Copy

用户指南：非实时语音识别。关于支持的音频格式、文件大小限制、时长限制等输入要求，请参见音频规格。

快速开始

获取API Key：获取API Key，为安全起见，推荐将API Key配置到环境变量。
下载SDK并运行示例代码：
- 下载最新SDK整合包。
- 解压 ZIP 包。在 app/libs 目录中获取 AAR 格式 SDK，并添加到项目依赖。需要 Android CPP 接入时，使用 ZIP 包内的 android_libs 与 android_include 获取动态库和头文件。
- 用 Android Studio 打开工程。示例代码位于DashFunAsrFlashFileTranscriberActivity.java，替换 API Key 后体验功能。

调用步骤

同步模式

初始化 SDK
按业务需求配置相关参数
调用 startFileTranscriber 发送非实时语音识别请求，并等待结果返回。
在onFileTransEventCallback接口中监听EVENT_FILE_TRANS_RESULT 事件，获取最终识别结果。
调用 release 释放 SDK 资源

请求参数

连接与控制参数

通过在initialize接口的parameters参数中传入一个JSON字符串来配置。 参数示例：以下为 JSON 字符串示例，参数未完整列出。请按实际需求在编码时补充：

{
    "url": "wss://dashscope.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation",
    "apikey": "st-****",
    "device_id": "my_device_id",
    "service_mode": "1"
}

参数说明

参数	类型	是否必须	说明
`url`	`String`	是	服务地址： `wss://dashscope.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation` 华北2（北京）：`wss://{WorkspaceId}.cn-beijing.maas.aliyuncs.com`/api/v1/services/aigc/multimodal-generation/generation 新加坡：`wss://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation` 调用时，请将 `{WorkspaceId}` 替换为真实的 Workspace ID。
`apikey`	`String`	是	API Key。
`service_mode`	`String`	是	运行模式。非实时语音识别固定为 `"1"`。
`device_id`	`String`	是	用于标识终端用户的唯一字符串，可设为应用内用户ID或客户端生成的设备唯一标识符。此ID主要用于日志追踪和问题排查。
`debug_path`	`String`	否	日志文件的存储路径。此参数仅在调用initialize接口时将`save_log`设为true时生效。此时必须设置日志文件路径，否则将报错。本地最多保留两个日志文件。
`max_log_file_size`	`int`	否	设定日志文件的最大字节数。此参数仅在调用initialize接口时将`save_log`设为true时生效。默认值：104857600（100 * 1024 * 1024 字节, 即 100MiB）。
`log_track_level`	`int`	否	控制通过日志回调（`onFileTransLogTrackCallback`）对外发送的日志内容的过滤级别。默认值：2。取值范围： - 0：LOG_LEVEL_VERBOSE - 1：LOG_LEVEL_DEBUG - 2：LOG_LEVEL_INFO - 3：LOG_LEVEL_WARNING - 4：LOG_LEVEL_ERROR - 5：LOG_LEVEL_NONE（表示关闭此功能）注意：`log_track_level`与`level`（通过initialize接口设置）共同决定最终回调的日志。一条日志的级别数值必须同时大于或等于`log_track_level`和`level`的值，才会被回调。例如，`log_track_level`设为2 (INFO)，`level`设为3 (WARNING)，则只有WARNING及以上级别（数值>=3）的日志才会被回调。

语音识别效果参数

通过startFileTranscriber接口配置所有语音识别效果参数。 参数示例：以下为 JSON 字符串示例，参数未完整列出。请按实际需求在编码时补充：

{
  "apikey": "st-****",
  "messages": [
    {
      "content": [
        {
          "input_audio": {
            "data": "{YOUR_AUDIO_URL}"
          },
          "type": "input_audio"
        }
      ],
      "role": "user"
    }
  ],
  "nls_config": {
    "format": "mp3",
    "model": "qwen-audio-3.0-asr-flash"
  }
}

参数说明

参数	类型	是否必须	说明
`apikey`	`string`	否	如果连接与控制参数的`apikey`使用的是临时API Key，可在此处进行更新，以免超时失效。
`nls_config`	`object`	是	语音识别核心配置对象，包含模型选择、识别效果控制等关键参数。
`nls_config.model`	`string`	是	指定示例调用的模型。模型信息请参见支持的模型与地域。
`nls_config.format`	`string`	是	音频格式。根据实际音频格式填写，支持`wav`、`mp3`、`opus`等。详情请参见音频规格。
`nls_config.sample_rate`	`string`	否	音频采样率，单位Hz。例如`16000`表示16kHz采样率。详情请参见音频规格。
`nls_config.vocabulary_id`	`string`	否	预编译热词列表 ID。需预先调用创建热词列表接口生成，识别时传入该 ID 即可使用列表中的热词。适用于词汇已知且相对稳定、需要跨请求复用同一词表的场景。使用方法请参见预编译热词。
`nls_config.instant_vocabulary`	`object`	否	即时热词。以键值对形式传入，键为热词文本（`string`），值为热词权重（`integer`），无需预先创建热词列表。权重取值范围为 [1, 5] 或 50：取 [1, 5] 时值越大模型越倾向输出该词；取 50 时为超级热词，召回率大幅提升，但超级热词数量最多不超过 50 个。适用于临时性、会话级别的热词优化。与预编译热词同时配置时，系统会合并两类热词；合并后超过 2000 个时，随机选择 2000 个使用。使用方法请参见即时热词。即时热词的适用模型及限制请参见即时热词。 `{ "张三": 5, "李四": 5 }`
`nls_config.language_hints`	`array[string]`	否	设置待识别语言代码。如果无法提前确定语种，可不设置，模型会自动识别语种。对于 Qwen-Audio-3.x-ASR-Flash 系列模型，最多支持设置 4 个值，即便设置超出 4 个，也仅前 4 个生效；对于 Fun-ASR-Flash 系列模型，仅支持设置 1 个值，即便设置多个，也仅第一个生效。 Qwen-Audio-3.x-ASR-Flash、fun-asr-flash-2026-06-15： zh: 中文 en: 英文 ja: 日语 ko：韩语 vi：越南语 th：泰语 id：印尼语 ms：马来语 tl：菲律宾语 hi：印地语 ar：阿拉伯语 fr：法语 de：德语 es：西班牙语 pt：葡萄牙语 ru：俄语 it：意大利语 nl：荷兰语 sv：瑞典语 da：丹麦语 fi：芬兰语 no：挪威语 el：希腊语 pl：波兰语 cs：捷克语 hu：匈牙利语 ro：罗马尼亚语 bg：保加利亚语 hr：克罗地亚语 sk：斯洛伐克语
messages	`array[object]`	是	消息列表。包含当前待识别的音频，以及可选的对话上下文（用于提升识别效果）。详见如下说明。

messages参数说明：

上下文功能用于提升专有词汇的识别准确率，使用方法详见上下文增强。约束：上下文消息（input_text 和 text 类型）各最多 5 条，超出时保留最近的 5 条。每轮上下文文本总长度（user 和 assistant 的 text 字段长度之和）不超过 400 个字符（按字符数计算，每个字符计为 1），超出部分从末尾截断。

携带上下文时，messages 中的消息顺序有要求：上下文消息必须按对话轮次排列，每轮中 user（input_text 类型）必须在对应的 assistant（text 类型）之前；包含 input_audio 的 user 消息必须放在 messages 数组的最后。

参数	类型	是否必须	说明
role	`string`	是	消息角色。取值范围： `user`（必选）：用户消息。type为`input_audio`时表示当前待识别的音频；type为`input_text`时表示前几轮的识别结果或领域相关的词表（可选，上下文）。 `assistant`（可选，上下文）：前几轮大语言模型的回复内容。
content	`array[object]`	是	消息内容列表。详细如下说明。

content参数说明：

参数	类型	是否必须	说明
type	`string`	是	内容类型。每个请求至少需要一条`input_audio`类型的消息。取值范围： `input_audio`（必选）：当前待识别的音频输入（role为user），需同时传入`input_audio`对象。 `input_text`（可选，上下文）：前几轮用户语音的识别结果或领域相关的词表（role为user），需同时传入`text`字段。 `text`（可选，上下文）：前几轮大语言模型的回复内容（role为assistant），需同时传入`text`字段。
input_audio	`object`	否	当`type`为`input_audio`时必填。
input_audio.data	string	是	待识别音频数据。关于支持的音频格式、文件大小限制、时长限制等输入要求，请参见音频规格。支持以下两种方式：音频文件URL：直接传入可公开访问的音频文件地址。 Base64 Data URI：采用Data URI格式传入Base64编码的音频数据，值由`data:{MIME_TYPE};base64,`前缀与Base64编码的音频数据拼接而成。支持的MIME类型包括`audio/wav`、`audio/mp3`等。示例（URL方式）：`https://example.com/audio/sample.wav` 示例（Base64方式）：`data:audio/wav;base64,{BASE64_ENCODED_DATA}`
text	`string`	否	当`type`为`input_text`时，填入前几轮用户语音的识别结果或领域相关的词表；当`type`为`text`时，填入前几轮大语言模型的回复内容。文本按字符数计算，每个字符计为 1。每轮上下文中所有消息的 `text` 字段长度之和不超过 400 个字符，超出部分从末尾截断。

关键接口

NativeNui

initialize

初始化语音识别SDK实例。SDK为单例模式，在调用release前禁止重复初始化。此接口会引起阻塞，应在非UI线程调用。 方法签名

public synchronized int initialize(final INativeFileTransCallback callback,
                                   String parameters,
                                   final Constants.LogLevel level,
                                   final boolean save_log)

参数说明

参数	类型	说明
`callback`	`INativeFileTransCallback`	事件和数据回调接口的实现。
`parameters`	`String`	JSON字符串，包含鉴权、连接和调试参数。参见连接与控制参数。
`level`	`Constants.LogLevel`	控制SDK自身日志的打印级别。
`save_log`	`boolean`	是否保存本地日志。若为`true`，须在连接与控制参数中通过`debug_path`指定路径，并可通过`max_log_file_size`设置文件大小。

返回值说明 返回错误码，参见错误码查询。

setParams

此接口用于独立设置或更新 nls_config 参数。如果所有参数都在startFileTranscriber中一次性提供，则无需调用此方法。 方法签名

public synchronized int setParams(String params);

参数说明

参数类型说明

参数	类型	说明
`params`	`String`	语音识别效果参数中的`nls_config`和messages参数。示例： `{ "messages": [ { "content": [ { "input_audio": { "data": "{YOUR_AUDIO_URL}" }, "type": "input_audio" } ], "role": "user" } ], "nls_config": { "format": "mp3", "model": "qwen-audio-3.0-asr-flash" } }`

params

String

语音识别效果参数中的nls_config和messages参数。
示例：

{
  "messages": [
    {
      "content": [
        {
          "input_audio": {
            "data": "{YOUR_AUDIO_URL}"
          },
          "type": "input_audio"
        }
      ],
      "role": "user"
    }
  ],
  "nls_config": {
    "format": "mp3",
    "model": "qwen-audio-3.0-asr-flash"
  }
}

返回值说明 返回错误码，参见错误码查询。

startFileTranscriber

开始识别。 方法签名

public synchronized int startFileTranscriber(String params, byte[ ] task_id)

参数说明

参数类型说明

参数	类型	说明
`params`	`String`	语音识别效果参数。示例： `{ "apikey": "st-****", "messages": [ { "content": [ { "input_audio": { "data": "{YOUR_AUDIO_URL}" }, "type": "input_audio" } ], "role": "user" } ], "nls_config": { "format": "mp3", "model": "qwen-audio-3.0-asr-flash" } }`
`task_id`	`byte[ ]`	可不关注，可填null

params

String

语音识别效果参数。示例：

{
  "apikey": "st-****",
  "messages": [
    {
      "content": [
        {
          "input_audio": {
            "data": "{YOUR_AUDIO_URL}"
          },
          "type": "input_audio"
        }
      ],
      "role": "user"
    }
  ],
  "nls_config": {
    "format": "mp3",
    "model": "qwen-audio-3.0-asr-flash"
  }
}

task_id byte[ ] 可不关注，可填null

返回值说明 返回错误码，参见错误码查询。

queryFileTranscriber

此非实时语音识别功能仅支持同步请求，无需关注此接口。 返回值说明 返回错误码，参见错误码查询。

cancelFileTranscriber

立即取消当前任务。 方法签名

public synchronized int cancelFileTranscriber(String task_id)

参数说明

参数	类型	说明
`task_id`	`String`	待取消的任务ID。通过EVENT_FILE_TRANS_UPLOADED获取。

返回值说明 返回错误码，参见错误码查询。

release

释放SDK所有内部资源。此方法调用后，SDK实例将变为不可用状态，如需再次使用，必须重新调用initialize进行初始化。 方法签名

public synchronized int release();

返回值说明 返回错误码，参见错误码查询。

GetVersion

获得当前SDK版本信息。 方法签名

public synchronized String GetVersion();

返回值说明 当前SDK版本信息。

INativeFileTransCallback：监听回调

onFileTransEventCallback：监听事件和语音识别结果

方法签名

void onFileTransEventCallback(NuiEvent event, final int resultCode, final int arg2, AsrResult asrResult, String taskId);

参数说明

参数	类型	说明
`event`	`NuiEvent`	回调事件。
`resultCode`	`int`	错误码，在出现EVENT_ASR_ERROR事件时有效。
`asrResult`	`AsrResult`	语音识别结果。
`taskId`	`String`	任务ID。
`arg2`	`int`	保留参数。

onFileTransLogTrackCallback：监听追踪日志

此回调用于接收 SDK 内部的详细日志，方便进行问题定位和调试。

default void onFileTransLogTrackCallback(Constants.LogLevel level, String log)

事件类型

事件	说明
EVENT_FILE_TRANS_CONNECTED	连接服务成功。
EVENT_FILE_TRANS_UPLOADED	上传待识别音频文件成功，此时可获得当前任务的task_id。
EVENT_FILE_TRANS_RESULT	识别最终结果。
EVENT_ASR_ERROR	语音识别过程中出现错误。

​快速开始

​调用步骤

​同步模式

​请求参数

​连接与控制参数

​语音识别效果参数

​关键接口

​NativeNui

​initialize

​setParams

​startFileTranscriber

​queryFileTranscriber

​cancelFileTranscriber

​release

​GetVersion

​INativeFileTransCallback：监听回调

​onFileTransEventCallback：监听事件和语音识别结果

​onFileTransLogTrackCallback：监听追踪日志

​事件类型

快速开始

调用步骤

同步模式

请求参数

连接与控制参数

语音识别效果参数

关键接口

NativeNui

initialize

setParams

startFileTranscriber

queryFileTranscriber

cancelFileTranscriber

release

GetVersion

INativeFileTransCallback：监听回调

onFileTransEventCallback：监听事件和语音识别结果

onFileTransLogTrackCallback：监听追踪日志

事件类型