|
heartbeat | bool | Tidak | Apakah paket heartbeat diaktifkan.Default: False.
|
language_hints | list[str] | 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
|
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:
|
special_word_filter | str | 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. |
call atau start dari instans Recognition.
| Parameter | Tipe | Wajib | Deskripsi |
|---|---|---|---|
input | dict | Tidak | Objek input yang digunakan untuk meneruskan konteks percakapan. Peningkatan konteks meningkatkan akurasi pengenalan untuk istilah spesifik domain. Untuk penggunaan, lihat Mulai cepat.Dict harus mencakup kunci context yang nilainya adalah daftar pesan (list[dict]). Setiap pesan berisi bidang berikut:
Field ini memerlukan SDK versi 2.0.1 atau lebih baru. |
Referensi API
Antarmuka bersama
Informasi kalimat (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 tingkat kata (Word) | Informasi timestamp tingkat kata. |
Informasi timestamp tingkat 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. |
Qwen-Audio-ASR-Streaming / Fun-ASR-Realtime
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 anggota | Signature metode | Deskripsi |
|---|---|---|
get_sentence | Mendapatkan kalimat yang dikenali saat ini beserta informasi timestamp-nya; metode ini mengembalikan Dict[str, Any] (informasi kalimat tunggal).Untuk detailnya, lihat Kalimat (Sentence). | |
request_id | request_id permintaan yang sesuai dengan event saat ini. | |
is_sentence_end | Menentukan apakah kalimat saat ini telah berakhir. Metode ini memeriksa apakah bidang end_time pada informasi kalimat tunggal yang dikembalikan get_sentence() bernilai None — end_time yang tidak None menunjukkan bahwa kalimat telah berakhir. |
Qwen-Audio-ASR-Streaming
Antarmuka utama
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 anggota | Signature metode | Deskripsi |
|---|---|---|
recognize | 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 | 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 | 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 | Mendorong audio. Pastikan setiap frame audio yang didorong tidak terlalu besar atau terlalu kecil: sekitar 100 ms per frame, antara 1 KB hingga 16 KB.Hasil pengenalan diperoleh melalui iterasi event (events()/results()). | |
stop | Menghentikan pengenalan ucapan: hanya memberi tahu server bahwa input telah selesai; thread penerima perlu terus mengonsumsi events() hingga event task-finished. | |
events / results | 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 | Menutup sesi pengenalan. Otomatis dipanggil saat keluar dari konteks with. | |
request_id / first_package_delay / last_package_delay / last_response | 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. last_response adalah pesan mentah terakhir yang berhasil dibaca, dapat digunakan untuk mengambil error task-failed. 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.
| Event/metode iterasi | Konten yang dihasilkan | Nilai kembalian | Deskripsi |
|---|---|---|---|
event task-started | Tidak ada | Dibaca secara internal oleh start(), disimpan di last_response saat startup kembali, dan tidak dihasilkan lagi oleh events(). | |
event: dict event server | Iterator | Menghasilkan 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. | |
result: hasil pengenalan (RecognitionResult) | Iterator | Hanya menghasilkan frame hasil pengenalan (frame heartbeat telah difilter); iterasi berakhir setelah semua hasil pengenalan dikembalikan. | |
pengecualian DashScopeError | Tidak ada | Saat terjadi pengecualian, dilempar di thread pengirim/penerima; dapat ditangkap dengan try/except. | |
event task-finished | Tidak ada | Dihasilkan oleh events() setelah server menyelesaikan seluruh pengenalan, lalu iterasi berakhir; event ini tetap harus dibaca setelah mengirim stop(). |
Respons
- Hasil pengenalan (RecognitionResult)
- Informasi kalimat (
Sentence) - Informasi timestamp tingkat kata (Word)
Qwen-Audio-ASR-Message
Antarmuka utama
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 anggota | Signature metode | Deskripsi |
|---|---|---|
recognize | 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 | 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 | 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 | Mendorong 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 | Menghentikan pengenalan ucapan: hanya memberi tahu server bahwa input telah selesai; thread penerima perlu terus mengonsumsi events() hingga event task-finished. | |
events / results | 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 | Menutup sesi pengenalan. Otomatis dipanggil saat keluar dari konteks with. | |
request_id / first_package_delay / last_package_delay / last_response | 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. last_response adalah pesan mentah terakhir yang berhasil dibaca, dapat digunakan untuk mengambil error task-failed. Masih dapat dibaca setelah sesi ditutup. |
Memperbarui konteks percakapan
Panggilupdate_context untuk memperbarui konteks percakapan selama tugas pengenalan berjalan, sebagai bantuan pengenalan audio selanjutnya. Metode ini memerlukan DashScope Python SDK 2.0.1 atau lebih baru.
- Waktu pemanggilan: setelah memasuki konteks
with(otomatis memanggilstart) untuk memulai pengenalan streaming, dan sebelum memanggilstop. - Parameter:
contextberupa dictionary, meneruskan objekpayload.inputdari eventcontinue-taskyang berisi bidangcontext; jangan membungkus tingkatpayloadatauinputsecara tambahan. - Cakupan dukungan dan batasan parameter: lihat continue-task.
recognition yang telah dimulai.
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.
| Event/metode iterasi | Konten yang dihasilkan | Nilai kembalian | Deskripsi |
|---|---|---|---|
event task-started | Tidak ada | Dibaca secara internal oleh start(), disimpan di last_response saat startup kembali, dan tidak dihasilkan lagi oleh events(). | |
event: dict event server | Iterator | Menghasilkan 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. | |
result: hasil pengenalan (RecognitionResult) | Iterator | Hanya menghasilkan frame hasil pengenalan (frame heartbeat telah difilter); iterasi berakhir setelah semua hasil pengenalan dikembalikan. | |
pengecualian DashScopeError | Tidak ada | Saat terjadi pengecualian, dilempar di thread pengirim/penerima; dapat ditangkap dengan try/except. | |
event task-finished | Tidak ada | Dihasilkan oleh events() setelah server menyelesaikan seluruh pengenalan, lalu iterasi berakhir; event ini tetap harus dibaca setelah mengirim stop(). |
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 anggota | Signature metode | Deskripsi |
|---|---|---|
get_sentence | Mendapatkan kalimat yang dikenali saat ini beserta informasi timestamp-nya; metode ini mengembalikan Dict[str, Any] (informasi kalimat tunggal).Untuk detailnya, lihat Informasi kalimat (Sentence). | |
request_id | request_id permintaan yang sesuai dengan event saat ini. | |
is_sentence_end | Menentukan apakah kalimat saat ini telah berakhir. Metode ini memeriksa apakah bidang end_time pada informasi kalimat tunggal yang dikembalikan get_sentence() bernilai None — end_time yang tidak None menunjukkan bahwa kalimat telah berakhir. |
Fun-ASR-Realtime
Antarmuka utama
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 anggota | Signature metode | Deskripsi |
|---|---|---|
| recognize | 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 | 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 | 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 | Mendorong 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 events()/results(). | |
stop | Menghentikan pengenalan ucapan: hanya memberi tahu server bahwa input telah selesai; thread penerima perlu terus mengonsumsi events() hingga event task-finished. | |
| events / results | 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 | Menutup sesi pengenalan. Otomatis dipanggil saat keluar dari konteks with. | |
| request_id / first_package_delay / last_package_delay / last_response | 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. last_response adalah pesan mentah terakhir yang berhasil dibaca, dapat digunakan untuk mengambil error task-failed. 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.
| Event/metode iterasi | Konten yang dihasilkan | Nilai kembalian | Deskripsi |
|---|---|---|---|
event task-started | Tidak ada | Dibaca secara internal oleh start(), disimpan di last_response saat startup kembali, dan tidak dihasilkan lagi oleh events(). | |
event: dict event server | Iterator | Menghasilkan 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. | |
result: hasil pengenalan (RecognitionResult) | Iterator | Hanya menghasilkan frame hasil pengenalan (frame heartbeat telah difilter); iterasi berakhir setelah semua hasil pengenalan dikembalikan. | |
pengecualian DashScopeError | Tidak ada | Saat terjadi pengecualian, dilempar di thread pengirim/penerima; dapat ditangkap dengan try/except. | |
event task-finished | Tidak ada | Dihasilkan oleh events() setelah server menyelesaikan seluruh pengenalan, lalu iterasi berakhir; event ini tetap harus dibaca setelah mengirim stop(). |
Respons
- Hasil pengenalan (RecognitionResult)
- Informasi kalimat (
Sentence) - Informasi timestamp tingkat kata (Word)