Skip to main content

SDK Java de reconhecimento de fala não em tempo real do Fun-ASR

Este tópico descreve os parâmetros e os detalhes da API do SDK Java para reconhecimento de fala não em tempo real Fun-ASR.

Para requisitos de entrada, como formatos de áudio suportados, limites de tamanho de arquivo e limites de duração, consulte Audio specifications.

Pré-requisitos

  • Você ativou o service e Obtain an API key. Utilize Configure API key as an environment variable em vez de codificá-la diretamente no seu código para evitar riscos de segurança causados por vazamento de código.
  • Install the latest DashScope SDK.

Início rápido

O Core class (Transcription) fornece interfaces para enviar uma tarefa de forma assíncrona, aguardar sincronamente a conclusão da tarefa e consultar o resultado da tarefa de forma assíncrona. Execute o reconhecimento de fala não em tempo real de uma das duas maneiras seguintes:
  • Envie uma tarefa de forma assíncrona e aguarde sincronamente sua conclusão: após enviar a tarefa, a thread atual é bloqueada até que a tarefa termine e o resultado do reconhecimento seja retornado.
  • Envie uma tarefa de forma assíncrona e consulte o resultado da tarefa de forma assíncrona: após enviar a tarefa, chame a interface de consulta para obter o resultado da tarefa sempre que necessário.
  • Enviar uma tarefa de forma assíncrona e aguardar sincronamente sua conclusão
  • Enviar uma tarefa de forma assíncrona e consultar o resultado da tarefa de forma assíncrona
Enviar uma tarefa e aguardar
  1. Configure o Request parameters.
  2. Instancie um Core class (Transcription).
  3. Chame o método asyncCall do Core class (Transcription) para enviar a tarefa de forma assíncrona.
    • O service de transcrição de arquivos processa tarefas enviadas por meio da API com base no melhor esforço. Após o envio, a tarefa entra no estado de fila (PENDING). O tempo de espera depende do tamanho da fila e da duração do arquivo, portanto não pode ser definido com precisão, mas geralmente fica dentro de alguns minutos. Assim que o processamento começa, o reconhecimento de fala é concluído a uma velocidade centenas de vezes superior ao tempo real.
    • Após a conclusão de cada tarefa, o resultado do reconhecimento e a URL de download permanecem válidos por 24 horas. Depois que expiram, não é mais possível consultar a tarefa ou baixar o resultado pela URL retornada em uma consulta anterior.
  4. Chame o método wait do Core class (Transcription) para aguardar sincronamente a conclusão da tarefa. Uma tarefa pode estar no estado PENDING, RUNNING, SUCCEEDED ou FAILED. Enquanto a tarefa estiver no estado PENDING ou RUNNING, a interface wait permanece bloqueada. Quando a tarefa atinge o estado SUCCEEDED ou FAILED, a interface wait desbloqueia e retorna o resultado da tarefa. O método wait retorna um Task result (TranscriptionResult).
import com.alibaba.dashscope.audio.asr.transcription.*;
import com.alibaba.dashscope.utils.Constants;
import com.google.gson.*;

import java.util.Arrays;

public class Main {
    public static void main(String[] args) {
        // The following is the configuration for the Singapore region. When calling, replace "{WorkspaceId}" with your actual workspace ID. Configurations differ across regions.
        Constants.baseHttpApiUrl = "https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1";
        // Create the transcription request parameters
        TranscriptionParam param =
                TranscriptionParam.builder()
                        // The API Key differs between the Singapore and Beijing regions. Get an API Key: https://www.alibabacloud.com/help/zh/model-studio/get-api-key
                        // If you have not configured the environment variable, replace the following line with your Model Studio API Key: .apiKey("sk-xxx")
                        //.apiKey("apikey")
                        .model("fun-asr") // This uses fun-asr as an example; change the model name as needed. Model list: https://www.alibabacloud.com/help/zh/model-studio/models
                        .fileUrls(
                                Arrays.asList(
                                        "{YOUR_AUDIO_URL}"))
                        .build();
        try {
            Transcription transcription = new Transcription();
            // Submit the transcription request
            TranscriptionResult result = transcription.asyncCall(param);
            System.out.println("RequestId: " + result.getRequestId());
            // Block and wait for the task to complete, then get the result
            result = transcription.wait(
                    TranscriptionQueryParam.FromTranscriptionParam(param, result.getTaskId()));
            // Print the result
            System.out.println(new GsonBuilder().setPrettyPrinting().create().toJson(result.getOutput()));
        } catch (Exception e) {
            System.out.println("error: " + e);
        }
        System.exit(0);
    }
}

Endpoints

Por padrão, o SDK usa o endpoint da região China (Beijing). Para mudar para outra região, modifique Constants.baseHttpApiUrl antes da inicialização.
  • Singapore
  • China (Beijing)
https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1Ao fazer uma chamada, substitua {WorkspaceId} pelo seu Workspace ID real.
O Alibaba Cloud Model Studio lançou domínios específicos para workspaces nas regiões China (Beijing) e Singapore. Os novos domínios dedicados oferecem desempenho superior e maior estabilidade para solicitações de inferência. Recomendamos migrar 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
Nota:
  • As API keys diferem entre regiões. Certifique-se de usar a API key correspondente à região de destino.
  • A configuração de região é global e afeta as chamadas de API de todos os SDKs DashScope.

Parâmetros de solicitação

Configure os parâmetros de solicitação usando os métodos encadeados de TranscriptionParam.
TranscriptionParam param = TranscriptionParam.builder()
  .model("fun-asr")
  .fileUrls(
          Arrays.asList(
                  "{YOUR_AUDIO_URL}"))
  .build();
ParâmetroTipoObrigatórioDescrição
modelStringSimO nome do modelo.
fileUrlsList<String>SimLista de URLs dos arquivos de áudio ou vídeo a serem transcritos. HTTP e HTTPS são suportados. Uma única solicitação suporta apenas uma URL. Para requisitos de entrada, como formatos de áudio suportados, limites de tamanho de arquivo e limites de duração, consulte Audio specifications.Se a gravação estiver armazenada no Alibaba Cloud OSS, a API RESTful suporta URLs temporárias com o prefixo oss://, enquanto o SDK não suporta URLs temporárias com prefixo oss://.
  • Uma URL temporária é válida por 48 horas e não pode ser usada após a expiração. Não utilize em produção.
  • A interface de credencial de upload tem limite de taxa de 100 QPS e não pode ser escalonada. Não utilize em ambientes de produção, alta concorrência ou testes de carga.
  • Para produção, use armazenamento estável, como Alibaba Cloud OSS, para manter os arquivos disponíveis a longo prazo e evitar limitações de taxa.
  • Se uma URL de arquivo de áudio definida como uma URL pública temporária do OSS estiver inacessível, defina X-DashScope-OssResourceResolve como enable no cabeçalho da solicitação (não recomendado). O SDK não suporta a configuração de cabeçalhos de solicitação.
vocabularyIdStringNãoID de uma lista de palavras-chave pré-compilada.Gere esse ID antecipadamente chamando a API de criação de lista de palavras-chave. Passe o ID durante o reconhecimento para usar as palavras-chave da lista.Indicado para cenários onde o vocabulário é conhecido e relativamente estável, e onde você precisa reutilizar a mesma lista de palavras entre solicitações.Para detalhes de uso, consulte Precompiled hotwords.
vocabularyMap<String, Integer>NãoHotwords instantâneas. Passe pares de chave-valor em que as chaves são os textos das hotwords (string) e os valores são pesos inteiros (integer). Não é necessário criar uma lista pré-compilada.Para saber como usar, consulte Hotwords instantâneas.Defina vocabulary através do método parameter ou do método parameters da instância TranscriptionParam:
Map<String, Integer> vocab = new HashMap<>();
    vocab.put("John Smith", 5);
    vocab.put("Jane Doe", 5);

    TranscriptionParam param = TranscriptionParam.builder()
      .model("fun-asr")
      .parameter("vocabulary", vocab)
      .build();
channelIdList<Integer>NãoÍndice das faixas de áudio a serem reconhecidas em um arquivo de áudio multifaixa. O índice começa em 0. Por exemplo, [0] reconhece a primeira faixa, e [0, 1] reconhece a primeira e a segunda faixas simultaneamente. Se você omitir este parâmetro, apenas a primeira faixa será processada.
Cada faixa especificada é faturada independentemente. Por exemplo, solicitar [0, 1] para um único arquivo incorre em duas cobranças separadas.
Valor padrão: [0].
specialWordFilterStringNãoPalavras sensíveis a serem processadas durante o reconhecimento de fala. Você pode definir um método de tratamento diferente para cada palavra sensível. Para detalhes, consulte Sensitive word filtering.
diarizationEnabledBooleanNãoSe deve ativar a diarização de falantes. Desativado por padrão.Aplica-se apenas a áudio mono. Áudio multicanal não suporta diarização de falantes.Quando ativado, o resultado do reconhecimento inclui um campo speaker_id que distingue diferentes falantes.
Quando a diarização de falantes estiver ativada, mantenha a duração do áudio dentro de 2 horas. Caso contrário, o reconhecimento pode falhar ou atingir o tempo limite.
Valor padrão: false.Para um exemplo de speaker_id, consulte Recognition result description.
speakerCountIntegerNão
Entra em vigor apenas quando a diarização de falantes está ativada (diarization_enabled definido como true).
Valor de referência para o número de falantes. O intervalo válido é um número inteiro de 2 a 100 (inclusive).Por padrão, o número de falantes é detectado automaticamente. Se você definir este valor, ele apenas orientará o algoritmo a gerar a contagem especificada quando possível, sem garantir essa contagem exata.Sem valor padrão.
language_hintsString[]NãoCódigos de idioma a serem reconhecidos. Se não for possível determinar o idioma antecipadamente, deixe sem definir e o modelo detectará o idioma automaticamente.Você pode definir até 1 valor. Se definir mais, apenas os 1 primeiros serão usados.
  • 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
Defina language_hints através do método parameter ou do método parameters da instância TranscriptionParam:
TranscriptionParam param = TranscriptionParam.builder()
      .model("fun-asr")
      .parameter("language_hints", new String[]{"zh"})
      .build();
apiKeyStringNãoSua API key. Se você configurou a API key como uma variável de ambiente, não precisa defini-la no seu código. Caso contrário, você deve defini-la no seu código.

Resposta

Resultado da tarefa (TranscriptionResult)

O TranscriptionResult encapsula o resultado da tarefa atual.
Interface/MétodoParâmetroValor de retornoDescrição
public String getRequestId()
NenhumrequestIdObtém o requestId.
public String getTaskId()
NenhumtaskIdObtém o taskId.
public TaskStatus getTaskStatus()
NenhumTaskStatus, o status da tarefaObtém o status da tarefa.TaskStatus é uma enumeração. Você só precisa se concentrar nos quatro estados seguintes: PENDING, RUNNING, SUCCEEDED e FAILED.
Quando uma tarefa contém várias subtarefas, o status geral da tarefa é marcado como SUCCEEDED desde que qualquer subtarefa tenha sucesso. Use o campo subtask_status para verificar o resultado de cada subtarefa individualmente.
public List<TranscriptionTaskResult> getResults()
NenhumSubtask result (TranscriptionTaskResult)Obtém o Subtask result (TranscriptionTaskResult).Cada tarefa reconhece um ou mais arquivos de áudio. Arquivos de áudio diferentes são processados em subtarefas separadas, portanto cada tarefa corresponde a uma ou mais subtarefas.
public JsonObject getOutput()
NenhumO resultado da tarefa, em formato JSONObtém o resultado da tarefa.O resultado consiste em dados no formato JSON. Se quiser obter o resultado da tarefa através da interface getOutput, faça a análise por conta própria após obter o resultado.
Exemplo de sucesso
{
        "task_id":"0795ff8c-b666-4e91-bb8b-xxx",
        "task_status":"SUCCEEDED",
        "submit_time":"2025-02-13 16:12:09.109",
        "scheduled_time":"2025-02-13 16:12:09.128",
        "end_time":"2025-02-13 16:12:10.189",
        "results":[
            {
                "file_url":"{YOUR_AUDIO_URL}",
                "transcription_url":"https://dashscope-result-bj.oss-cn-beijing.aliyuncs.com/prod/paraformer-v2/20250213/16%3A12/3baafe5f-d09d-46c6-8b01-724927670edb-1.json?Expires=1739520730&OSSAccessKeyId=YOUR_ACCESS_KEY_ID&Signature=YOUR_SIGNATURE",
                "subtask_status":"SUCCEEDED"
            }
        ],
        "task_metrics":{
            "TOTAL":1,
            "SUCCEEDED":1,
            "FAILED":0
        }
    }
Exemplo de errocode é o código de erro e message é a mensagem de erro. Esses dois campos aparecem apenas quando ocorre um erro. Você pode usá-los, juntamente com o Error codes, para solucionar o problema.
{
              "task_id": "7bac899c-06ec-4a79-8875-xxxxxxxxxxxx",
              "task_status": "SUCCEEDED",
              "submit_time": "2024-12-16 16:30:59.170",
              "scheduled_time": "2024-12-16 16:30:59.204",
              "end_time": "2024-12-16 16:31:02.375",
              "results": [
                  {
                      "file_url": "{YOUR_AUDIO_URL}",
                      "code": "InvalidFile.DownloadFailed",
                      "message": "The audio file cannot be downloaded.",
                      "subtask_status": "FAILED"
                  }
              ],
              "task_metrics": {
                  "TOTAL": 1,
                  "SUCCEEDED": 0,
                  "FAILED": 1
              }
          }

Resultado da subtarefa (TranscriptionTaskResult)

O TranscriptionTaskResult encapsula o resultado de uma subtarefa. Uma subtarefa reconhece um único arquivo de áudio.
Interface/MétodoParâmetroValor de retornoDescrição
public String getFileUrl()
NenhumURL do arquivo de áudio reconhecidoObtém a URL do arquivo de áudio reconhecido.
public String getTranscriptionUrl()
NenhumURL do resultado do reconhecimentoObtém a URL do resultado do reconhecimento. Esta URL é válida por 24 horas. Após a expiração, não é mais possível consultar a tarefa ou baixar o resultado pela URL retornada em uma consulta anterior.O resultado do reconhecimento é salvo como um arquivo JSON. Baixe o arquivo através da URL ou leia seu conteúdo diretamente através de uma solicitação HTTP.Para o significado de cada campo nos dados JSON, consulte Recognition result description.
public TaskStatus getSubTaskStatus()
NenhumTaskStatus, o status da subtarefaObtém o status da subtarefa.TaskStatus é uma enumeração. Você só precisa se concentrar nos quatro estados seguintes: PENDING, RUNNING, SUCCEEDED e FAILED.
public String getMessage()
NenhumInformações importantes geradas durante a execução da tarefa, que podem estar vaziasObtém as informações importantes geradas durante a execução da tarefa.Quando uma tarefa falha, verifique este conteúdo para analisar a causa.

Descrição do resultado do reconhecimento

O resultado do reconhecimento é salvo como um arquivo JSON.
{
    "file_url":"{YOUR_AUDIO_URL}",
    "properties":{
        "audio_format":"pcm_s16le",
        "channels":[
            0
        ],
        "original_sampling_rate":16000,
        "original_duration_in_milliseconds":3834
    },
    "transcripts":[
        {
            "channel_id":0,
            "content_duration_in_milliseconds":3720,
            "text":"Hello world, this is Alibaba Speech Lab.",
            "sentences":[
                {
                    "begin_time":100,
                    "end_time":3820,
                    "text":"Hello world, this is Alibaba Speech Lab.",
                    "sentence_id":1,
                    "speaker_id":0, //This field is displayed only when automatic speaker diarization is enabled
                    "words":[
                        {
                            "begin_time":100,
                            "end_time":596,
                            "text":"Hello ",
                            "punctuation":""
                        },
                        {
                            "begin_time":596,
                            "end_time":844,
                            "text":"world",
                            "punctuation":", "
                        }
                        // Other content is omitted here
                    ]
                }
            ]
        }
    ]
}
Os seguintes parâmetros merecem atenção:
ParâmetroTipoDescrição
audio_formatstringFormato de áudio do arquivo de origem.
channelsarray[integer]Índice da faixa de áudio no arquivo de origem. Para áudio de faixa única, [0] é retornado; para áudio de duas faixas, [0, 1] é retornado; e assim por diante.
original_sampling_rateintegerTaxa de amostragem (Hz) do áudio no arquivo de origem.
original_duration_in_millisecondsintegerDuração original do áudio (ms) no arquivo de origem.
channel_idintegerÍndice da faixa do resultado da transcrição, começando em 0.
content_durationintegerDuração (ms) do conteúdo na faixa identificado como fala.O service de modelo de reconhecimento de fala transcreve apenas o conteúdo de uma faixa identificado como fala, medindo e faturando com base nessa duração. Conteúdo que não seja fala não é medido nem faturado. Normalmente, a duração do conteúdo de fala é menor que a duração original do áudio. Como a existência de conteúdo de fala é determinada por um modelo de IA, o resultado pode diferir ligeiramente da situação real.
transcriptstringResultado da transcrição no nível de parágrafo.
sentencesarrayResultado da transcrição no nível de sentença.
wordsarrayResultado da transcrição no nível de palavra.
begin_timeintegerCarimbo de data/hora inicial (ms).
end_timeintegerCarimbo de data/hora final (ms).
textstringResultado da transcrição.
speaker_idintegerÍndice do falante atual, começando em 0, usado para distinguir entre diferentes falantes.Este campo aparece no resultado do reconhecimento apenas quando a diarização de falantes está ativada.
punctuationstringPontuação prevista após a palavra, se houver.

Interfaces principais

Classe de parâmetros de consulta de tarefa (TranscriptionQueryParam)

O TranscriptionQueryParam é usado ao aguardar a conclusão de uma tarefa (chamando o método wait de Transcription) ou ao consultar o resultado da tarefa (chamando o método fetch de Transcription). Crie uma instância de TranscriptionQueryParam através do método estático FromTranscriptionParam.
// Build the transcription request parameters
TranscriptionParam param =
        TranscriptionParam.builder()
                // If you have not set the API key as an environment variable, replace apiKey with your own API key
                //.apiKey("apikey")
                .model("fun-asr")
                .fileUrls(
                        Arrays.asList(
                                "{YOUR_AUDIO_URL}"))
                .build();
try {
    Transcription transcription = new Transcription();
    // Submit the transcription request
    TranscriptionResult result = transcription.asyncCall(param);
    System.out.println("RequestId: " + result.getRequestId());
    TranscriptionQueryParam queryParam = TranscriptionQueryParam.FromTranscriptionParam(param, result.getTaskId());

} catch (Exception e) {
    System.out.println("error: " + e);
}
Interface/métodoParâmetrosValor de retornoDescrição
public static TranscriptionQueryParam FromTranscriptionParam(TranscriptionParam param, String taskId)
  • param: uma instância de TranscriptionParam
  • taskId: o ID da tarefa
uma instância de TranscriptionQueryParamCria uma instância de TranscriptionQueryParam.

Classe principal (Transcription)

Importe Transcription com import com.alibaba.dashscope.audio.asr.transcription.*;. Suas interfaces principais são as seguintes:
Interface/métodoParâmetrosValor de retornoDescrição
public TranscriptionResult asyncCall(TranscriptionParam param)
param: os parâmetros de reconhecimento de fala, uma instância de TranscriptionParamTask result (TranscriptionResult)Envia uma tarefa de reconhecimento de fala de forma assíncrona.
public TranscriptionResult wait(TranscriptionQueryParam queryParam)
queryParam: uma instância de TranscriptionQueryParamTask result (TranscriptionResult)Bloqueia a thread atual até que a tarefa assíncrona termine (o status da tarefa é SUCCEEDED ou FAILED).
public TranscriptionResult fetch(TranscriptionQueryParam queryParam)
queryParam: uma instância de TranscriptionQueryParamTask result (TranscriptionResult)Consulta o resultado da tarefa atual de forma assíncrona.

Códigos de erro

Se encontrar um erro, consulte Error codes para solução de problemas. Quando uma tarefa contém várias subtarefas, o status geral da tarefa é marcado como SUCCEEDED desde que pelo menos uma subtarefa tenha sucesso. Verifique o campo subtask_status para determinar o resultado de cada subtarefa. Exemplo de resposta de erro:
{
    "task_id": "7bac899c-06ec-4a79-8875-xxxxxxxxxxxx",
    "task_status": "SUCCEEDED",
    "submit_time": "2024-12-16 16:30:59.170",
    "scheduled_time": "2024-12-16 16:30:59.204",
    "end_time": "2024-12-16 16:31:02.375",
    "results": [
        {
            "file_url": "{YOUR_AUDIO_URL}",
            "code": "InvalidFile.DownloadFailed",
            "message": "The audio file cannot be downloaded.",
            "subtask_status": "FAILED"
        }
    ],
    "task_metrics": {
        "TOTAL": 1,
        "SUCCEEDED": 0,
        "FAILED": 1
    }
}

FAQ

Recursos

P: Áudio codificado em Base64 é suportado?

Áudio codificado em Base64 não é suportado. Apenas áudio em uma URL acessível publicamente pode ser reconhecido. Fluxos binários e arquivos locais não podem ser reconhecidos diretamente.

P: Como torno um arquivo de áudio disponível em uma URL acessível publicamente?

As etapas típicas são as seguintes. Esta é uma abordagem; o processo exato varia conforme o product de armazenamento. Recomendamos que você upload the audio to Alibaba Cloud OSS:
Por exemplo:
  • Object Storage Service (recomendado):
    • Use o Object Storage Service de um provedor cloud (como Alibaba Cloud OSS) para carregar o arquivo de áudio em um bucket e configurá-lo para acesso público.
    • Vantagens: alta disponibilidade, suporte a aceleração CDN e gerenciamento fácil.
  • Servidor web:
    • Coloque o arquivo de áudio em um servidor web que suporte acesso HTTP/HTTPS (como Nginx ou Apache).
    • Vantagens: adequado para pequenos projetos ou testes locais.
  • Rede de distribuição de conteúdo (CDN):
    • Hospede o arquivo de áudio em uma CDN e acesse-o através da URL fornecida pela CDN.
    • Vantagens: acelera a entrega de arquivos e é adequado para cenários de alta concorrência.
Carregue o áudio de acordo com o método de armazenamento ou hospedagem escolhido. Por exemplo:
  • Object Storage Service:
    • Faça login no console do provedor cloud e crie um bucket.
    • Carregue o arquivo de áudio e defina sua permissão como leitura pública ou gere um link de acesso temporário.
  • Servidor web:
    • Coloque o arquivo de áudio em um diretório designado no servidor (como /var/www/html/audio/).
    • Certifique-se de que o arquivo esteja acessível via HTTP/HTTPS.
Por exemplo:
  • Object Storage Service:
    • Após o carregamento do arquivo, o sistema gera automaticamente uma URL de acesso público (geralmente no formato https://<bucket-name>.<region>.aliyuncs.com/<file-name>).
    • Para um nome de domínio mais amigável, vincule um domínio personalizado e ative HTTPS.
  • Servidor web:
    • A URL de acesso geralmente é o endereço do servidor mais o caminho do arquivo (como https://your-domain.com/audio/file.mp3).
  • CDN:
    • Após configurar a aceleração CDN, use a URL fornecida pela CDN (como https://cdn.your-domain.com/audio/file.mp3).
Certifique-se de que a URL gerada seja acessível pela rede pública. Por exemplo:
  • Abra a URL em um navegador e verifique se o arquivo de áudio é reproduzido.
  • Use uma ferramenta (como curl ou Postman) para verificar se a URL retorna a resposta HTTP correta (código de status 200).
Ao usar o SDK, se os arquivos de áudio estiverem armazenados no Alibaba Cloud OSS, URLs temporárias com o prefixo oss:// não são suportadas. Ao usar a API RESTful, se os arquivos de áudio estiverem armazenados no Alibaba Cloud OSS, URLs temporárias com o prefixo oss:// são suportadas:
  • A URL temporária é válida por 48 horas e não pode ser usada após a expiração. Não utilize em ambiente de produção.
  • A API para obtenção de credencial de upload tem limite de 100 QPS e não suporta scale out. Não utilize em ambientes de produção, cenários de alta concorrência ou cenários de teste de estresse.
  • Para ambientes de produção, use um service de armazenamento estável, como OSS, para garantir a disponibilidade de arquivos a longo prazo e evitar problemas de limitação de taxa.

P: Quanto tempo leva para obter o resultado do reconhecimento?

Após o envio de uma tarefa, ela entra no estado de fila (PENDING). O tempo de espera depende do tamanho da fila e da duração do áudio, portanto não pode ser afirmado com exatidão, mas geralmente fica dentro de alguns minutos. Em geral, quanto mais longo o áudio, mais tempo leva.

Solução de problemas

Se o seu código retornar um erro, solucione-o com base nas informações em Error codes.

P: A sondagem nunca retorna um resultado?

Isso pode ser causado por limitação de taxa. Aguarde um momento e tente novamente.

P: Por que a fala não pode ser reconhecida (sem resultado de reconhecimento)?

Verifique se o formato de áudio e a taxa de amostragem estão corretos e atendem às restrições de parâmetros. Use a ferramenta ffprobe para obter o container de áudio, codec, taxa de amostragem, canais e outros detalhes:
ffprobe -v error -show_entries format=format_name -show_entries stream=codec_name,sample_rate,channels -of default=noprint_wrappers=1 input.xxx