Skip to main content

Fun-ASR-Realtime AOQ 接入

介紹透過 AOQ 接入 Fun-ASR-Realtime 的鑒權、媒體配置、建連和任務事件處理流程。

透過 AOQ 接入 Fun-ASR-Realtime 時,用戶端透過 Audio 軌上傳音訊,透過 Data 軌發送任務事件並接收識別結果。

準備工作

  • 選擇支援 AOQ 的型號。具體支援範圍參見模型與協議支援範圍。
  • 在業務 AppServer 配置與呼叫地域和業務空間匹配的 API Key。
  • 從SDK 下載導入對應平台的 AOQ SDK。下文以 Android Java 和 Opus 傳輸為例,請同時導入 Opus 插件。使用麥克風采集時,請在用戶端申請錄音權限。

1. 獲取連接憑證

如需預先取得 Token,或瞭解完整的鑒權流程,請參見建連鑒權詳解。
在 AppServer 設置環境變量 DASHSCOPE_API_KEY,用所選地域及業務空間的接入域名替換 {endpoint}。Fun-ASR-Realtime 使用 Inference 建連路徑,以下以 fun-asr-realtime 為例。
curl -X POST \
  "https://{endpoint}/api/v1/webrtc/inference?model=fun-asr-realtime" \
  -H "Authorization: Bearer ${DASHSCOPE_API_KEY}" \
  -H "Content-Type: application/json" \
  -H "x-dashscope-rtc-transport: moq" \
  -d '{}'
若使用 Token Plan,接入域名中的 WorkspaceId 固定為 token-plan。請求體中的 clientIp 可選,填寫用戶端真實公網 IP,供網關選擇 Relay 接入點。未填寫時,網關使用請求來源 IP。 API Key 僅保存在 AppServer。AppServer 將下表中的連接參數返回用戶端,響應中的 sidExpiresInSecs 表示會話有效期,單位為秒。
網關響應欄位AoqConnectConfig 欄位
aoqTokenForClienttoken
sidsid
clientRelayCertFingerprintcertFingerprint
clientRelayEndpointsrelayEndpoints,逐項轉換 endpoint、port 和 route_index
extraInfo.workspaceIdHashworkspaceIdHash

2. 初始化 SDK 並建連

用 AoqCreateConfig 設置 SDK 工作目錄,呼叫 AoqClientEngine.createEngine 建立引擎並註冊回調。在 onConnectionStatusChange 中處理連接狀態,在 onDataMsg 中解析模型事件,在 onError 中處理 SDK 錯誤。Android SDK提供引擎初始化和連接欄位的完整介面說明。 將 AppServer 返回的憑證填入 connectConfig 後,發佈 Audio 和 Data 軌,訂閱 Data 軌。下例設置 16 kHz 單聲道 Opus 編碼和內置採集,建連時關閉 Audio 軌發送。模型的輸入格式由任務事件指定,SDK 編碼配置用於媒體軌傳輸。
AoqClientEngine.AoqAudioCodecConfig codec = new AoqClientEngine.AoqAudioCodecConfig();
codec.trackType = AoqClientEngine.AoqTrackType.AoqTrackTypeAudio;
codec.codecType = AoqClientEngine.AoqEncoderType.AoqEncoderTypeAudioOpus;
codec.sampleRate = 16000;
codec.channel = 1;
codec.bitrate = 24000;
engine.setAudioEncoderConfig(codec);

AoqClientEngine.AoqTrackParam audio = new AoqClientEngine.AoqTrackParam();
audio.trackType = AoqClientEngine.AoqTrackType.AoqTrackTypeAudio;
connectConfig.publishTracks.add(audio);
AoqClientEngine.AoqTrackParam publishData = new AoqClientEngine.AoqTrackParam();
publishData.trackType = AoqClientEngine.AoqTrackType.AoqTrackTypeData;
connectConfig.publishTracks.add(publishData);
AoqClientEngine.AoqTrackParam subscribeData = new AoqClientEngine.AoqTrackParam();
subscribeData.trackType = AoqClientEngine.AoqTrackType.AoqTrackTypeData;
connectConfig.subscribeTracks.add(subscribeData);

AoqClientEngine.AoqAudioCaptureConfig capture = new AoqClientEngine.AoqAudioCaptureConfig();
capture.channel = 1;
capture.isExternal = false;
engine.startAudioCapture(capture);
engine.enableSendMediaStream(AoqClientEngine.AoqTrackType.AoqTrackTypeAudio, false);
engine.connect(connectConfig);
等待 onConnectionStatusChange 返回 AoqConnectionStatusConnected 後再啓動任務。連接異常時清理本地任務狀態,重新建連需要獲取新的連接憑證。

3. 啓動識別任務並處理事件

將以下 JSON 序列化為 UTF-8,寫入 AoqDataMsg.data,再用 sendDataMsg 透過 Data 軌發送。每個任務生成新的 task_id,本輪的所有事件使用同一個值。
{
  "header": {
    "action": "run-task",
    "task_id": "0706c14c-dc16-4e45-8cb6-9d00686e8e19",
    "streaming": "duplex"
  },
  "payload": {
    "task_group": "audio",
    "task": "asr",
    "function": "recognition",
    "model": "fun-asr-realtime",
    "parameters": {
      "format": "pcm",
      "sample_rate": 16000
    },
    "input": {}
  }
}
在 onDataMsg 中讀取 header.event。收到 task-started 後才允許上行音訊。
engine.enableSendMediaStream(AoqClientEngine.AoqTrackType.AoqTrackTypeAudio, true);
從 result-generated 的 payload.output.sentence 中讀取識別文本,並跳過 heartbeat=true 的心跳。sentence_end=false 表示中間文本,sentence_end=true 表示句子最終文本。按 sentence_id 更新同一句的文本。收到 task-failed 時,停止本輪上行並讀取 header.error_code 和 header.error_message。 任務參數與事件欄位參見用戶端事件和服務端事件。

4. 結束任務並釋放資源

錄音結束後,停止採集新的音訊,等待待發送的音訊送出。呼叫 enableSendMediaStream 關閉 Audio 軌上行,再透過 Data 軌發送 finish-task。保持連接,接收剩餘識別結果並等待 task-finished。
{
  "header": {
    "action": "finish-task",
    "task_id": "0706c14c-dc16-4e45-8cb6-9d00686e8e19",
    "streaming": "duplex"
  },
  "payload": {
    "input": {}
  }
}
不再使用連接時,依次呼叫 stopAudioCapture、disconnect 和 AoqClientEngine.destroy 釋放資源。

相關文檔