Extraia o arquivo TAR. Obtenha o SDK no formato HAR de neonui e adicione-o às dependências do seu projeto. Para integração com C++, use native/libs e native/include no arquivo TAR para obter as bibliotecas dinâmicas e arquivos de cabeçalho.
Abra o projeto no DevEco Studio. O código de exemplo está em DashFunAsrFlashFileTranscriberPage.ets. Substitua a chave de API para testar o recurso.
Passe uma string JSON para o parâmetro parameters do método initializeFileTrans para configurar essas definições.Exemplo de parâmetro: A string JSON a seguir é um exemplo e não lista todos os parâmetros. Adicione parâmetros conforme necessário em seu código:
O endpoint de serviço. Defina este parâmetro como wss://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation. Substitua {WorkspaceId} pelo seu ID do Workspace real.
apikey
string
Sim
A chave de API. Recomendamos o uso de uma chave de API temporária de curta duração e mais segura para reduzir o risco de expor uma chave de longa duração.
service_mode
string
Sim
O modo de operação. Para reconhecimento de fala não em tempo real, defina este parâmetro como "1".
device_id
string
Sim
Uma string exclusiva que identifica o usuário final. Você pode usar um ID de usuário no aplicativo ou um identificador de dispositivo exclusivo gerado pelo cliente. Este ID é usado principalmente para rastreamento de logs e solução de problemas.
debug_path
string
Não
O caminho para os arquivos de log. Este parâmetro só tem efeito quando você chama initializeFileTrans com save_log definido como true. Nesse caso, você deve especificar o caminho do arquivo de log. Caso contrário, ocorrerá um erro. Até dois arquivos de log são mantidos localmente.
max_log_file_size
number
Não
O tamanho máximo do arquivo de log em bytes. Este parâmetro só tem efeito quando você chama initializeFileTrans com save_log definido como true. Padrão: 104857600 (100 * 1024 * 1024 bytes, ou 100 MiB).
Use setParams para configurar os parâmetros nls_config, ou use startFileTranscriber para configurar todos os parâmetros de reconhecimento.Exemplo de parâmetro: A string JSON a seguir é um exemplo e não lista todos os parâmetros. Adicione parâmetros conforme necessário em seu código:
Se os Parâmetros de conexão e controle apikey usarem uma chave de API temporária, você pode atualizá-la aqui para evitar a expiração.
nls_config
object
Sim
O objeto de configuração principal de reconhecimento de fala, incluindo o modelo e os parâmetros que controlam o reconhecimento.
nls_config.model
string
Sim
O nome do modelo.
nls_config.format
string
Sim
O formato de áudio. Defina este parâmetro para o formato real. Os formatos suportados incluem wav, mp3, opus. Para obter detalhes, consulte Especificações de áudio.
nls_config.sample_rate
string
Não
A taxa de amostragem de áudio em Hz. Por exemplo, 16000 indica uma taxa de amostragem de 16 kHz. Para obter detalhes, consulte Especificações de áudio.
nls_config.vocabulary_id
string
Não
O ID do vocabulário pré-compilado. Crie um vocabulário com antecedência e passe seu ID durante o reconhecimento para usar suas palavras-chave. Use esta opção quando o vocabulário for conhecido, relativamente estável e reutilizado entre solicitações. Para instruções de uso, consulte Palavras-chave pré-compiladas.
nls_config.language_hints
array[string]
Não
Os códigos de idioma a reconhecer. Se o idioma não for conhecido, omita este parâmetro para que o modelo o detecte automaticamente. Você pode definir até 1 valor. Se definir mais, apenas os 1 primeiros terão efeito.
Códigos de idioma compatíveis
zh: Chinês
en: Inglês
ja: Japonês
ko: Coreano
vi: Vietnamita
th: Tailandês
id: Indonésio
ms: Malaio
tl: Filipino
hi: Hindi
ar: Árabe
fr: Francês
de: Alemão
es: Espanhol
pt: Português
ru: Russo
it: Italiano
nl: Holandês
sv: Sueco
da: Dinamarquês
fi: Finlandês
no: Norueguês
el: Grego
pl: Polonês
cs: Tcheco
hu: Húngaro
ro: Romeno
bg: Búlgaro
hr: Croata
sk: Eslovaco
messages
array[object]
Sim
A lista de messages. Ela contém o áudio a ser reconhecido e o contexto opcional de conversa para melhorar o reconhecimento.Consulte as descrições a seguir.
parâmetros de messages:
O contexto melhora a precisão do reconhecimento de termos especializados. Para instruções de uso, consulte Aprimoramento de contexto.as mensagens de contexto (tipos input_text e text) são limitadas a cinco cada. Se o limite for excedido, apenas as cinco mensagens mais recentes serão mantidas. O comprimento total do texto de contexto por turno (a soma dos comprimentos dos campos user e assistanttext) não deve exceder 400 caracteres. Cada caractere conta como um. Os caracteres excedentes são truncados a partir do final.
Quando o contexto é incluído, as mensagens messages devem seguir uma ordem específica. Organize as mensagens de contexto por turno de conversa. Dentro de cada turno, user (tipo input_text) deve preceder o assistant correspondente (tipo text). A mensagem input_audiouser contendo o áudio de entrada deve ser colocada no final de messages.
Parâmetro
Tipo
Obrigatório
Descrição
role
string
Sim
A função da mensagem. Valores válidos:
user (obrigatório): uma mensagem do usuário. Quando o tipo é input_audio, representa o áudio a ser reconhecido. Quando o tipo é input_text, representa os resultados de reconhecimento de turnos anteriores ou um vocabulário específico de domínio (contexto opcional).
assistant (contexto opcional): Respostas do modelo de linguagem grande de turnos anteriores.
content
array[object]
Sim
A lista de conteúdo da mensagem. Consulte as descrições a seguir.
parâmetros de content:
Parâmetro
Tipo
Obrigatório
Descrição
type
string
Sim
O tipo de conteúdo. Cada solicitação requer pelo menos uma mensagem input_audio . Valores válidos:
input_audio (obrigatório): A entrada de áudio a ser reconhecida (o role é user). Você também deve fornecer o objeto input_audio.
input_text (contexto opcional): Resultados de reconhecimento da fala do usuário de turnos anteriores ou um vocabulário específico de domínio (o role é user). Você também deve fornecer o campo text.
text (contexto opcional): Respostas do modelo de linguagem grande de turnos anteriores (o role é assistant). Você também deve fornecer o campo text.
input_audio
object
Não
Obrigatório quando type é input_audio.
input_audio.data
string
Sim
Os dados de áudio a serem reconhecidos. Para formatos de áudio suportados, limites de tamanho de arquivo, limites de duração e outros requisitos de entrada, consulte Especificações de áudio. Os dois métodos de entrada a seguir são suportados:
URL do arquivo de áudio: Passe uma URL de arquivo de áudio publicamente acessível.
URI de dados Base64: passe o áudio codificado em Base64 como um URI de dados. Concatene o prefixo data:{MIME_TYPE};base64, com os dados de áudio codificados em Base64. Os tipos MIME suportados incluem audio/wav, audio/mp3.Exemplo (URL): https://example.com/audio/sample.wavExemplo (Base64): data:audio/wav;base64,{BASE64_ENCODED_DATA}
text
string
Não
Obrigatório quando type é input_text, forneça os resultados de reconhecimento da fala do usuário de turnos anteriores ou um vocabulário específico de domínio. Quando type é text, forneça as respostas do modelo de linguagem grande de turnos anteriores. O comprimento do texto é contado em caracteres, com cada caractere contando como um. O comprimento total de todos os campos text das mensagens em cada turno de contexto não deve exceder 400 caracteres. Os caracteres excedentes são truncados a partir do final.
Inicialize a instância do SDK de reconhecimento de fala.
Ao contrário do reconhecimento de fala em tempo real, a transcrição não em tempo real (arquivo gravado) requer initializeFileTrans com um callback INativeFileTransCallback em vez de initialize.
Este método bloqueia. Chame-o a partir de uma thread que não seja de UI.Assinatura do método
Copy
public initializeFileTrans(callback: INativeFileTransCallback, parameters: string, level: number, save_log: boolean = false): number
Parâmetros
Parâmetro
Tipo
Descrição
callback
INativeFileTransCallback
A implementação da interface de callback de eventos e dados de transcrição de arquivo.
parameters
string
Uma string JSON contendo parâmetros de autenticação, conexão e depuração. Consulte Parâmetros de conexão e controle.
level
number
O nível de log do SDK. Use um valor da enumeração .
save_log
boolean
Se deve salvar logs localmente. Se definido como true, use os Parâmetros de conexão e controle para definir debug_path para especificar o caminho e use max_log_file_size para definir o tamanho do arquivo.
Use este método para definir ou atualizar nls_config separadamente. Você não precisa chamar este método se todos os parâmetros forem fornecidos em startFileTranscriber em uma única chamada.Assinatura do método
Copy
public setParams(params: string): number
Parâmetros
Parâmetro
Tipo
Descrição
params
string
Parâmetros de reconhecimento nos parâmetros nls_config; parâmetros fora de nls_config não podem ser definidos com este método.
O buffer de ID da tarefa. O SDK grava uma string de ID de tarefa aleatória gerada internamente neste buffer. Seu comprimento em bytes deve ser >= 33 bytes (o exemplo usa new ArrayBuffer(64)). Após uma chamada bem-sucedida, decodifique o buffer para obter o task_id da tarefa.
Use este método para consultar o status atual e o resultado de uma tarefa assíncrona. Após uma chamada bem-sucedida, o resultado é retornado por meio do evento EVENT_FILE_TRANS_QUERY_RESULT do callback onFileTransEventCallback.Assinatura do método
Copy
public queryFileTranscriber(task_id: string): number
Parâmetros
Parâmetro
Tipo
Descrição
task_id
string
O ID da tarefa a ser consultada (gravado no buffer por startFileTranscriber ).
Libere todos os recursos internos do SDK. Após esta chamada, a instância do SDK fica indisponível. Para usá-la novamente, chame initializeFileTrans para inicializá-la novamente.Assinatura do método
onFileTransLogTrackCallback: Ouça logs de rastreamento
Este callback recebe logs internos detalhados do SDK para solução de problemas e depuração.Para usar este callback, baixe o pacote do SDK do HarmonyOS com data de 20260908 ou posterior.
No SDK do HarmonyOS, os tipos de evento são definidos pela enumeração Constants.NuiEvent . Os seguintes eventos estão relacionados à transcrição de arquivos gravados: