Acesse o serviço de reconhecimento de fala em tempo real do Paraformer por uma conexão WebSocket. Este tópico descreve os endpoints de serviço, os cabeçalhos de requisição e o fluxo de interação.
Guia do usuário: Para obter visões gerais dos modelos e orientações de seleção, consulte Fala para texto. Para códigos de exemplo, veja Reconhecimento de fala em tempo real.
Atualmente, o DashScope SDK suporta apenas Java e Python. Para outras linguagens, conecte-se diretamente ao serviço via WebSocket.
O Paraformer está disponível exclusivamente na região China (Pequim). A URL do WebSocket é fixa:
Adicione os seguintes campos ao cabeçalho da requisição:
Para obter detalhes sobre os eventos do lado do cliente e do servidor, consulte Eventos do cliente e Eventos enviados pelo servidor.
A interação entre cliente e servidor segue esta sequência:
Endpoints de serviço
O Paraformer está disponível exclusivamente na região China (Pequim). A URL do WebSocket é fixa:
wss://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api-ws/v1/inference
Substitua {WorkspaceId} pelo seu ID do workspace real.
Cabeçalhos de requisição
Adicione os seguintes campos ao cabeçalho da requisição:
Parâmetro | Tipo | Obrigatório | Descrição |
|---|---|---|---|
Authorization | string | Sim | Token de autenticação no formato |
user-agent | string | Não | Identificador do cliente. Ajuda o servidor a identificar a origem das requisições recebidas. |
X-DashScope-WorkSpace | string | Não | ID do workspace do Alibaba Cloud Model Studio. |
X-DashScope-DataInspection | string | Não | Define se a inspeção de dados será ativada. Por padrão, omita este cabeçalho; defina-o como |
Fluxo de interação
Para obter detalhes sobre os eventos do lado do cliente e do servidor, consulte Eventos do cliente e Eventos enviados pelo servidor.
- Estabeleça a conexão: o cliente abre uma conexão WebSocket com o servidor.
- Inicie a tarefa: o cliente envia uma instrução run-task. O servidor responde com um evento task-started para confirmar o início da tarefa e permitir as etapas subsequentes.
- Envie o fluxo de áudio: o cliente transmite áudio binário mono. O servidor retorna eventos result-generated com os resultados do reconhecimento.
- Notifique o fim da tarefa ao servidor: o cliente envia uma instrução finish-task e continua a receber eventos result-generated do servidor.
- Encerre a tarefa: o cliente recebe um evento task-finished do servidor, indicando a conclusão da tarefa.
- Feche a conexão: o cliente encerra a conexão WebSocket.