Skip to main content
Referência da API de reconhecimento de arquivos de gravação Paraformer

RESTful API

Parâmetros e detalhes da API RESTful para reconhecimento de arquivos de áudio Paraformer.

O Alibaba Cloud Model Studio lançou um domínio específico por workspace para a região China (Pequim). O novo domínio dedicado oferece desempenho superior e maior estabilidade para solicitações de inferência. Recomendamos migrar de dashscope.aliyuncs.com para {WorkspaceId}.cn-beijing.maas.aliyuncs.com.Substitua {WorkspaceId} pelo seu ID do Workspace real. O domínio existente permanece totalmente funcional.
Este documento aplica-se apenas à região China (Pequim). Para usar o modelo, utilize uma chave de API da região China (Pequim).
Guia do usuário:Reconhecimento de fala não em tempo real O serviço fornece uma interface de envio de tarefas e uma interface de consulta de tarefas. Normalmente, chame a interface de envio para carregar uma tarefa de reconhecimento e, em seguida, consulte repetidamente a interface de consulta até a conclusão da tarefa.

Pré-requisitos

Ative o serviço e Obtenha uma chave de API. Configure a chave de API como variável de ambiente em vez de codificá-la diretamente no código para evitar riscos de segurança causados por vazamento de código.
Para fornecer acesso temporário a aplicativos ou usuários terceiros, ou para controlar estritamente operações de alto risco, como acessar ou excluir dados confidenciais, recomendamos o uso de tokens de autenticação temporários.Em comparação com chaves de API de longo prazo, os tokens de autenticação temporários possuem validade curta (60 segundos) e maior segurança. Eles são adequados para cenários de chamada temporária e reduzem efetivamente o risco de vazamento da chave de API.Uso: No seu código, substitua a chave de API usada originalmente para autenticação pelo token de autenticação temporário obtido.

Interface de envio de tarefas

Informações básicas

Descrição do endpoint da APIEnvia uma tarefa de reconhecimento de fala.
URL
https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api/v1/services/audio/asr/transcription
Método de solicitaçãoPOST
Cabeçalhos da solicitação
Authorization: Bearer {api-key} // Substitua {api-key} pela sua chave de API.
Content-Type: application/json
X-DashScope-Async: enable // Não omita este cabeçalho de solicitação. Caso contrário, a tarefa não poderá ser enviada.
Corpo da mensagemO código a seguir mostra um corpo de mensagem contendo todos os parâmetros de solicitação. Omita campos opcionais conforme necessário.
{
    "model":"paraformer-v2", // O nome do modelo. Este parâmetro é obrigatório.
    "input":{
        "file_urls":[
            "https://dashscope.oss-cn-beijing.aliyuncs.com/samples/audio/paraformer/hello_world_female2.wav"
        ] // O arquivo a ser reconhecido. Este parâmetro é obrigatório.
    },
    "parameters":{
        "channel_id":[
            0
        ], // O índice da faixa de áudio. Este parâmetro é opcional.
        "disfluency_removal_enabled":false, // A opção para filtrar palavras de preenchimento. Este parâmetro é opcional.
        "timestamp_alignment_enabled": false, // Especifica se deve ativar o recurso de calibração de timestamp. Este parâmetro é opcional.
        "special_word_filter": "xxx", // As palavras sensíveis. Este parâmetro é opcional.
        "language_hints":[ // Este parâmetro aplica-se apenas ao modelo paraformer-v2. Não use este campo para outros modelos.
            "zh",
            "en"
        ],
        "diarization_enabled":false, // Especifica se deve ativar a diarização automática de falantes. Este parâmetro é opcional.
        "speaker_count": 2 // O número de referência de falantes. Este parâmetro é opcional.
    }
}

Parâmetros de solicitação

Exemplo curl para a interface de envio de tarefas:
curl --location 'https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api/v1/services/audio/asr/transcription' \
     --header "Authorization: Bearer $DASHSCOPE_API_KEY" \
     --header "Content-Type: application/json" \
     --header "X-DashScope-Async: enable" \
     --data '{"model":"paraformer-v2","input":{"file_urls":["https://dashscope.oss-cn-beijing.aliyuncs.com/samples/audio/paraformer/hello_world_female2.wav"]},"parameters":{"channel_id":[0]}}'
ParâmetroTipoValor padrãoObrigatórioDescrição
modelstring
SimNome do modelo Paraformer usado para transcrição de arquivos de áudio e vídeo. Para mais informações, consulte modelos.
file_urlsarray[string]
SimLista de URLs para transcrição de arquivos de áudio e vídeo (HTTP/HTTPS). Uma única solicitação suporta apenas 1 URL.
Se uma URL contiver espaços, caracteres chineses ou outros caracteres especiais, codifique-a em URL antes de usar (por exemplo, substitua espaços por %20). Caso contrário, o download pode falhar com um erro InvalidFile.DownloadFailed.
Se seus arquivos de áudio estiverem armazenados no OSS, a API RESTful suporta URLs temporárias que começam com o prefixo oss://.
  • A URL temporária é válida por 48 horas e não pode ser usada após expirar. Não a utilize em ambiente de produção.
  • A API para obtenção de credencial de upload é limitada a 100 QPS e não suporta scale-out. Não a utilize em ambientes de produção, cenários de alta concorrência ou testes de estresse.
  • Para ambientes de produção, utilize um serviço de armazenamento estável, como o OSS, para garantir disponibilidade de arquivos a longo prazo e evitar problemas de limitação de taxa.
vocabulary_idstring
NãoID do vocabulário personalizado. Suportado por modelos v2+ com configurações de idioma. As palavras-chave deste ID aplicam-se ao reconhecimento de fala atual. Desativado por padrão. Para uso, consulte Palavras-chave personalizadas.
channel_idarray[integer][0]NãoEspecifica os índices das faixas de áudio a serem reconhecidas em um arquivo multifaixa. Os índices começam em 0. Por exemplo, [0] significa reconhecer a primeira faixa, e [0, 1] significa reconhecer simultaneamente a primeira e a segunda faixas. Se este parâmetro for omitido, apenas a primeira faixa será processada por padrão.
Cada faixa especificada é faturada independentemente. Por exemplo, solicitar [0, 1] para um único arquivo incorre em duas cobranças separadas.
disfluency_removal_enabledbooleanfalseNãoFiltra palavras de preenchimento. Desativado por padrão.
timestamp_alignment_enabledbooleanfalseNãoAtiva o recurso de alinhamento de timestamp. Desativado por padrão.
special_word_filterstring
NãoEspecifica palavras sensíveis a serem processadas durante o reconhecimento de fala e permite definir diferentes métodos de processamento para cada palavra.Se este parâmetro não for fornecido, o sistema utiliza a lógica interna de filtragem de palavras sensíveis, e as palavras correspondentes à lista de palavras sensíveis do Alibaba Cloud Model Studio nos resultados de reconhecimento serão substituídas por * de igual comprimento.Se este parâmetro for fornecido, as seguintes estratégias de processamento de palavras sensíveis podem ser implementadas:
  • Substituir por : Substitui palavras sensíveis correspondentes por de igual comprimento.
  • Filtrar diretamente: Remove completamente as palavras sensíveis correspondentes dos resultados de reconhecimento.
O valor deste parâmetro deve ser uma string JSON com a seguinte estrutura:
{
      "filter_with_signed": {
        "word_list": ["test"]
      },
      "filter_with_empty": {
        "word_list": ["start", "happen"]
      },
      "system_reserved_filter": true
    }
Descrições dos campos JSON:
  • filter_with_signed
    • Tipo: Object.
    • Obrigatório: Não.
    • Descrição: Configura a lista de palavras sensíveis a serem substituídas por . Palavras correspondentes nos resultados de reconhecimento serão substituídas por de igual comprimento.
    • Exemplo: Usando o JSON acima, o resultado de reconhecimento de fala para "Help me test this code" seria "Help me **** this code".
    • Campos internos:
      • word_list: Um array de strings listando as palavras sensíveis a serem substituídas.
  • filter_with_empty
    • Tipo: Object.
    • Obrigatório: Não.
    • Descrição: Configura a lista de palavras sensíveis a serem removidas (filtradas) dos resultados de reconhecimento. Palavras correspondentes serão completamente excluídas.
    • Exemplo: Usando o JSON acima, o resultado de reconhecimento de fala para "The game is about to start, right?" seria "The game is about to, right?".
    • Campos internos:
      • word_list: Um array de strings listando as palavras sensíveis a serem completamente removidas (filtradas).
  • system_reserved_filter
    • Tipo: Boolean.
    • Obrigatório: Não.
    • Padrão: true.
    • Descrição: Se deve ativar as regras internas de palavras sensíveis do sistema. Quando definido como true, a lógica interna de filtragem de palavras sensíveis também é ativada, e palavras correspondentes à lista de palavras sensíveis do Alibaba Cloud Model Studio nos resultados de reconhecimento serão substituídas por * de igual comprimento.
language_hintsarray[string]["zh", "en"]NãoEspecifica os códigos de idioma da fala a ser reconhecida.Este parâmetro aplica-se apenas ao modelo paraformer-v2.Códigos de idioma suportados:
  • zh: Chinês
  • en: Inglês
  • ja: Japonês
  • yue: Cantonês
  • ko: Coreano
  • de: Alemão
  • fr: Francês
  • ru: Russo
diarization_enabledbooleanfalseNãoDiarização automática de falantes. Desativada por padrão.Aplicável apenas a áudio mono. Áudio multicanal não suporta diarização de falantes.Quando este recurso está ativado, os resultados de reconhecimento incluirão um campo speaker_id para distinguir diferentes falantes.
Se a diarização de falantes estiver ativada, recomenda-se que a duração do áudio não exceda 2 horas, caso contrário o reconhecimento pode falhar ou atingir timeout.
Para um exemplo de speaker_id, consulte Descrição do resultado de reconhecimento.
speaker_countinteger
NãoValor de referência para contagem de falantes (inteiro de 2 a 100, inclusive).Entra em vigor quando diarization_enabled é true.A contagem de falantes é determinada automaticamente por padrão. Configurar este parâmetro auxilia o algoritmo a focar na contagem especificada, mas não garante uma saída exata.

Parâmetros de resposta 

{
  "output": {
    "task_status": "PENDING",
    "task_id": "c2e5d63b-96e1-4607-bb91-************"
  },
  "request_id": "77ae55ae-be17-97b8-9942--************"
}

Parâmetro

Tipo

Descrição

task_status

string

O status da tarefa.

task_id

string

O ID da tarefa. Este ID é passado como um parâmetro de solicitação na interface de consulta de tarefas.

Interface de consulta de tarefas

Informações básicas

Descrição do endpoint da APIConsulta o status e o resultado de uma tarefa de reconhecimento de fala.
URL
https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api/v1/tasks/{task_id}
Método de solicitaçãoGET
Cabeçalhos da solicitação
Authorization: Bearer {api-key} // Substitua {api-key} pela sua chave de API.
Corpo da mensagemNenhum.

Parâmetros de solicitação 

curl --location 'https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api/v1/tasks/{task_id}' --header "Authorization: Bearer $DASHSCOPE_API_KEY"

Parâmetro

Tipo

Valor padrão

Obrigatório

Descrição

task_id

string

-

Sim

ID da tarefa necessário para consulta. Retornado pela interface de envio de tarefas.

Parâmetros de resposta

Se uma tarefa contiver múltiplas subtarefas, o status geral da tarefa será marcado como SUCCEEDED se qualquer subtarefa for bem-sucedida. Verifique o campo subtask_status para determinar o resultado de cada subtarefa.
  • Exemplo normal
  • Exemplo de exceção
{
  "request_id": "f9e1afad-94d3-997e-a83b-************",
  "output": {
    "task_id": "f86ec806-4d73-485f-a24f-************",
    "task_status": "SUCCEEDED",
    "submit_time": "2024-09-12 15:11:40.041",
    "scheduled_time": "2024-09-12 15:11:40.071",
    "end_time": "2024-09-12 15:11:40.903",
    "results": [
      {
        "file_url": "https://dashscope.oss-cn-beijing.aliyuncs.com/samples/audio/paraformer/hello_world_female2.wav",
        "transcription_url": "https://dashscope-result-bj.oss-cn-beijing.aliyuncs.com/pre/filetrans-16k/20240912/15%3A11/409a4b92-445b-4dd8-8c1d-f110954d82d8-1.json?Expires=1726211500&OSSAccessKeyId=YOUR_ACCESS_KEY_ID&Signature=YOUR_SIGNATURE",
        "subtask_status": "SUCCEEDED"
      }
    ],
    "task_metrics": {
      "TOTAL": 1,
      "SUCCEEDED": 1,
      "FAILED": 0
    }
  },
  "usage": {
    "duration": 9
  }
}

Parâmetro

Tipo

Descrição

task_id

string

O ID da tarefa consultada.

task_status

string

O status da tarefa consultada.

Para tarefas com múltiplas subtarefas, task_status mostra SUCCEEDED se qualquer subtarefa for bem-sucedida. Verifique o campo subtask_status para determinar os resultados individuais das subtarefas.

subtask_status

string

O status da subtarefa.

file_url

string

A URL do arquivo processado na tarefa de transcrição de arquivos.

transcription_url

string

Link para obter o resultado de reconhecimento (válido por 24 horas). Após a expiração, consultas de tarefas e downloads de resultados falharão.

O resultado de reconhecimento é salvo como JSON. Baixe-o através deste link ou leia diretamente via solicitação HTTP.

Para detalhes sobre os campos JSON, consulte Descrição do resultado de reconhecimento.

Descrição do resultado de reconhecimento

O resultado de reconhecimento é salvo como um arquivo JSON. 
{
    "file_url":"https://dashscope.oss-cn-beijing.aliyuncs.com/samples/audio/paraformer/hello_world_female2.wav",
    "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 the Alibaba speech laboratory.",
            "sentences":[
                {
                    "begin_time":100,
                    "end_time":3820,
                    "text":"Hello world, this is the Alibaba speech laboratory.",
                    "sentence_id":1,
                    "speaker_id":0, //This field is only displayed 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 omitted here
                    ]
                }
            ]
        }
    ]
}
Os principais parâmetros são os seguintes:

Parâmetro

Tipo

Descrição

audio_format

string

O formato de áudio do arquivo de source.

channels

array[integer]

As informações de índice de faixa de áudio do arquivo de source. Retorna [0] para áudio mono, [0, 1] para áudio de duas faixas, e assim por diante.

original_sampling_rate

integer

A taxa de amostragem (Hz) do áudio no arquivo de source.

original_duration

integer

A duração original do áudio (ms) do arquivo de source.

channel_id

integer

O índice da faixa de áudio do resultado de transcrição, começando em 0.

content_duration

integer

A duração (ms) do conteúdo identificado como fala na faixa de áudio.

O serviço de modelo de reconhecimento de fala Paraformer transcreve e mede apenas o conteúdo identificado como fala na faixa de áudio, faturando de acordo. Conteúdo sem fala não é medido nem faturado. Geralmente, a duração do conteúdo de fala é menor que a duração original do áudio. Como a determinação da existência de conteúdo de fala é feita por um modelo de IA, pode haver algum desvio em relação à situação real.

transcript

string

O resultado de transcrição de fala no nível de parágrafo.

sentences

array

O resultado de transcrição de fala no nível de sentença.

words

array

O resultado de transcrição de fala no nível de palavra.

begin_time

integer

O timestamp inicial (ms).

end_time

integer

O timestamp final (ms).

text

string

O resultado da transcrição de fala.

speaker_id

integer

O índice do falante atual, começando em 0, usado para distinguir diferentes falantes.

Este campo só é exibido nos resultados de reconhecimento quando a diarização de falantes está ativada.

punctuation

string

A pontuação prevista após a palavra (se houver).

Exemplo completo

Utilize bibliotecas HTTP integradas para implementar solicitações de envio e consulta de tarefas. Primeiro envie a tarefa de reconhecimento e depois consulte repetidamente até a conclusão. O código a seguir fornece um exemplo em Python: 
import requests
import json
import time

api_key = "your-dashscope-api-key"  # Replace this with your API key.
file_urls = [
    "https://dashscope.oss-cn-beijing.aliyuncs.com/samples/audio/paraformer/hello_world_female2.wav",
]
language_hints = ["zh", "en"]

# Submit file transcription task with list of file URLs to transcribe.
def submit_task(apikey, file_urls) -> str:

    headers = {
        "Authorization": f"Bearer {apikey}",
        "Content-Type": "application/json",
        "X-DashScope-Async": "enable",
    }
    data = {
        "model": "paraformer-v2",
        "input": {"file_urls": file_urls},
        "parameters": {
            "channel_id": [0],
            "language_hints": language_hints
        },
    }
    # The URL of the recorded file transcription service.
    service_url = (
        "https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api/v1/services/audio/asr/transcription"
    )
    response = requests.post(
        service_url, headers=headers, data=json.dumps(data)
    )

    # Print the response content.
    if response.status_code == 200:
        return response.json()["output"]["task_id"]
    else:
        print("task failed!")
        print(response.json())
        return None

# Recursively query the task status until the task is successful.
def wait_for_complete(task_id):
    headers = {
        "Authorization": f"Bearer {api_key}",
        "Content-Type": "application/json",
        "X-DashScope-Async": "enable",
    }

    pending = True
    while pending:
        # The URL of the task status query service.
        service_url = f"https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api/v1/tasks/{task_id}"
        response = requests.get(
            service_url, headers=headers
        )
        if response.status_code == 200:
            status = response.json()['output']['task_status']
            if status == 'SUCCEEDED':
                print("task succeeded!")
                pending = False
                return response.json()['output']['results']
            elif status == 'RUNNING' or status == 'PENDING':
                pass
            else:
                print("task failed!")
                pending = False
        else:
            print("query failed!")
            pending = False
        print(response.json())
        time.sleep(0.1)

task_id = submit_task(apikey=api_key, file_urls=file_urls)
print("task_id: ", task_id)
result = wait_for_complete(task_id)
print("transcription result: ", result)

Códigos de erro

Se encontrar erros, consulte Códigos de erro para solução de problemas. Se o problema persistir, junte-se à comunidade de desenvolvedores para relatar o problema e forneça o Request ID para investigação adicional. Quando uma tarefa contém múltiplas subtarefas, desde que qualquer subtarefa tenha sucesso, o status geral da tarefa é marcado como SUCCEEDED. 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": "https://dashscope.oss-cn-beijing.aliyuncs.com/samples/audio/sensevoice/rich_text_exaple_1.wav",
            "code": "InvalidFile.DownloadFailed",
            "message": "The audio file cannot be downloaded.",
            "subtask_status": "FAILED"
        }
    ],
    "task_metrics": {
        "TOTAL": 1,
        "SUCCEEDED": 0,
        "FAILED": 1
    }
}

Mais exemplos

Para mais exemplos, consulte nosso repositório no GitHub.

FAQ

Recursos

P: Suporta áudio codificado em Base64?

Não. Áudio codificado em Base64 não é suportado. Apenas áudio acessível via URLs publicamente acessíveis é suportado. Fluxos binários e reconhecimento direto de arquivos locais não são suportados.

P: Como fornecer arquivos de áudio como URLs publicamente acessíveis?

Geralmente, siga estas etapas (esta é uma abordagem geral; os detalhes variam conforme o produto de armazenamento. Recomendamos fazer upload do áudio para o Alibaba Cloud OSS):
Por exemplo:
  • Object Storage Service (recomendado):
    • Use o serviço de armazenamento de objetos de um provedor de nuvem (como o Alibaba Cloud OSS) para enviar arquivos de áudio para um bucket e configurá-los para acesso público.
    • Vantagens: Alta disponibilidade, suporte a aceleração CDN, gerenciamento fácil.
  • Servidor web:
    • Coloque arquivos de áudio em um servidor web que suporte acesso HTTP/HTTPS (como Nginx ou Apache).
    • Vantagens: Adequado para pequenos projetos ou testes locais.
  • Content Delivery Network (CDN):
    • Hospede arquivos de áudio em uma CDN e acesse-os através da URL fornecida pela CDN.
    • Vantagens: Entrega acelerada de arquivos, adequado para cenários de alta concorrência.
Faça upload dos arquivos de áudio com base no método de armazenamento/hospedagem escolhido, por exemplo:
  • Object Storage Service:
    • Faça login no console do provedor de nuvem e crie um bucket.
    • Faça upload dos arquivos de áudio e defina as permissões do arquivo como "leitura pública" ou gere links de acesso temporário.
  • Servidor web:
    • Coloque os arquivos de áudio no diretório designado do servidor (como /var/www/html/audio/).
    • Garanta que os arquivos sejam acessíveis via HTTP/HTTPS.
Por exemplo:
  • Object Storage Service:
    • Após o upload, o sistema gera automaticamente uma URL de acesso público (geralmente no formato https://<bucket-name>.<region>.aliyuncs.com/<file-name>).
    • Se precisar de um domínio mais amigável, vincule um domínio personalizado e ative HTTPS.
  • Servidor web:
    • A URL de acesso ao arquivo é tipicamente 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).
Em um ambiente de rede pública, garanta que a URL gerada seja acessível, por exemplo:
  • Abra a URL em um navegador e verifique se o arquivo de áudio pode ser reproduzido.
  • Use ferramentas (como curl ou Postman) para verificar se a URL retorna uma 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 expirar. Não a utilize em ambiente de produção.
  • A API para obtenção de credencial de upload é limitada a 100 QPS e não suporta scale-out. Não a utilize em ambientes de produção, cenários de alta concorrência ou testes de estresse.
  • Para ambientes de produção, utilize um serviço de armazenamento estável, como o OSS, para garantir disponibilidade de arquivos a longo prazo e evitar problemas de limitação de taxa.

P: Quanto tempo leva para obter resultados de reconhecimento?

Após o envio, a tarefa entra em estado de fila (PENDING). O tempo de espera depende do tamanho da fila e da duração do arquivo, não podendo ser estimado com precisão, mas geralmente é concluído em alguns minutos. Aguarde pacientemente. Arquivos de áudio mais longos exigem mais tempo de processamento.

Solução de problemas

Se encontrar um erro, consulte as informações em Códigos de erro.

P: O que devo fazer se os resultados de reconhecimento não estiverem sincronizados com a reprodução do áudio?

Defina o parâmetro de solicitação timestamp_alignment_enabled como true. Isso sincroniza os resultados de reconhecimento com a reprodução do áudio.

P: O que devo fazer se receber um erro InvalidFile.DownloadFailed após enviar uma tarefa?

Verifique se a URL do arquivo contém espaços, caracteres chineses ou outros caracteres especiais. Se o nome do arquivo incluir espaços (por exemplo, "Meeting Recording Q1 2024.mp4"), codifique o nome do arquivo em URL substituindo espaços por %20 antes de passá-lo para o parâmetro file_urls.

P: O que faço se a URL de acesso público temporário de um arquivo de áudio do OSS estiver inacessível?

Defina X-DashScope-OssResourceResolve como enable nos cabeçalhos. Não recomendado. O Java SDK e o Python SDK não suportam a configuração de cabeçalhos.

P: Não consigo obter resultados após polling contínuo?

Isso pode ocorrer devido à limitação de taxa. Aguarde pacientemente. Se precisar de expansão de capacidade, junte-se à comunidade de desenvolvedores para solicitar.

P: Por que não há resultado de reconhecimento (incapaz de reconhecer fala)?

  • Verifique se o áudio atende aos requisitos (formato, taxa de amostragem).
  • Se estiver usando o modelo paraformer-v2, verifique se a configuração language_hints está correta.
  • Se nenhuma das opções acima resolver o problema, personalize palavras-chave para melhorar o reconhecimento de termos específicos.

Mais perguntas

Para mais perguntas, consulte o FAQ no GitHub.
Uso da API
Referência da API de Geração de Texto
Geração de Imagens
  • FAQ
Geração de Vídeo
Áudio
Multimodal em Tempo Real
API em tempo real
Incorporação de Texto
Mais Modelos
Toolkit/Framework
Produção de Modelos
File Management
Gerenciamento de modelos
Mais