Use o SDK Node.js de voz para enviar URLs de áudio ao Qwen-Audio-ASR-Filetrans, consultar tarefas assíncronas e baixar transcrições.
Instalar o SDK
Requer Node.js 18 ou posterior. Baixe o pacote SDK 0.1.0 e execute no projeto:
Início rápido
Obtenha uma chave de API no console e defina-a na variável de ambiente DASHSCOPE_API_KEY.
Salve o exemplo como example.mjs e execute node example.mjs.
Referência da API
Opções do construtor
Opções do construtor de TranscriptionClient:
| Parâmetro | Tipo | Obrigatório | Descrição |
|---|---|---|---|
apiKey | string | Não | Chave de API. Usa DASHSCOPE_API_KEY por padrão. |
workspaceId | string | Não | ID do espaço de trabalho. Usa DASHSCOPE_WORKSPACE_ID por padrão. |
baseUrl | string | Não | Defina o hostname como dashscope-intl.aliyuncs.com (Singapura). |
model | string | Não | ID do modelo. Padrão: qwen-audio-3.1-asr-flash-filetrans. |
pollIntervalMs | number | Não | Intervalo de polling. Padrão: 3000 ms. |
pollTimeoutMs | number | Não | Tempo limite de polling em ms. Padrão: 600000. |
requestTimeoutMs | number | Não | Tempo limite de requisição HTTP em ms. Padrão: 30000; 0 desativa o limite individual. |
Parâmetros de transcrição
O segundo argumento de transcribe() e submitTask() é parameters; o terceiro aceita context. Consulte os detalhes na API HTTP.
| Parâmetro | Tipo | Obrigatório | Descrição |
|---|---|---|---|
fileUrls | string | string[] | Sim | URL pública do áudio; um arquivo por tarefa. |
parameters.keep_dialect | boolean | Não | Preserva expressões de dialeto. Padrão: false. |
parameters.vocabulary_id | string | Não | ID do vocabulário pré-compilado. |
parameters.vocabulary | Record<string, number> | Não | Vocabulário instantâneo: palavras como chaves e pesos em [1,5] ou 50 como valores. |
parameters.channel_id | number[] | Não | Índices dos canais de áudio. Padrão: [0]. |
parameters.special_word_filter | string | Record<string, unknown> | Não | Configuração de filtro de palavras sensíveis como string JSON ou objeto. |
parameters.diarization_enabled | boolean | Não | Diarização de locutores em áudio mono. Padrão: false. |
parameters.speaker_count | number | Não | Número esperado de locutores: [2,100]. Requer diarização. |
parameters.language_hints | string[] | Não | Dicas de idioma do reconhecimento. Até os primeiros 4 valores têm efeito. Detecção automática se omitidas. |
callOpts.context / submitOpts.context | AsrContextMessage[] | Não | Contexto de reconhecimento. Formato: { role, content: [{ type: "input_text", text }] }, com role como user ou assistant. Até 5 mensagens por papel, menos de 400 caracteres no total, na ordem dos turnos. |
callOpts.onProgress | (status: string, response: QueryTaskResponse) => void | Não | Callback de progresso com status e response original. |
Métodos principais
| Método | Retorno | Descrição |
|---|---|---|
transcribe(fileUrls: string | string[], parameters?: TranscriptionParameters, callOpts?: TranscribeCallOptions) | Promise<TranscriptionJobResult> | Envia áudio, consulta e baixa resultados. callOpts aceita contexto e callback de progresso. |
submitTask(fileUrls: string | string[], parameters?: TranscriptionParameters, submitOpts?: TranscriptionSubmitOptions) | Promise<{ taskId: string; taskStatus: string }> | Envia a tarefa e retorna ID e estado inicial. Defina o contexto em submitOpts.context. |
fetchTask(taskId: string, requestTimeoutMs?: number) | Promise<QueryTaskResponse> | Consulta uma tarefa uma vez para obter estado e URLs. |
Valores retornados
| Campo | Tipo | Descrição |
|---|---|---|
taskId | string | ID da tarefa. |
taskStatus | string | Estado da tarefa. |
results | FileTranscriptionResult[] | Resultados por arquivo com subtaskStatus, text e transcription; falhas incluem code e message. |
usage | RecognitionUsage | undefined | Uso retornado pelo serviço. |
raw | QueryTaskResponse | Resposta original da consulta. |