本文介紹 Qwen-Audio-3.0-ASR-Flash-Streaming/Fun-ASR-Realtime 即時語音辨識服務中用戶端通過 WebSocket 發送給服務端的用戶端事件，包括 run-task（啟動任務）、finish-task（結束任務）等指令的資料結構與欄位含義。
使用者指南：關於模型介紹和選型建議請參見語音辨識。
事件互動流程：如需瞭解事件互動時序，請參見WebSocket API。
說明：啟動語音辨識任務，設定模型、音頻格式、採樣率等參數。
發送時機：建立 WebSocket 串連後立即發送。
響應事件：服務端返回
說明：在任務執行過程中更新對話上下文資訊，用於輔助識別。
發送時機：任務運行中，需要更新對話上下文時發送。
說明：通知服務端音頻發送完畢，請求結束任務。
發送時機：所有音頻資料發送完畢後。
響應事件：服務端返回
run-task
說明：啟動語音辨識任務，設定模型、音頻格式、採樣率等參數。
發送時機：建立 WebSocket 串連後立即發送。
響應事件：服務端返回 task-started 事件後才能發送音頻。
headerobject（必選）
屬性 action string（必選）指令類型，固定為 run-task。task_idstring（必選）用戶端產生的任務 ID（UUID 格式），用於關聯後續事件。streamingstring（必選）固定為 duplex。object（必選）
屬性 task_group string（必選）工作群組，固定為 audio。taskstring（必選）任務類型，固定為 asr。functionstring（必選）功能類型。固定為recognition。modelstring（必選）指定模型名。支援Qwen-Audio-3.0-ASR-Flash-Streaming和Fun-ASR-Realtime系列模型，詳情請參見支援的模型與地區。inputobject（必選）輸入對象。不攜帶上下文時傳入{}。
屬性 context array(object)（可選）對話上下文，用於輔助識別、提升專有詞彙的識別準確率。使用方法詳見上下文增強。
屬性 role string（必選）訊息角色。取值範圍：
array(object)（必選）訊息內容列表。
屬性 type string（必選）內容類型。取值範圍：
string（必選）常值內容。當 type 為 input_text 時，填入前幾輪使用者語音的識別結果或領域相關的詞表；當 type 為 text 時，填入前幾輪大語言模型的回複內容。object（必選）語音辨識參數。
屬性 format string（必選）音頻格式。取值範圍：
integer（必選）採樣率（Hz）。取值範圍：8k模型僅支援 8000 Hz，其他模型支援任意採樣率。vocabulary_idstring（可選）先行編譯熱詞列表 ID。需預先調用建立熱詞列表介面產生，識別時傳入該 ID 即可使用列表中的熱詞。適用於詞彙已知且相對穩定、需要跨請求複用同一詞表的情境。使用方法請參見先行編譯熱詞。vocabularyobject（可選）即時熱詞。以索引值對形式傳入，鍵為熱詞文本（string），值為熱詞權重（integer），無需預先建立熱詞列表。權重取值範圍為 [1, 5] 或 50：取 [1, 5] 時值越大模型越傾向輸出該詞；取 50 時為超級熱詞，召回率大幅提升，但超級熱詞數量最多不超過 50 個。適用於臨時性、會話層級的熱詞最佳化。與先行編譯熱詞同時配置時，僅即時熱詞生效。使用方法請參見即時熱詞。language_hintsarray[string]（可選）待識別音頻語種。無預設值，不設定時模型自動識別。對於 Qwen-Audio-3.0-ASR-Flash-Streaming 系列模型，最多支援設定 4 個值，即便設定超出 4 個，也僅前 4 個生效；對於 Fun-ASR-Realtime 系列模型，僅支援設定 1 個值，即便設定多個，也僅第一個生效。
點擊查看支援的語言代碼
boolean（可選）是否啟用語義斷句。預設值：false。
integer（可選）VAD 斷句靜音閾值（ms）。當一段語音後的靜音時間長度超過該閾值時，系統會判定該句子已結束。當semantic_punctuation_enabled為true時，不作為sentence_end返回依據，但設定過小可能會影響識別效果。預設值：1300。取值範圍：[200, 6000]。multi_threshold_mode_enabledboolean（可選）是否啟用多閾值模式。啟用後可防止 VAD 斷句切割過長。預設值：false。heartbeatboolean（可選）是否啟用心跳包。預設值：false。
float（可選）語音與噪音的判定閾值，用於調整語音活動檢測（VAD）的靈敏度。取值範圍：[-1.0, 1.0]。取值說明：
string（可選）指定在語音辨識過程中需要處理的敏感詞，並支援對不同敏感詞設定不同的處理方式。詳情請參見敏感詞過濾。 |
continue-task
說明：在任務執行過程中更新對話上下文資訊，用於輔助識別。
發送時機：任務運行中，需要更新對話上下文時發送。
headerobject（必選）
屬性 action string（必選）指令類型，固定為 continue-task。task_idstring（必選）用戶端產生的任務 ID（UUID 格式），需與run-task事件中的 task_id 保持一致。streamingstring（必選）固定為 duplex。object（必選）
屬性 input object（必選）輸入對象。
屬性 context array(object)（可選）對話上下文，用於輔助識別、提升專有詞彙的識別準確率。使用方法詳見上下文增強。
屬性 role string（必選）訊息角色。取值範圍：
array(object)（必選）訊息內容列表。
屬性 type string（必選）內容類型。取值範圍：
string（必選）常值內容。當 type 為 input_text 時，填入前幾輪使用者語音的識別結果或領域相關的詞表；當 type 為 text 時，填入前幾輪大語言模型的回複內容。 |
finish-task
說明：通知服務端音頻發送完畢，請求結束任務。
發送時機：所有音頻資料發送完畢後。
響應事件：服務端返回 task-finished 事件。
headerobject（必選）
屬性 action string（必選）指令類型，固定為 finish-task。task_idstring（必選）用戶端產生的任務 ID（UUID 格式），需與run-task事件中的 task_id 保持一致。streamingstring（必選）固定為 duplex。object（必選）
屬性 input object（必選）固定為{}。 |