Reconhecimento de fala em tempo real (Qwen-Audio-3.0-ASR-Flash-Streaming/Fun-ASR-Realtime)
Qwen-Audio-3.0-ASR-Flash-Streaming/Fun-ASR-Realtime real-time speech recognition WebSocket API reference
Este tópico descreve o endpoint de service, os cabeçalhos de requisição e o fluxo de interação para acessar o service de reconhecimento de fala em tempo real Qwen-Audio-3.0-ASR-Flash-Streaming/Fun-ASR-Realtime por meio de uma conexão WebSocket.
Guia do usuário: Para descrições dos modelos e orientações de seleção, consulte Speech-to-text. Para exemplos de código, consulte Real-time speech recognition.Atualmente, o DashScope SDK oferece suporte apenas a Java e Python. Para outras linguagens de programação, conecte-se diretamente ao service via conexão WebSocket.
wss://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api-ws/v1/inferenceSubstitua {WorkspaceId} pelo seu Workspace ID real.
wss://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api-ws/v1/inferenceSubstitua {WorkspaceId} pelo seu Workspace ID real.
O Alibaba Cloud Model Studio lançou domínios específicos por workspace para as regiões China (Beijing) e Singapore. Os novos domínios dedicados oferecem desempenho superior e maior estabilidade para requisições de inferência. Recomendamos a migração para os novos domínios:
China (Beijing): de dashscope.aliyuncs.com para {WorkspaceId}.cn-beijing.maas.aliyuncs.com
Singapore: de dashscope-intl.aliyuncs.com para {WorkspaceId}.ap-southeast-1.maas.aliyuncs.com
Substitua {WorkspaceId} pelo seu Workspace ID real. Os domínios existentes permanecem totalmente funcionais.
A URL deve usar o protocolo wss:// e é fixa. Defina Authorization no cabeçalho da requisição (consulte Request headers).
Adicione as seguintes informações ao cabeçalho da requisição:
Parâmetro
Tipo
Obrigatório
Descrição
Authorization
string
Sim
Token de autenticação no formato Bearer <your_api_key>. Substitua <your_api_key> pela sua chave de API real.
user-agent
string
Não
Identificador do cliente que ajuda o servidor a rastrear a source da requisição.
X-DashScope-WorkSpace
string
Não
workspace ID do Model Studio.
X-DashScope-DataInspection
string
Não
Indica se a inspeção de conformidade de dados deve ser ativada. Este parâmetro é omitido ou definido como enable por padrão. Não ative este parâmetro a menos que seja necessário.
A autorização é verificada durante o handshake WebSocket. Se a chave de API for inválida ou estiver ausente, o handshake falhará e retornará um erro HTTP 401 ou 403.
O cliente e o servidor interagem na seguinte ordem:
Estabeleça a conexão: O cliente estabelece uma conexão WebSocket com o servidor.
Inicie a tarefa: O cliente envia uma instrução run-task para iniciar a tarefa e recebe um evento task-started do servidor. Esse evento confirma que a tarefa foi iniciada e que você pode prosseguir para as etapas subsequentes.
Envie o fluxo de áudio: O cliente começa a enviar áudio binário (que deve ser mono) e recebe simultaneamente um fluxo de eventos result-generated do servidor. Cada evento contém um resultado de reconhecimento de fala.
Notifique o servidor para encerrar a tarefa: O cliente envia uma instrução finish-task para sinalizar ao servidor o fim da tarefa e continua recebendo eventos result-generated do servidor.
Encerre a tarefa: O cliente recebe um evento task-finished do servidor, indicando que a tarefa terminou.
Feche a conexão: O cliente fecha a conexão WebSocket.
