Referência da API de reconhecimento de fala não em tempo real (Qwen-ASR)

Guia do usuário: Consulte Non-real-time speech recognition.

Tipos de conexão do modelo

Cada models oferece suporte a diferentes tipos de conexão.

Modelo	Tipo de conexão
Qwen3-ASR-Flash-Filetrans	Suporta apenas DashScope asynchronous invocation
Qwen3-ASR-Flash	OpenAI compatible e DashScope synchronous

Compatível com OpenAI

A região US (Virginia) não oferece suporte ao modo compatível com OpenAI.

URL

Singapore
China (Beijing)

Endereço de requisição HTTP: POST https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/compatible-mode/v1/chat/completionsbase_url para chamadas de SDK: https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/compatible-mode/v1Substitua {WorkspaceId} pelo seu workspace ID real.Substitua {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.

Corpo da requisição	Entrada: URL de arquivo de áudio Entrada: Arquivo de áudio codificado em Base64 Python SDK Node.js SDK cURL from openai import OpenAI import os try: client = OpenAI( # The API Key differs between the Singapore/US regions and the Beijing region. 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 Alibaba Cloud Model Studio API Key: api_key = "sk-xxx", api_key=os.getenv("DASHSCOPE_API_KEY"), # The following is the configuration for the Singapore region. When calling, replace "{WorkspaceId}" with your actual workspace ID. The configuration differs by region. base_url="https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/compatible-mode/v1", ) stream_enabled = False # Whether to enable streaming output completion = client.chat.completions.create( model="qwen3-asr-flash", messages=[ { "content": [ { "type": "input_audio", "input_audio": { "data": "{YOUR_AUDIO_URL}" } } ], "role": "user" } ], stream=stream_enabled, # When stream is set to False, the stream_options parameter cannot be set # stream_options={"include_usage": True}, extra_body={ "asr_options": { # "language": "zh", "enable_itn": False } } ) if stream_enabled: full_content = "" print("The streaming output is:") for chunk in completion: # If stream_options.include_usage is True, the choices field of the last chunk is an empty list and needs to be skipped (you can get the Token usage via chunk.usage) print(chunk) if chunk.choices and chunk.choices[0].delta.content: full_content += chunk.choices[0].delta.content print(f"The complete content is: {full_content}") else: print(f"The non-streaming output is: {completion.choices[0].message.content}") except Exception as e: print(f"Error message: {e}") // Preparations before running: // Common to Windows/Mac/Linux: // 1. Make sure Node.js is installed (version >= 14 recommended) // 2. Run the following command to install the required dependencies: npm install openai import OpenAI from "openai"; const client = new OpenAI({ // The API Key differs between the Singapore/US regions and the Beijing region. 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 Alibaba Cloud Model Studio API Key: apiKey: "sk-xxx", apiKey: process.env.DASHSCOPE_API_KEY, // The following is the configuration for the Singapore region. When calling, replace "{WorkspaceId}" with your actual workspace ID. The configuration differs by region. baseURL: "https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/compatible-mode/v1", }); async function main() { try { const streamEnabled = false; // Whether to enable streaming output const completion = await client.chat.completions.create({ model: "qwen3-asr-flash", messages: [ { role: "user", content: [ { type: "input_audio", input_audio: { data: "{YOUR_AUDIO_URL}" } } ] } ], stream: streamEnabled, // When stream is set to False, the stream_options parameter cannot be set // stream_options: { // "include_usage": true // }, asr_options: { // language: "zh", enable_itn: false } }); if (streamEnabled) { let fullContent = ""; console.log("The streaming output is:"); for await (const chunk of completion) { console.log(JSON.stringify(chunk)); if (chunk.choices && chunk.choices.length > 0) { const delta = chunk.choices[0].delta; if (delta && delta.content) { fullContent += delta.content; } } } console.log(`The complete content is: ${fullContent}`); } else { console.log(`The non-streaming output is: ${completion.choices[0].message.content}`); } } catch (err) { console.error(`Error message: ${err}`); } } main(); A configuração abaixo refere-se à região Singapore. Substitua `{WorkspaceId}` pelo seu Workspace ID real. A configuração varia conforme a região. `curl -X POST 'https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/compatible-mode/v1/chat/completions' \ -H "Authorization: Bearer $DASHSCOPE_API_KEY" \ -H "Content-Type: application/json" \ -d '{ "model": "qwen3-asr-flash", "messages": [ { "content": [ { "type": "input_audio", "input_audio": { "data": "{YOUR_AUDIO_URL}" } } ], "role": "user" } ], "stream":false, "asr_options": { "enable_itn": false } }'` Transmita os dados codificados em Base64 como uma Data URL no formato `data:<mediatype>;base64,<data>`. `<mediatype>`: o tipo MIME. O tipo MIME varia conforme o formato do áudio. Por exemplo: WAV: `audio/wav` MP3: `audio/mpeg` `<data>`: a string do áudio codificada em Base64. A codificação Base64 aumenta o tamanho dos dados. Mantenha o arquivo de origem pequeno o suficiente para que o resultado codificado ainda respeite o limite de tamanho de entrada de áudio (10 MB). Exemplo: `data:audio/wav;base64,SUQzBAAAAAAAI1RTU0UAAAAPAAADTGF2ZjU4LjI5LjEwMAAAAAAAAAAAAAAA//PAxABQ/BXRbMPe4IQAhl9` Clique para visualizar o código de exemplo `import base64, pathlib # input.mp3 is the local audio file used for voice cloning. Replace it with the path to your own audio file and make sure it meets the audio requirements. file_path = pathlib.Path("{YOUR_AUDIO_FILE}") base64_str = base64.b64encode(file_path.read_bytes()).decode() data_uri = f"data:audio/mpeg;base64,{base64_str}"` import java.nio.file.; import java.util.Base64; public class Main { /* * filePath is the local audio file used for voice cloning. Replace it with the path to your own audio file and make sure it meets the audio requirements. */ public static String toDataUrl(String filePath) throws Exception { byte[] bytes = Files.readAllBytes(Paths.get(filePath)); String encoded = Base64.getEncoder().encodeToString(bytes); return "data:audio/mpeg;base64," + encoded; } // Usage example public static void main(String[] args) throws Exception { System.out.println(toDataUrl("{YOUR_AUDIO_FILE}")); } } Python SDK import base64 from openai import OpenAI import os import pathlib try: # Replace with the actual audio file path file_path = "{YOUR_AUDIO_FILE}" # Replace with the actual MIME type of the audio file audio_mime_type = "audio/mpeg" file_path_obj = pathlib.Path(file_path) if not file_path_obj.exists(): raise FileNotFoundError(f"Audio file does not exist: {file_path}") base64_str = base64.b64encode(file_path_obj.read_bytes()).decode() data_uri = f"data:{audio_mime_type};base64,{base64_str}" client = OpenAI( # The API Key differs between the Singapore/US regions and the Beijing region. 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 Alibaba Cloud Model Studio API Key: api_key = "sk-xxx", api_key=os.getenv("DASHSCOPE_API_KEY"), # The following is the configuration for the Singapore region. When calling, replace "{WorkspaceId}" with your actual workspace ID. The configuration differs by region. base_url="https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/compatible-mode/v1", ) stream_enabled = False # Whether to enable streaming output completion = client.chat.completions.create( model="qwen3-asr-flash", messages=[ { "content": [ { "type": "input_audio", "input_audio": { "data": data_uri } } ], "role": "user" } ], stream=stream_enabled, # When stream is set to False, the stream_options parameter cannot be set # stream_options={"include_usage": True}, extra_body={ "asr_options": { # "language": "zh", "enable_itn": False } } ) if stream_enabled: full_content = "" print("The streaming output is:") for chunk in completion: # If stream_options.include_usage is True, the choices field of the last chunk is an empty list and needs to be skipped (you can get the Token usage via chunk.usage) print(chunk) if chunk.choices and chunk.choices[0].delta.content: full_content += chunk.choices[0].delta.content print(f"The complete content is: {full_content}") else: print(f"The non-streaming output is: {completion.choices[0].message.content}") except Exception as e: print(f"Error message: {e}")
model`string`(Obrigatório)Nome do model. Este parâmetro aplica-se apenas ao modelo Qwen3-ASR-Flash.
messages`array`(Obrigatório)Lista de mensagens. Tipos de mensagem System Message`object` (Opcional)Utilizada para fornecer contexto ao reconhecimento de fala, como texto de fundo e glossários de entidades. Não suporta a definição de função do modelo ou outros prompts tradicionais de sistema. Caso utilize uma system message, ela deve ser a primeira mensagem na lista `messages`. Propriedades role`string`(Obrigatório)Defina como `system`. User Message`object`(Obrigatório)Mensagem enviada pelo usuário ao modelo. Propriedades content`array`(Obrigatório)Conteúdo da mensagem do usuário. Apenas uma mensagem é permitida no array. Propriedades type`string`(Obrigatório)Defina como `input_audio`, indicando que a entrada é um áudio.input_audio`string`(Obrigatório)Áudio a ser reconhecido. Para mais detalhes sobre como usar este parâmetro, consulte Quick start.No modo compatível com OpenAI, o modelo Qwen3-ASR-Flash aceita dois formatos de entrada: arquivos codificados em Base64 e URLs de arquivos de áudio acessíveis pela rede pública.Ao utilizar um SDK, se o arquivo de áudio estiver armazenado no OSS, URLs temporárias iniciadas com `oss://` não são suportadas.Ao utilizar uma API RESTful, se o arquivo de áudio estiver armazenado no OSS, URLs temporárias iniciadas com `oss://` são suportadas. Observação: As URLs temporárias têm validade de 48 horas. Após expirarem, não podem mais ser utilizadas. Não as utilize em ambientes de produção. A API de credenciais de upload de arquivos possui um limite de taxa de 100 QPS e não pode ser escalonada. Não a utilize em cenários de produção, alta concorrência ou testes de estresse. Para ambientes de produção, recomendamos o uso de serviços de armazenamento estáveis, como o Alibaba Cloud OSS, para garantir a disponibilidade de longo prazo dos arquivos e evitar problemas de limitação de taxa. role`string`(Obrigatório)Função da mensagem do usuário. Defina como `user`.
asr_options`object`(Opcional)Define se determinados recursos devem ser ativados. `asr_options` não é um parâmetro padrão da OpenAI. Se você usar um SDK da OpenAI, transmita-o através de `extra_body`. Propriedades language string (Opcional) Sem valor padrãoCaso o idioma do áudio seja conhecido, especifique-o neste parâmetro para melhorar a precisão do reconhecimento.É possível especificar apenas um idioma.Se o idioma do áudio for incerto ou incluir múltiplos idiomas (como uma mistura de chinês, inglês, japonês e coreano), não defina este parâmetro. Valores válidos zh: Chinês (Mandarim, Sichuanês, Minnan e Wu) yue: Cantonês en: Inglês ja: Japonês de: Alemão ko: Coreano ru: Russo fr: Francês pt: Português ar: Árabe it: Italiano es: Espanhol hi: Hindi id: Indonésio th: Tailandês tr: Turco uk: Ucraniano vi: Vietnamita cs: Tcheco da: Dinamarquês fil: Filipino fi: Finlandês is: Islandês ms: Malaio no: Norueguês pl: Polonês sv: Sueco enable_itn`boolean` (Opcional) Padrão: `false`Define se a Normalização Inversa de Texto (ITN) deve ser ativada. Este recurso aplica-se apenas a áudios em chinês e inglês. true false (padrão)
stream`boolean`(Opcional) Padrão: `false`Define se a saída em streaming deve ser utilizada. Consulte Streaming output.Valores válidos: `false`: O modelo retorna o conteúdo completo após a geração. `true`: O modelo gera e transmite o conteúdo simultaneamente. Um bloco de dados (chunk) é retornado cada vez que uma parte do conteúdo é gerada. É necessário ler esses blocos em tempo real para montar a resposta completa. Defina como `true` para reduzir o risco de timeout nas requisições.
stream_options`object`(Opcional)Itens de configuração para saída em streaming. Este parâmetro só tem efeito quando `stream` estiver definido como `true`. Propriedades include_usage`boolean`(Opcional) Padrão: `false`Define se as informações de consumo de tokens devem ser incluídas no último bloco de dados da resposta.Valores válidos: `true` `false` (padrão) Durante a saída em streaming, as informações de consumo de tokens aparecem apenas no último bloco de dados da resposta.

Corpo da resposta	{ "choices": [ { "finish_reason": "stop", "index": 0, "message": { "annotations": [ { "emotion": "neutral", "language": "zh", "type": "audio_info" } ], "content": "Welcome to Alibaba Cloud.", "role": "assistant" } } ], "created": 1767683986, "id": "chatcmpl-487abe5f-d4f2-9363-a877-xxxxxxx", "model": "qwen3-asr-flash", "object": "chat.completion", "usage": { "completion_tokens": 12, "completion_tokens_details": { "text_tokens": 12 }, "prompt_tokens": 42, "prompt_tokens_details": { "audio_tokens": 42, "text_tokens": 0 }, "seconds": 1, "total_tokens": 54 } }
id`string`Identificador único desta chamada.
choices`array`Informações de saída do modelo. Propriedades finish_reason`string`Valores válidos: `null`: A saída ainda está sendo gerada. `stop`: A saída terminou naturalmente ou foi interrompida por uma condição de parada. `length`: A saída excedeu o limite máximo de comprimento. index`integer`Índice do objeto atual no array `choices`.message`object`Objeto de mensagem gerado pelo modelo. Propriedades role`string`Função da mensagem de saída. Definida como assistant.content`array`Resultado do reconhecimento de fala.annotations`array`Informações de anotação da saída, como o idioma. Propriedades language`string`Idioma do áudio reconhecido. Se o parâmetro de requisição `language` for especificado, este valor será igual ao parâmetro definido. Valores válidos zh: Chinês (Mandarim, Sichuanês, Minnan e Wu) yue: Cantonês en: Inglês ja: Japonês de: Alemão ko: Coreano ru: Russo fr: Francês pt: Português ar: Árabe it: Italiano es: Espanhol hi: Hindi id: Indonésio th: Tailandês tr: Turco uk: Ucraniano vi: Vietnamita cs: Tcheco da: Dinamarquês fil: Filipino fi: Finlandês is: Islandês ms: Malaio no: Norueguês pl: Polonês sv: Sueco type`string`Definido como `audio_info`, indicando informações de áudio.emotion`string`Emoção detectada no áudio reconhecido. As seguintes emoções são suportadas: `surprised`: surpreso `neutral`: neutro `happy`: feliz `sad`: triste `disgusted`: enojado `angry`: com raiva `fearful`: amedrontado
created`integer`Timestamp UNIX (em segundos) de criação da requisição.
model`string`Modelo utilizado nesta requisição.
object`string`Sempre `chat.completion`.
usage`object`Informações de consumo de tokens desta requisição. Propriedades completion_tokens `integer`Quantidade de tokens na saída do modelo.completion_tokens_details `object`Detalhes granulares dos tokens na saída do modelo. Propriedades text_tokens `integer`Quantidade de tokens no texto de saída do modelo. prompt_tokens `object`Quantidade de tokens na entrada.prompt_tokens_details `object`Detalhes granulares dos tokens na entrada. Propriedades audio_tokens `integer`Duração do áudio de entrada em tokens. Regra de conversão de áudio para token: Cada segundo de áudio é convertido em 25 tokens. Durações inferiores a 1 segundo são contabilizadas como 1 segundo.text_tokens `integer`Este parâmetro pode ser ignorado. seconds `integer`Duração do áudio em segundos.total_tokens `integer`Número total de tokens de entrada e saída (`total_tokens = completion_tokens + prompt_tokens`).

DashScope síncrono

URL

Singapore
US (Virginia)
China (Beijing)

Endereço de requisição HTTP: POST https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generationbase_url para chamadas via SDK: https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1Substitua {WorkspaceId} pelo seu workspace ID real.Substitua {WorkspaceId} pelo seu workspace ID real.

Se você selecionar o escopo de implantação US, os recursos computacionais de inferência do modelo ficarão restritos aos Estados Unidos. Os dados estáticos são armazenados na região selecionada. Região suportada: US (Virginia).Endereço de requisição HTTP: POST https://dashscope-us.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generationbase_url para chamadas via SDK: https://dashscope-us.aliyuncs.com/api/v1

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.

Request body	O exemplo a seguir mostra como reconhecer um arquivo de áudio a partir de uma URL. Para ver um exemplo de reconhecimento de arquivo de áudio local, consulte Quick start. `curl -X POST "https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation" \ -H "Authorization: Bearer $DASHSCOPE_API_KEY" \ -H "Content-Type: application/json" \ -d '{ "model": "qwen3-asr-flash", "input": { "messages": [ { "content": [ { "audio": "{YOUR_AUDIO_URL}" } ], "role": "user" } ] }, "parameters": { "asr_options": { "enable_itn": false } } }'`
model`string`(Required)Nome do model. Este parâmetro aplica-se apenas ao modelo Qwen3-ASR-Flash.
messages`array`(Required)Lista de mensagens. Ao fazer uma chamada HTTP, coloque messages dentro do objeto input. Tipos de mensagem Mensagem do sistema`object` (Optional)Fornece contexto para o reconhecimento de fala, como texto de fundo e glossários de entidades. Não suporta a definição de função do modelo ou outros prompts tradicionais de sistema. Se definir uma mensagem de sistema, coloque-a no início da lista de mensagens.Apenas o Qwen3-ASR-Flash suporta este parâmetro. Propriedades role`string`(Required)Defina como `system`. Mensagem do usuário`object`(Required)Mensagem enviada pelo usuário ao modelo. Propriedades content`array`(Required)Conteúdo da mensagem do usuário. Apenas uma mensagem é permitida no array. Propriedades audio`string`(Required)Áudio a ser reconhecido. Para mais informações sobre como usar este parâmetro, consulte Quick start.Ao usar o DashScope, o modelo Qwen3-ASR-Flash suporta três formatos de entrada: arquivos codificados em Base64, caminhos absolutos de arquivos locais e URLs de arquivos de áudio acessíveis pela rede pública.Ao usar um SDK, se o arquivo de áudio estiver armazenado no OSS, URLs temporárias que começam com `oss://` não são suportadas.Ao usar uma API RESTful, se o arquivo de áudio estiver armazenado no OSS, URLs temporárias que começam com `oss://` são suportadas. Observação: As URLs temporárias têm validade de 48 horas. Após o vencimento, não podem mais ser utilizadas. Não as utilize em ambientes de produção. A API de credenciais de upload de arquivos possui limite de taxa de 100 QPS e não pode ser escalonada. Não a utilize em cenários de produção, alta concorrência ou testes de estresse. Para ambientes de produção, recomendamos o uso de serviços de armazenamento estáveis, como o Alibaba Cloud OSS, para garantir disponibilidade de longo prazo dos arquivos e evitar problemas de limitação de taxa. role`string`(Required)Função da mensagem do usuário. Defina como `user`.
asr_options`object`(Optional)Define se determinados recursos devem ser ativados.Este parâmetro é suportado apenas pelo modelo Qwen3-ASR-Flash. Propriedades language string (Optional) Sem valor padrãoCaso o idioma do áudio seja conhecido, especifique-o neste parâmetro para melhorar a precisão do reconhecimento.É possível especificar apenas um idioma.Se o idioma do áudio for incerto ou incluir múltiplos idiomas (como uma mistura de chinês, inglês, japonês e coreano), não especifique este parâmetro. Valores válidos zh: Chinês (Mandarim, Sichuanês, Minnan e Wu) yue: Cantonês en: Inglês ja: Japonês de: Alemão ko: Coreano ru: Russo fr: Francês pt: Português ar: Árabe it: Italiano es: Espanhol hi: Hindi id: Indonésio th: Tailandês tr: Turco uk: Ucraniano vi: Vietnamita cs: Tcheco da: Dinamarquês fil: Filipino fi: Finlandês is: Islandês ms: Malaio no: Norueguês pl: Polonês sv: Sueco enable_itn`boolean` (Optional) Padrão: `false`Define se a Normalização Inversa de Texto (ITN) deve ser ativada. Este recurso aplica-se apenas a áudios em chinês e inglês. true false (padrão)

Response body	`{ "output": { "choices": [ { "finish_reason": "stop", "message": { "annotations": [ { "language": "zh", "type": "audio_info", "emotion": "neutral" } ], "content": [ { "text": "Welcome to Alibaba Cloud." } ], "role": "assistant" } } ] }, "usage": { "input_tokens_details": { "text_tokens": 0 }, "output_tokens_details": { "text_tokens": 6 }, "seconds": 1 }, "request_id": "568e2bf0-d6f2-97f8-9f15-a57b11dc6977" }`
request_id`string`Identificador único desta chamada. O parâmetro retornado pelo SDK Java é requestId
output`object`Informações do resultado da chamada. Propriedades choices`array`Saída do modelo. Retornado quando result_format é message. Propriedades finish_reason`string`Valores válidos: `null`: A saída ainda está sendo gerada. `stop`: A saída terminou naturalmente ou foi interrompida por uma condição de parada. `length`: A saída excedeu o limite máximo de comprimento. message`object`Objeto de mensagem gerado pelo modelo. Propriedades role`string`Função da mensagem de saída. Definida como assistant.content`array`Conteúdo da mensagem de saída. Propriedades text`string`Resultado do reconhecimento de fala. annotations`array`Informações de anotação da saída, como o idioma. Propriedades language`string`Idioma do áudio reconhecido. Se o parâmetro de requisição `language` for especificado, este valor será igual ao parâmetro definido. Valores válidos zh: Chinês (Mandarim, Sichuanês, Minnan e Wu) yue: Cantonês en: Inglês ja: Japonês de: Alemão ko: Coreano ru: Russo fr: Francês pt: Português ar: Árabe it: Italiano es: Espanhol hi: Hindi id: Indonésio th: Tailandês tr: Turco uk: Ucraniano vi: Vietnamita cs: Tcheco da: Dinamarquês fil: Filipino fi: Finlandês is: Islandês ms: Malaio no: Norueguês pl: Polonês sv: Sueco type`string`Definido como `audio_info`, indicando informações de áudio.emotion`string`Emoção detectada no áudio reconhecido. As seguintes emoções são suportadas: `surprised`: surpreso `neutral`: neutro `happy`: feliz `sad`: triste `disgusted`: enojado `angry`: com raiva `fearful`: com medo
usage`object`Informações sobre o consumo de tokens nesta requisição. Propriedades input_tokens_details `object`Comprimento do conteúdo de entrada para o Qwen3-ASR-Flash em tokens. Propriedades text_tokens `integer`Você pode ignorar este parâmetro. output_tokens_details `object`Comprimento do conteúdo de saída do Qwen3-ASR-Flash em tokens. Propriedades text_tokens `integer`Comprimento do texto reconhecido gerado pelo Qwen3-ASR-Flash em tokens. seconds `integer`Duração do áudio processado pelo Qwen3-ASR-Flash em segundos.

Invocação assíncrona do DashScope

Descrição do processo

A invocação assíncrona foi projetada para arquivos de áudio longos ou tarefas que demandam muito tempo. Ela utiliza um processo de duas etapas, "enviar-consultar", para evitar timeouts nas requisições:

Etapa 1: Enviar uma tarefa
- O cliente inicia uma requisição de processamento assíncrono.
- Após validar a requisição, o servidor não executa a tarefa imediatamente. Em vez disso, ele retorna um task_id único, indicando que a tarefa foi criada com sucesso.
Etapa 2: Obter o resultado
- O cliente usa o task_id para consultar a API de resultados periodicamente.
- Quando a tarefa é concluída, a API de resultados retorna o resultado final do reconhecimento.

Escolha usar um SDK ou chamar a API RESTful diretamente, dependendo do seu ambiente de integração.

Use um SDK. Para exemplos de código, consulte QuickStart. Para parâmetros de requisição, veja a Request body da operação Submit a task. Para informações sobre a resposta, consulte Description of asynchronous call results. Os SDKs gerenciam automaticamente os detalhes subjacentes das chamadas de API.
1. Envie uma tarefa: Chame o método async_call() (Python) ou asyncCall() (Java) para enviar a tarefa. Este método retorna um objeto de tarefa contendo um task_id.
2. Obtenha o resultado: Use o objeto de tarefa retornado na etapa anterior ou o task_id para chamar o método fetch() e recuperar o resultado. O SDK lida automaticamente com a lógica interna de consulta até que a tarefa seja concluída ou atinja o timeout.
Use uma API RESTful Chamar a API RESTful diretamente oferece máxima flexibilidade.
1. Submit the task. Se a requisição for bem-sucedida, a response body conterá um task_id.
2. Utilize o task_id da etapa anterior para retrieve the task execution result.

Enviar uma tarefa

URL

Singapore
China (Beijing)

Endereço de requisição HTTP: POST https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1/services/audio/asr/transcriptionbase_url para chamadas de SDK: https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1Substitua {WorkspaceId} pelo seu workspace ID real.Substitua {WorkspaceId} pelo seu workspace ID real.

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.

Request body	cURL Java Python # ======= Important ======= # The following configuration is for the Singapore region. Replace "{WorkspaceId}" with your actual workspace ID. The configuration varies by region. # The API keys for the Singapore and Beijing regions are different. For more information about how to obtain an API key, see https://www.alibabacloud.com/help/en/model-studio/get-api-key # === Delete this comment before running the command. === curl --location --request POST 'https://{WorkspaceId}.ap-southeast-1.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": "qwen3-asr-flash-filetrans", "input": { "file_url": "{YOUR_AUDIO_URL}" }, "parameters": { "channel_id":[ 0 ], "enable_itn": false } }' Para exemplos de SDK, consulte QuickStart. import com.google.gson.Gson; import com.google.gson.annotations.SerializedName; import okhttp3.; import java.io.IOException; public class Main { // The following configuration is for the Singapore region. Replace "{WorkspaceId}" with your actual workspace ID. The configuration varies by region. private static final String API_URL = "https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1/services/audio/asr/transcription"; public static void main(String[] args) { // The API keys for the Singapore and Beijing regions are different. For more information about how to obtain an API key, see https://www.alibabacloud.com/help/en/model-studio/get-api-key // If the environment variable is not configured, replace the following line with your Model Studio API key: String apiKey = "sk-xxx" String apiKey = System.getenv("DASHSCOPE_API_KEY"); OkHttpClient client = new OkHttpClient(); Gson gson = new Gson(); /String payloadJson = """ { "model": "qwen3-asr-flash-filetrans", "input": { "file_url": "{YOUR_AUDIO_URL}" }, "parameters": { "channel_id": [0], "enable_itn": false, "language": "zh", "corpus": { "text": "" } } } """;*/ String payloadJson = """ { "model": "qwen3-asr-flash-filetrans", "input": { "file_url": "{YOUR_AUDIO_URL}" }, "parameters": { "channel_id": [0], "enable_itn": false } } """; RequestBody body = RequestBody.create(payloadJson, MediaType.get("application/json; charset=utf-8")); Request request = new Request.Builder() .url(API_URL) .addHeader("Authorization", "Bearer " + apiKey) .addHeader("Content-Type", "application/json") .addHeader("X-DashScope-Async", "enable") .post(body) .build(); try (Response response = client.newCall(request).execute()) { if (response.isSuccessful() && response.body() != null) { String respBody = response.body().string(); // Parse JSON using Gson ApiResponse apiResp = gson.fromJson(respBody, ApiResponse.class); if (apiResp.output != null) { System.out.println("task_id: " + apiResp.output.taskId); } else { System.out.println(respBody); } } else { System.out.println("task failed! HTTP code: " + response.code()); if (response.body() != null) { System.out.println(response.body().string()); } } } catch (IOException e) { e.printStackTrace(); } } static class ApiResponse { @SerializedName("request_id") String requestId; Output output; } static class Output { @SerializedName("task_id") String taskId; @SerializedName("task_status") String taskStatus; } } Para exemplos de SDK, consulte QuickStart. import requests import json import os # The following configuration is for the Singapore region. Replace "{WorkspaceId}" with your actual workspace ID. The configuration varies by region. url = "https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1/services/audio/asr/transcription" # The API keys for the Singapore and Beijing regions are different. For more information about how to obtain an API key, see https://www.alibabacloud.com/help/en/model-studio/get-api-key # If the environment variable is not configured, replace the following line with your Model Studio API key: DASHSCOPE_API_KEY = "sk-xxx" DASHSCOPE_API_KEY = os.getenv("DASHSCOPE_API_KEY") headers = { "Authorization": f"Bearer {DASHSCOPE_API_KEY}", "Content-Type": "application/json", "X-DashScope-Async": "enable" } payload = { "model": "qwen3-asr-flash-filetrans", "input": { "file_url": "{YOUR_AUDIO_URL}" }, "parameters": { "channel_id": [0], # "language": "zh", "enable_itn": False # "corpus": { # "text": "" # } } } response = requests.post(url, headers=headers, data=json.dumps(payload)) if response.status_code == 200: print(f"task_id: {response.json()["output"]["task_id"]}") else: print("task failed!") print(response.json())
model`string`(Required)Nome do model. Este parâmetro aplica-se apenas ao modelo Qwen3-ASR-Flash-Filetrans.
input`object`(Required) Properties file_url `string`(Required)URL do arquivo de áudio a ser reconhecido. A URL deve ser acessível pela rede pública.Ao usar um SDK, se o arquivo de áudio estiver armazenado no OSS, URLs temporárias que começam com `oss://` não são suportadas.Ao usar uma API RESTful, se o arquivo de áudio estiver armazenado no OSS, URLs temporárias que começam com `oss://` são suportadas. Observação: As URLs temporárias têm validade de 48 horas. Após o vencimento, elas não podem ser usadas. Não as utilize em ambientes de produção. A API de credenciais de upload de arquivos tem limite de taxa de 100 QPS e não pode ser escalonada. Não a use em cenários de produção, alta concorrência ou testes de estresse. Para ambientes de produção, recomendamos usar serviços de armazenamento estáveis, como o Alibaba Cloud OSS, para garantir disponibilidade de longo prazo dos arquivos e evitar problemas de limitação de taxa.
parameters`object`(Optional) Properties language string (Optional) Sem valor padrãoSe o idioma do áudio for conhecido, especifique-o usando este parâmetro para melhorar a precisão do reconhecimento.É possível especificar apenas um idioma.Caso o idioma do áudio seja incerto ou inclua múltiplos idiomas (como uma mistura de chinês, inglês, japonês e coreano), não especifique este parâmetro. Valid values zh: Chinês (Mandarim, Sichuanês, Minnan e Wu) yue: Cantonês en: Inglês ja: Japonês de: Alemão ko: Coreano ru: Russo fr: Francês pt: Português ar: Árabe it: Italiano es: Espanhol hi: Hindi id: Indonésio th: Tailandês tr: Turco uk: Ucraniano vi: Vietnamita cs: Tcheco da: Dinamarquês fil: Filipino fi: Finlandês is: Islandês ms: Malaio no: Norueguês pl: Polonês sv: Sueco enable_itn`boolean` (Optional) Padrão: `false`Define se a Normalização Inversa de Texto (ITN) deve ser ativada. Este recurso aplica-se apenas a áudios em chinês e inglês. true false (padrão) enable_words`boolean`(Optional) Padrão: `false`Define se timestamps no nível de palavra devem ser retornados: `false`: Retorna timestamps no nível de sentença. `true`: Retorna timestamps no nível de palavra. Timestamps no nível de palavra são suportados apenas para os seguintes idiomas: chinês, inglês, japonês, coreano, alemão, francês, espanhol, italiano, português e russo. A precisão para outros idiomas não pode ser garantida. Este parâmetro também afeta as regras de segmentação de sentenças: `false`: A segmentação de sentenças baseia-se na Detecção de Atividade de Voz (VAD). `true`: A segmentação de sentenças baseia-se em VAD e pontuação. channel_id`array`(Optional) Padrão: `[0]`Especifica os índices das faixas de áudio a serem reconhecidas em um arquivo de áudio com múltiplas faixas. O índice começa em 0. Por exemplo, [0] indica que a primeira faixa de áudio será reconhecida, e [0, 1] indica que a primeira e a segunda faixas serão reconhecidas simultaneamente. Se este parâmetro for omitido, a primeira faixa de áudio será processada por padrão. Cada faixa de áudio especificada é cobrada separadamente. Por exemplo, solicitar [0, 1] para um único arquivo resultará em duas cobranças distintas.

Response body	`{ "request_id": "92e3decd-0c69-47a8-**********", "output": { "task_id": "8fab76d0-0eed-4d20-**********", "task_status": "PENDING" } }`
request_id`string`Identificador único para esta chamada.
output`object`Informações sobre o resultado da chamada. Properties task_id`string`ID da tarefa. Este ID é passado como parâmetro de requisição na API para consultar tarefas de reconhecimento de fala.task_status`string`Status da tarefa: PENDING RUNNING SUCCEEDED FAILED UNKNOWN: A tarefa não existe ou seu status é desconhecido.

Obter o resultado da execução da tarefa

URL

Singapore
China (Beijing)

Endereço de requisição HTTP: GET https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1/tasks/{task_id}base_url para chamadas de SDK: https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1Substitua {WorkspaceId} pelo seu workspace ID real.Substitua {WorkspaceId} pelo seu workspace ID real.

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.

Request body

cURL
Java
Python

# ======= Important =======
    # The following configuration is for the Singapore region. Replace "{WorkspaceId}" with your actual workspace ID. The configuration varies by region.
    # The API keys for the Singapore and Beijing regions are different. For more information about how to obtain an API key, see https://www.alibabacloud.com/help/en/model-studio/get-api-key
    # === Delete this comment before running the command. ===

    curl --location --request GET 'https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1/tasks/{task_id}' \
    --header "Authorization: Bearer $DASHSCOPE_API_KEY" \
    --header "Content-Type: application/json"

Para exemplos de SDK, consulte QuickStart.

import okhttp3.*;

    import java.io.IOException;

    public class Main {
        public static void main(String[] args) {
            // Replace with the actual task_id.
            String taskId = "xxx";
            // The API keys for the Singapore and Beijing regions are different. For more information about how to obtain an API key, see https://www.alibabacloud.com/help/en/model-studio/get-api-key
            // If the environment variable is not configured, replace the following line with your Model Studio API key: String apiKey = "sk-xxx"
            String apiKey = System.getenv("DASHSCOPE_API_KEY");

            // The following configuration is for the Singapore region. Replace "{WorkspaceId}" with your actual workspace ID. The configuration varies by region.
            String apiUrl = "https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1/tasks/" + taskId;

            OkHttpClient client = new OkHttpClient();

            Request request = new Request.Builder()
                    .url(apiUrl)
                    .addHeader("Authorization", "Bearer " + apiKey)
                    .addHeader("Content-Type", "application/json")
                    .get()
                    .build();

            try (Response response = client.newCall(request).execute()) {
                if (response.body() != null) {
                    System.out.println(response.body().string());
                }
            } catch (IOException e) {
                e.printStackTrace();
            }
        }
    }

Para exemplos de SDK, consulte QuickStart.

import os
    import requests

    # The API keys for the Singapore and Beijing regions are different. For more information about how to obtain an API key, see https://www.alibabacloud.com/help/en/model-studio/get-api-key
    # If the environment variable is not configured, replace the following line with your Model Studio API key: DASHSCOPE_API_KEY = "sk-xxx"
    DASHSCOPE_API_KEY = os.getenv("DASHSCOPE_API_KEY")

    # Replace with the actual task_id.
    task_id = "xxx"
    # The following configuration is for the Singapore region. Replace "{WorkspaceId}" with your actual workspace ID. The configuration varies by region.
    url = f"https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1/tasks/{task_id}"

    headers = {
        "Authorization": f"Bearer {DASHSCOPE_API_KEY}",
        "Content-Type": "application/json"
    }

    response = requests.get(url, headers=headers)
    print(response.json())

task_idstring(Required)ID da tarefa. Passe o task_id da resposta da operação Submit a task para consultar o resultado do reconhecimento de fala.

Response body	`{ "request_id": "6769df07-2768-4fb0-ad59-**********", "output": { "task_id": "9be1700a-0f8e-4778-be74-**********", "task_status": "RUNNING", "submit_time": "2025-10-27 14:19:31.150", "scheduled_time": "2025-10-27 14:19:31.233", "task_metrics": { "TOTAL": 1, "SUCCEEDED": 0, "FAILED": 0 } } }`
request_id`string`Identificador único desta chamada.
output`object`Informações sobre o resultado da chamada. Properties task_id`string`ID da tarefa. Este ID é passado como parâmetro de requisição na API para consulta de tarefas de reconhecimento de fala.task_status`string`Status da tarefa: PENDING RUNNING SUCCEEDED FAILED UNKNOWN: A tarefa não existe ou seu status é desconhecido. result`object`Resultado do reconhecimento de fala. Properties transcription_url`string`URL de download do arquivo de resultado do reconhecimento. O link é válido por 24 horas. Após a expiração, não será possível consultar a tarefa ou baixar o resultado usando a URL anterior. O resultado do reconhecimento é salvo como um arquivo JSON. Baixe o arquivo através deste link ou leia o conteúdo diretamente via requisição HTTP. Para mais informações, consulte Description of asynchronous call results. submit_time`string`Horário em que a tarefa foi enviada.schedule_time`string`Horário em que a tarefa foi agendada, correspondendo ao início da execução.end_time`string`Horário de término da tarefa.task_metrics`object`Métricas da tarefa, incluindo estatísticas sobre o status das subtarefas. Properties TOTAL`integer`Número total de subtarefas.SUCCEEDED`integer`Quantidade de subtarefas concluídas com sucesso.FAILED`integer`Quantidade de subtarefas que falharam. code`string`Código de erro. Retornado apenas quando a tarefa falha.message`string`Mensagem de erro. Retornada apenas quando a tarefa falha.usage`object`Informações sobre o consumo de tokens nesta requisição. Properties seconds `integer`Duração do áudio para Qwen3-ASR-Flash em segundos.

Descrição dos resultados de chamada assíncrona	{ "file_url": "https://***.wav", "audio_info": { "format": "wav", "sample_rate": 16000 }, "transcripts": [ { "channel_id": 0, "text": "Senior staff, Principal Doris Jackson, Wakefield faculty, and of course my fellow classmates.I am honored to have been chosen to speak before my classmates along with the students across America today.", "sentences": [ { "sentence_id": 0, "begin_time": 240, "end_time": 6720, "language": "en", "emotion": "happy", "text": "Senior staff, Principal Doris Jackson, Wakefield faculty, and of course my fellow classmates.", "words": [ { "begin_time": 240, "end_time": 1120, "text": "Senior ", "punctuation": "" }, { "begin_time": 1120, "end_time": 1200, "text": "staff", "punctuation": "," }, { "begin_time": 1680, "end_time": 1920, "text": " Principal ", "punctuation": "" }, { "begin_time": 2000, "end_time": 2320, "text": "Doris ", "punctuation": "" }, { "begin_time": 2320, "end_time": 2960, "text": "Jackson", "punctuation": "," }, { "begin_time": 3360, "end_time": 3840, "text": " Wakefield ", "punctuation": "" }, { "begin_time": 3840, "end_time": 4480, "text": "faculty", "punctuation": "," }, { "begin_time": 4800, "end_time": 4960, "text": " and ", "punctuation": "" }, { "begin_time": 4960, "end_time": 5040, "text": "of ", "punctuation": "" }, { "begin_time": 5040, "end_time": 5520, "text": "course ", "punctuation": "" }, { "begin_time": 5520, "end_time": 5680, "text": "my ", "punctuation": "" }, { "begin_time": 5760, "end_time": 6000, "text": "fellow ", "punctuation": "" }, { "begin_time": 6000, "end_time": 6720, "text": "classmates", "punctuation": "." } ] }, { "sentence_id": 1, "begin_time": 12268, "end_time": 17388, "language": "en", "emotion": "neutral", "text": "I am honored to have been chosen to speak before my classmates along with the students across America today.", "words": [ { "begin_time": 12268, "end_time": 12428, "text": "I ", "punctuation": "" }, { "begin_time": 12428, "end_time": 12508, "text": "am ", "punctuation": "" }, { "begin_time": 12588, "end_time": 12828, "text": "honored ", "punctuation": "" }, { "begin_time": 12908, "end_time": 12908, "text": "to ", "punctuation": "" }, { "begin_time": 12908, "end_time": 13068, "text": "have ", "punctuation": "" }, { "begin_time": 13068, "end_time": 13228, "text": "been ", "punctuation": "" }, { "begin_time": 13228, "end_time": 13628, "text": "chosen ", "punctuation": "" }, { "begin_time": 13628, "end_time": 13708, "text": "to ", "punctuation": "" }, { "begin_time": 13708, "end_time": 14028, "text": "speak ", "punctuation": "" }, { "begin_time": 14028, "end_time": 14268, "text": "before ", "punctuation": "" }, { "begin_time": 14268, "end_time": 14428, "text": "my ", "punctuation": "" }, { "begin_time": 14428, "end_time": 15148, "text": "classmates ", "punctuation": "" }, { "begin_time": 15308, "end_time": 15468, "text": "as ", "punctuation": "" }, { "begin_time": 15468, "end_time": 15628, "text": "well ", "punctuation": "" }, { "begin_time": 15628, "end_time": 15788, "text": "as ", "punctuation": "" }, { "begin_time": 15788, "end_time": 15788, "text": "the ", "punctuation": "" }, { "begin_time": 15788, "end_time": 16188, "text": "students ", "punctuation": "" }, { "begin_time": 16188, "end_time": 16588, "text": "across ", "punctuation": "" }, { "begin_time": 16588, "end_time": 16988, "text": "America ", "punctuation": "" }, { "begin_time": 16988, "end_time": 17388, "text": "today", "punctuation": "." } ] } ] } ] }
file_url `string`URL do arquivo de áudio reconhecido.
audio_info`object`Informações sobre o arquivo de áudio reconhecido. Properties format `string`Formato do áudio.sample_rate `integer`Taxa de amostragem do áudio.
transcripts`array`Lista completa dos resultados de reconhecimento. Cada elemento corresponde ao conteúdo reconhecido de uma faixa de áudio. Properties channel_id`integer`Índice da faixa de áudio, iniciando em 0.text`string`Texto reconhecido.sentences`object`Lista de resultados de reconhecimento no nível de sentença. Properties begin_time `integer`Timestamp inicial da sentença em milissegundos.end_time `integer`Timestamp final da sentença em milissegundos.text`string`Texto reconhecido.sentence_id`integer`Índice da sentença, iniciando em 0.language`string`Idioma do áudio reconhecido. Se o parâmetro de requisição `language` for especificado, este valor será igual ao parâmetro definido. Valid values zh: Chinês (Mandarim, Sichuanês, Minnan e Wu) yue: Cantonês en: Inglês ja: Japonês de: Alemão ko: Coreano ru: Russo fr: Francês pt: Português ar: Árabe it: Italiano es: Espanhol hi: Hindi id: Indonésio th: Tailandês tr: Turco uk: Ucraniano vi: Vietnamita cs: Tcheco da: Dinamarquês fil: Filipino fi: Finlandês is: Islandês ms: Malaio no: Norueguês pl: Polonês sv: Sueco emotion`string`Emoção detectada no áudio reconhecido. As seguintes emoções são suportadas: `surprised` `neutral` `happy` `sad` `disgusted` `angry` `fearful` words`object`Lista de resultados de reconhecimento no nível de palavra. Este resultado é exibido quando o parâmetro de requisição `enable_words` está definido como `true`. Properties begin_time `integer`Timestamp inicial em milissegundos.end_time `integer`Timestamp final em milissegundos.text`string`Texto reconhecido.punctuation`string`Sinal de pontuação.

​Tipos de conexão do modelo

​Compatível com OpenAI

​URL

Corpo da requisição

Corpo da resposta

​DashScope síncrono

​URL

Request body

Response body

​Invocação assíncrona do DashScope

​Descrição do processo

​Enviar uma tarefa

​URL

Request body

Response body

​Obter o resultado da execução da tarefa

​URL

Request body

Response body

Descrição dos resultados de chamada assíncrona

Tipos de conexão do modelo

Compatível com OpenAI

URL

DashScope síncrono

URL

Invocação assíncrona do DashScope

Descrição do processo

Enviar uma tarefa

URL

Obter o resultado da execução da tarefa

URL