Skip to main content

Qwen-LiveTranslate-Realtime 用 C# SDK

C# SDK を使用して、LiveTranslate-Realtime を WebSocket を通じて呼び出し、音声をテキストおよび対象言語の音声に翻訳します。

前提条件

API キーを取得し、環境変数 DASHSCOPE_API_KEY に設定します。ワークスペースと同じリージョンの API キーを使用してください。

SDK のインストール

Bailian.DashScope-1.1.0.zip をダウンロードして展開します。C# プロジェクトで SDK を使用するには、ローカル NuGet ソースからインストール します。

クイックスタート

同梱サンプルの実行

  1. .NET 10 コンソールプロジェクトを作成し、上の手順で SDK をインストールします。
  2. input.pcm をプロジェクトディレクトリに配置します。音声は 16 kHz、モノラル、16 ビットリトルエンディアンのヘッダーなし PCM を使用してください。WAV ファイルは、あらかじめヘッダーなし PCM に変換します。
シンガポールリージョンのワークスペース専用 WebSocket エンドポイントを設定します。WorkspaceId を実際のワークスペース ID に置き換えてください。サポートされているリージョンとエンドポイントは WebSocket での接続 をご覧ください。
export DASHSCOPE_REALTIME_URL="wss://WorkspaceId.ap-southeast-1.maas.aliyuncs.com/api-ws/v1/realtime"

プロジェクトからの呼び出し

このプログラムは、リアルタイムで raw PCM 記録をストリーミングし、応答が完了するまで待機した後、音声を output.pcm に書き込みます。Program.cs を以下のコードに置き換えてください。
using DashScope.Qwen;

if (args.Length < 2)
    throw new ArgumentException("Usage: <input.pcm> <model> [voice]");

using var timeout = new CancellationTokenSource(TimeSpan.FromSeconds(60));
var ct = timeout.Token;
await using var client = new QwenLiveTranslator(new QwenLiveTranslateOptions
{
    Model = args[1],
    Voice = args.Length > 2 ? args[2] : null,
    Url = Environment.GetEnvironmentVariable("DASHSCOPE_REALTIME_URL")
        ?? throw new InvalidOperationException("Set DASHSCOPE_REALTIME_URL to your workspace WebSocket endpoint."),
    Modalities = ["text", "audio"],
    SourceLanguage = "zh",
    TargetLanguage = "en",
    SampleRate = 16000,
});

using var output = File.Create("output.pcm");
var completed = new TaskCompletionSource<string?>(TaskCreationOptions.RunContinuationsAsynchronously);
client.TranslationCompleted += (_, e) => Console.WriteLine(e.Text);
client.TranslatedAudioChunk += (_, e) => output.Write(e.Pcm);
client.ResponseCompleted += (_, e) => completed.TrySetResult(e.Status);
client.ErrorOccurred += (_, e) => completed.TrySetException(
    new InvalidOperationException($"{e.ServerErrorCode}: {e.ServerErrorMessage}"));

await client.ConnectAsync(ct);
using var input = File.OpenRead(args[0]);
var frame = new byte[640];
int size;
while ((size = await input.ReadAsync(frame.AsMemory(), ct)) > 0)
{
    await client.AppendAudioAsync(frame.AsMemory(0, size), ct);
    await Task.Delay(20, ct);
}

Array.Clear(frame);
for (var i = 0; i < 60; i++)
{
    await client.AppendAudioAsync(frame, ct);
    await Task.Delay(20, ct);
}

await client.FinishAsync(ct);
var status = await completed.Task.WaitAsync(ct);
if (status != "completed" || output.Length == 0)
    throw new InvalidOperationException($"Status: {status}, audio bytes: {output.Length}");
クイックスタートで入手した raw PCM ファイルをプロジェクトディレクトリに配置し、例を実行してください。
dotnet run -- input.pcm qwen3.8-livetranslate-flash-realtime Serena

リクエストパラメーター

オプションタイプデフォルト値説明
ApiKeystring?nullModel Studio API キー。省略された場合、SDK は DASHSCOPE_API_KEY を読み取ります。
Urlstringwss://dashscope.aliyuncs.com/api-ws/v1/realtimeWebSocket エンドポイント。SDK は Model を model クエリパラメータとして付加します。
WorkspaceIdstring?nullX-DashScope-WorkSpace ヘッダーに送信されるワークスペース ID。ワークスペース固有のエンドポイントを使用するには、Url に完全なアドレスを設定してください。
ConnectTimeoutTimeSpan10 sWebSocket 接続を開くためのタイムアウト。
StartTimeoutTimeSpan10 ssession.created を受信するためのタイムアウト。
StopTimeoutTimeSpan10 s終了モードがそのイベントを待機している際の session.finished 受信のタイムアウト。
FinishModeQwenRealtimeFinishMode?null省略された場合、SDK はモデルに基づいて終了モードを選択します。インスタンス上の FinishMode を参照して、使用しているモードを確認してください。
Modelstringqwen3.5-livetranslate-flash-realtimeモデル ID。
ModalitiesIList<string>["text", "audio"]出力モダリティ。翻訳テキストのみが必要な場合は ["text"] を使用してください。
Voicestring?null翻訳音声の音声。省略された場合、サーバーがデフォルトを選択します。3.8 で音声生成を行う場合、そのモデルがサポートする音声を指定してください。
EnableVoiceClonebool?null翻訳された音声のボイスクローニングを有効にします。
VoiceCloneFrequencystringonceonce はセッション開始時にボイスをクローニングし、always は各文ごとにクローニングし、never は既存のクローニング済みボイスIDを使用します。お使いのモデルがサポートするモードを確認してください。
SampleRateint16000入力サンプルレート(Hz)。お使いのモデルがサポートするサンプルレートを選択してください。
InputAudioFormatstringpcm入力音声フォーマット。SDKオプションでは pcm または opus を受け入れます。クライアントイベントリファレンスを確認して、お使いのモデルがサポートするフォーマットを確認してください。
OutputAudioFormatstring?null出力音声フォーマット(例:pcm)。省略された場合、サーバーはデフォルトを使用します。
TranscriptionModelstring?qwen3-asr-flash-realtimeソース音声認識用モデル。qwen3.5-livetranslate-flash-realtime を使用する場合、このオプションと SourceLanguage をともに null に設定して input_audio_transcription を省略してください。3.8 では、ソース音声認識は常に有効です。
SourceLanguagestring?nullソース言語コード(例:zh)。省略された場合、サーバーが言語を検出します。
TargetLanguagestringenターゲット言語コード(例:en)。
SkipSameLanguageTextbool?nullソース言語とターゲット言語が一致する場合、翻訳テキストをスキップします。お使いのモデルバージョンがこのオプションをサポートしているか確認してください。
SkipSameLanguageAudiobool?nullソース言語とターゲット言語が一致する場合、翻訳音声をスキップします。お使いのモデルバージョンがこのオプションをサポートしているか確認してください。
CorpusPhrasesIDictionary<string, string>?null翻訳用の用語集。ソース語をターゲット語にマッピングします(translation.corpus.phrases 形式)。
VadThresholddouble?0.5サーバーのVAD閾値(-1.0 ~ 1.0)。
VadSilenceMsint1000サーバーが発話終了を検出するまでの沈黙時間(ミリ秒)。
EnableDebugInfobool?nullサーバーからデバッグ情報を要求します。
3.8 による音声および動画翻訳の場合、まず WebSocketアクセス に示すように session.input_modalities を ["audio", "video"] に設定し、その後音声とともに画像フレームを送信してください。AppendImageAsync は画像フレームを送信します。フィールドに専用のSDKオプションがない場合、SendRawEventAsync を使用して完全なクライアントイベントを送信してください。

API リファレンス

DashScope.Qwen.QwenLiveTranslator と QwenLiveTranslateOptions を併用してください。一部のセッション設定およびイベントフィールドは、3.5 と 3.8 で異なります。モデルに応じた クライアントイベントリファレンス をご確認ください。

メソッド

以下のメソッドは Task を返しますが、DisposeAsync を除きます。ct はオプションのキャンセルトークンです。
メソッド説明
ConnectAsync(CancellationToken ct = default)接続を開き、session.created を待機し、session.update を送信します。
AppendAudioAsync(ReadOnlyMemory<byte> pcm, CancellationToken ct = default)音声フレームを送信します。SDK はバイトを Base64-エンコードし、input_audio_buffer.append イベントを送信します。
AppendImageAsync(string imageBase64, CancellationToken ct = default)input_image_buffer.append 形式で Base64 画像フレームを送信します。画像入力をサポートするモデルを選択し、事前に音声および画像入力を有効にしてください。
SendRawEventAsync(string frameJson, CancellationToken ct = default)提供された完全なクライアントイベントJSONを送信します。専用のSDKメソッドがないイベントに使用してください。
FinishAsync(CancellationToken ct = default)アクティブな FinishMode を使用してセッションを終了します。
AbortAsync()接続を即時終了し、保留中の結果を破棄します。
DisposeAsync()リソースを非同期で解放し、ValueTask を返します。

イベント

イベントイベント引数発火時刻
SessionReadystring?セッションが準備完了しました。値は session.id です。
SourceTranscriptUpdatedQwenTranscriptEventArgs現在のソーストランスクリプト。ソース音声認識が有効な場合に返されます。
SourceTranscriptCompletedQwenTranscriptEventArgsソース発話の最終トランスクリプト。
TranslationTextDeltaQwenTextDeltaEventArgs翻訳の差分。最終的な翻訳については TranslationCompleted を参照してください。
TranslationCompletedQwenTranscriptEventArgs発話に対する完全な翻訳。
TranslatedAudioChunkQwenAudioChunkEventArgs翻訳されたオーディオチャンク。フォーマットおよびサンプルレートは、セッション設定およびモデルの応答に依存します。
TranslatedAudioCompletedEventArgsターンのすべての翻訳オーディオが到着しました。
ResponseCompletedQwenResponseSummaryresponse.done がステータスおよび使用状況とともに到着しました。
RawServerEventQwenServerEventArgsタイプとJSONオブジェクトを含む、サーバーの生イベント。
ErrorOccurredDashScopeErrorEventArgsサーバーエラーまたは接続失敗が発生しました。
イベント引数フィールドについては C# SDK 結果タイプ を参照してください。翻訳の使用量はセッション全体で累積されます。

セッションの終了

すべての音声を送信したら、FinishAsync を呼び出してセッションを終了し、残りの翻訳テキストと翻訳音声を受け取ります。LiveTranslate の既定値は FinishAndWait です。このモードでは session.finish を送信して session.finished を待ちます。