Este guia mostra como converter fala em texto com o SDK Android de reconhecimento de fala não em tempo real Qwen-Audio-ASR-Filetrans.
Para requisitos de entrada, como formatos de áudio suportados, limites de tamanho de arquivo e limites de duração, consulte Especificações de áudio.
Configure esses parâmetros passando uma string JSON no argumento
Descrição do parâmetro
Configure todos os parâmetros de reconhecimento de fala por meio da interface
Descrição do parâmetro
Inicializa a instância do SDK de reconhecimento de fala. O SDK é um singleton. Não o inicialize novamente antes de chamar
Descrição do parâmetro
Use esta interface para definir ou atualizar os parâmetros
Descrição do parâmetro
Inicia o reconhecimento.
Assinatura do método
Descrição do parâmetro
Use esta interface para consultar o status atual e o resultado de uma tarefa assíncrona. Após a chamada ser bem-sucedida, o resultado é retornado por meio do evento
Assinatura do método
Descrição do parâmetro
Cancela a tarefa atual imediatamente.
Assinatura do método
Descrição do parâmetro
Libera todos os recursos internos do SDK. Depois de chamar este método, a instância do SDK torna-se inutilizável. Para usá-la novamente, você deve chamar
Obtém as informações da versão atual do SDK.
Assinatura do método
Valor de retorno
As informações da versão atual do SDK.
Assinatura do método
Descrição do parâmetro
Este callback recebe os logs internos detalhados do SDK para diagnóstico e depuração de problemas.
Início rápido
- Obtenha uma chave de API: Obter uma chave de API. Para maior segurança, armazene a chave de API em uma variável de ambiente.
-
Baixe o SDK e execute o código de exemplo:
- Baixe o pacote mais recente do SDK.
- Extraia o pacote ZIP. Encontre o SDK no formato AAR no diretório
app/libse adicione-o às dependências do seu projeto. Para integração com Android C++, useandroid_libseandroid_includeno pacote ZIP para obter as bibliotecas dinâmicas e os arquivos de cabeçalho. - Abra o projeto no Android Studio. O código de exemplo está em
DashFunAsrFileTranscriberActivity.java. Substitua a chave de API e, em seguida, teste o recurso.
Procedimento de chamada
- Modo síncrono
- Modo assíncrono
- Inicialize o SDK.
- Configure os parâmetros que o seu negócio requer.
- Defina
async_requestcomofalsee chamestartFileTranscriberpara enviar uma solicitação de reconhecimento de fala não em tempo real e aguardar o resultado. - Monitore o evento
EVENT_FILE_TRANS_RESULTna interfaceonFileTransEventCallbackpara obter o resultado final do reconhecimento. - Chame
releasepara liberar os recursos do SDK.
Parâmetros de solicitação
Parâmetros de conexão e controle
Configure esses parâmetros passando uma string JSON no argumento parameters da interface initialize.
Exemplo de parâmetro
A string JSON a seguir é um exemplo e não lista todos os parâmetros. Adicione os parâmetros necessários ao escrever seu código:
| Parâmetro | Tipo | Obrigatório | Descrição |
|---|---|---|---|
url | String | Sim | Endpoints de serviço:
{WorkspaceId} pelo seu ID do Workspace real. |
apikey | String | Sim | A chave de API. |
service_mode | String | Sim | O modo de execução. Fixado em "1" para reconhecimento de fala gravada. |
device_id | String | Sim | Uma string exclusiva que identifica o usuário final. Defina-a como um ID de usuário no aplicativo ou um identificador de dispositivo gerado pelo cliente. Este ID é usado principalmente para rastreamento de logs e solução de problemas. |
debug_path | String | Não | O caminho de armazenamento para o arquivo de log.Este parâmetro só entra em vigor quando save_log é definido como true na interface initialize. Nesse caso, você deve definir o caminho do arquivo de log, caso contrário, um erro será relatado.No máximo dois arquivos de log são mantidos localmente. |
max_log_file_size | int | Não | O tamanho máximo do arquivo de log, em bytes.Este parâmetro só entra em vigor quando save_log é definido como true na interface initialize.Padrão: 104857600 (100 * 1024 * 1024 bytes, ou seja, 100 MiB). |
log_track_level | int | Não | O nível de filtro para o conteúdo de log enviado através do callback de log (onFileTransLogTrackCallback).Padrão: 2.Valores válidos:
log_track_level e level (definidos por meio da interface initialize) juntos determinam quais logs são finalmente enviados para o callback. Um log é enviado para o callback apenas quando seu valor de nível é maior ou igual a log_track_level e level. Por exemplo, se log_track_level estiver definido como 2 (INFO) e level estiver definido como 3 (WARNING), apenas logs no nível WARNING ou superior (valor >= 3) serão enviados para o callback. |
Parâmetros de reconhecimento de fala
Configure todos os parâmetros de reconhecimento de fala por meio da interface startFileTranscriber.
Exemplo de parâmetro
A string JSON a seguir é um exemplo e não lista todos os parâmetros. Adicione os parâmetros necessários ao escrever seu código:
| Parâmetro | Tipo | Obrigatório | Descrição |
|---|---|---|---|
file_urls | array[string] | Sim | Uma lista 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 Especificações de áudio.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 o prefixo oss://. |
async_request | boolean | Não | Se a solicitação de reconhecimento é assíncrona.Padrão: false.Valores válidos:
|
apikey | string | Não | Se a apikey em Parâmetros de conexão e controle for uma chave de API temporária, você poderá atualizá-la aqui para evitar a expiração. |
nls_config | object | Sim | O objeto de configuração principal para reconhecimento de fala. Ele contém parâmetros chave, como seleção de modelo e controle de reconhecimento. |
nls_config.model | string | Sim | O nome do modelo. |
nls_config.special_word_filter | object | Não | As palavras sensíveis a serem processadas durante o reconhecimento de fala. Você pode definir um método de tratamento diferente para cada palavra sensível. Para obter detalhes, consulte Filtragem de palavras sensíveis. |
nls_config.channel_id | array[integer] | Não | O índice das faixas de áudio a serem reconhecidas em um arquivo de áudio com várias faixas. O índice começa em 0. Por exemplo, [0] reconhece a primeira faixa, e [0, 1] reconhece a primeira e a segunda faixas ao mesmo tempo. Se você omitir este parâmetro, apenas a primeira faixa será processada.Valor padrão: [0]. |
nls_config.diarization_enabled | boolean | Não | Se 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 está ativada, mantenha a duração do áudio dentro de 2 horas. Caso contrário, o reconhecimento pode falhar ou atingir o tempo limite. speaker_id, consulte Descrição do resultado do reconhecimento. |
nls_config.speaker_count | integer | Não | Um valor de referência para o número de falantes. O intervalo válido é um número inteiro de 2 a 100 (inclusivo).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, e não garante essa contagem exata.Sem valor padrão. |
nls_config.vocabulary_id | string | Não | O ID de uma lista de palavras-chave pré-compilada.Gere este ID antecipadamente chamando a API de criação de lista de palavras-chave. Passe o ID durante o reconhecimento para usar as palavras-chave na lista.Adequado para cenários onde o vocabulário é conhecido e relativamente estável, e onde você precisa reutilizar a mesma lista de palavras em várias solicitações.Para detalhes de uso, consulte Palavras-chave pré-compiladas. |
nls_config.input_context | array | Não | Uma lista de mensagens contendo contexto de conversa opcional para melhorar a precisão do reconhecimento. |
nls_config.instant_vocabulary | object | Não | Palavras-chave instantâneas, passadas como pares chave-valor. Cada chave é o texto da palavra-chave (string) e cada valor é o seu peso (integer). Nenhuma lista de palavras-chave pré-compilada é necessária. Use este parâmetro para palavras-chave temporárias no nível da sessão.Os pesos válidos são inteiros de 1 a 5, ou 50. Um peso maior de 1 a 5 torna mais provável que o modelo gere a palavra-chave. Um peso de 50 define uma super palavra-chave e melhora significativamente a taxa de recall. Você pode especificar até 50 super palavras-chave.Se você também configurar palavras-chave pré-compiladas, os dois conjuntos serão mesclados. Se o conjunto mesclado exceder 2000 palavras-chave, 2000 serão selecionadas aleatoriamente. Para uso, consulte Palavras-chave instantâneas. |
nls_config.language_hints | array[string] | Não | Os códigos de idioma a serem reconhecidos. Se você não puder determinar o idioma com antecedência, deixe-o indefinido e o modelo detectará o idioma automaticamente.Você pode definir até 4 valores. Se definir mais, apenas os 4 primeiros serão usados.
Clique para ver os códigos de idioma suportados
|
Interfaces principais
NativeNui
initialize
Inicializa a instância do SDK de reconhecimento de fala. O SDK é um singleton. Não o inicialize novamente antes de chamar release.
Esta interface bloqueia, portanto, chame-a em uma thread que não seja de UI.
Assinatura do método
| Parâmetro | Tipo | Descrição |
|---|---|---|
callback | INativeFileTransCallback | A implementação da interface de callback de eventos e dados. |
parameters | String | Uma string JSON que contém os parâmetros de autenticação, conexão e depuração. Consulte Parâmetros de conexão e controle. |
level | Constants.LogLevel | Controla o nível de impressão dos próprios logs do SDK. |
save_log | boolean | Se deve salvar logs localmente. Se true, especifique o caminho com debug_path em Parâmetros de conexão e controle e, opcionalmente, defina o tamanho do arquivo com max_log_file_size. |
setParams
Use esta interface para definir ou atualizar os parâmetros nls_config separadamente. Se você fornecer todos os parâmetros de uma vez em startFileTranscriber, não precisará chamar este método.
Assinatura do método
| Parâmetro | Tipo | Descrição |
|---|---|---|
params | String | O parâmetro nls_config em Parâmetros de reconhecimento de fala. Parâmetros diferentes de nls_config não podem ser definidos por meio deste método.Exemplo: |
startFileTranscriber
Inicia o reconhecimento.
Assinatura do método
| Parâmetro | Tipo | Descrição |
|---|---|---|
params | String | Parâmetros de reconhecimento de fala.Exemplo: |
task_id | byte[] | O ID da tarefa. O SDK gera uma string aleatória internamente. Você obtém o task_id após esta interface retornar com sucesso. |
queryFileTranscriber
Use esta interface para consultar o status atual e o resultado de uma tarefa assíncrona. Após a chamada ser bem-sucedida, o resultado é retornado por meio do evento EVENT_FILE_TRANS_QUERY_RESULT no callback onFileTransEventCallback.
Obtenha o
task_id passado para este método a partir do evento EVENT_FILE_TRANS_UPLOADED.| Parâmetro | Tipo | Descrição |
|---|---|---|
task_id | String | O ID da tarefa a ser consultada, obtido a partir do evento EVENT_FILE_TRANS_UPLOADED. |
cancelFileTranscriber
Cancela a tarefa atual imediatamente.
Assinatura do método
| Parâmetro | Tipo | Descrição |
|---|---|---|
task_id | String | O ID da tarefa a ser cancelada, obtido a partir do evento EVENT_FILE_TRANS_UPLOADED. |
release
Libera todos os recursos internos do SDK. Depois de chamar este método, a instância do SDK torna-se inutilizável. Para usá-la novamente, você deve chamar initialize para inicializá-la novamente.
Assinatura do método
GetVersion
Obtém as informações da versão atual do SDK.
Assinatura do método
INativeFileTransCallback: callbacks do listener
onFileTransEventCallback: ouvir eventos e resultados de reconhecimento
Assinatura do método
| Parâmetro | Tipo | Descrição |
|---|---|---|
event | NuiEvent | O evento de callback. |
resultCode | int | Válido apenas quando o evento EVENT_ASR_ERROR ocorre. |
asrResult | AsrResult | O resultado do reconhecimento de fala. |
taskId | String | O ID da tarefa. |
arg2 | int | Um parâmetro reservado. |
onFileTransLogTrackCallback: ouvir logs de rastreamento
Este callback recebe os logs internos detalhados do SDK para diagnóstico e depuração de problemas.
NuiEvent: tipos de evento
| Evento | Descrição |
|---|---|
EVENT_FILE_TRANS_CONNECTED | A conexão do serviço foi bem-sucedida. |
EVENT_FILE_TRANS_UPLOADED | O arquivo de áudio a ser reconhecido foi carregado com sucesso. Agora você pode obter o task_id da tarefa atual. |
EVENT_FILE_TRANS_QUERY_RESULT | Uma consulta de resultado de tarefa. |
EVENT_FILE_TRANS_RESULT | O resultado final do reconhecimento. |
EVENT_ASR_ERROR | Ocorreu um erro durante o reconhecimento de fala. |