Use o SDK Node.js de voz para enviar áudio em streaming ao Qwen-Audio-ASR-Streaming e processar reconhecimento, contexto e uso.
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.
Baixe o áudio de exemplo como input.mp3 e converta para PCM mono de 16 kHz e 16 bits:
example.mjs e execute node example.mjs.
Referência da API
Opções do construtor
Opções do construtor de RecognitionClient:
| 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-streaming. |
format | 'pcm' | 'wav' | 'mp3' | 'opus' | 'speex' | 'aac' | 'amr' | Não | Formato de áudio. Padrão: pcm. WAV usa PCM, Opus/Speex usam contêineres Ogg e AMR usa AMR-NB. |
sampleRate | number | Não | Taxa de amostragem real em Hz. Padrão: 16000. |
vocabularyId | string | Não | ID do vocabulário pré-compilado. |
languageHints | string[] | Não | Dicas de idioma do reconhecimento. Até os primeiros 4 valores têm efeito. Detecção automática se omitidas. |
multiThresholdModeEnabled | boolean | Não | Modo de múltiplos limiares para evitar segmentos VAD longos demais. Padrão: false. |
maxSentenceSilence | number | Não | Limiar de silêncio para fim de frase no VAD, em ms: [200,6000]; padrão: 800. |
heartbeat | boolean | Não | Keepalive em silêncio. Padrão: false; continue enviando áudio silencioso quando ativado. |
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. |
parameters | Partial<RecognitionParameters> | Não | Parâmetros adicionais, como vad_model, keep_dialect e vocabulary. |
connectTimeoutMs | number | Não | Tempo limite de conexão em ms. Padrão: 10000. |
taskTimeoutMs | number | Não | Tempo limite da confirmação de início/fim em ms. Padrão: 60000; 0 desativa. |
parameters.vad_model | 'near_meeting_16k' | 'far_field_meeting_16k' | Não | VAD de campo próximo ou distante. Padrão: far_field_meeting_16k. |
parameters.keep_dialect | boolean | Não | Preserva expressões de dialeto. Padrão: false. |
parameters.vocabulary | Record<string, number> | Não | Vocabulário instantâneo: palavras como chaves e pesos em [1,5] ou 50 como valores. |
parameters.speech_noise_threshold | number | Não | Limiar de sensibilidade do VAD: [-1,1]. |
Métodos principais
| Método | Retorno | Descrição |
|---|---|---|
start() | Promise<void> | Inicia o reconhecimento; envie áudio após resolver. |
sendAudio(audio: Buffer | Uint8Array) | void | Envia quadros de áudio no formato e amostragem configurados. |
finish() | Promise<void> | Encerra a entrada e aguarda a conclusão. O texto chega por callbacks. |
close(code?: number, reason?: string) | void | Fecha a conexão e libera os recursos da tarefa. |
Eventos de callback
Registre callbacks com on(event, listener). Consulte os campos completos em eventos do servidor.
| Evento | Payload | Descrição |
|---|---|---|
started | { taskId: string } | A tarefa iniciou e aceita entrada. |
result | { text: string; sentence_end: boolean; sentence_begin?: boolean; words?: RecognitionWord[] } | Frase intermediária ou final, excluindo resultados de heartbeat. |
sentenceEnd | { text: string; sentence_end: boolean; sentence_begin?: boolean; words?: RecognitionWord[] } | Frase final com sentence_end === true. |
finished | { taskId: string; duration?: number; usage?: RecognitionUsage } | A tarefa terminou e o estado local foi limpo. |
failed / error | DashScopeError | Erro com code, message e identificadores da requisição. |
close | { code: number; reason: string } | Notificação de fechamento da conexão subjacente. |
event | ServerEvent | Mensagem JSON original do serviço. |