Qwen-Audio-3.0-ASR-Flash-Streaming/Fun-ASR-Realtime eventos do servidor

Referência de evento do servidor WebSocket para Qwen-Audio-3.0-ASR-Flash-Streaming/Fun-ASR-Realtime reconhecimento de fala em tempo real

O Qwen-Audio-3.0-ASR-Flash-Streaming/Fun-ASR-Realtime o serviço de reconhecimento de fala em tempo real envia eventos do lado do servidor para o cliente por meio do WebSocket. Este tópico descreve as estruturas de dados e as descrições de campo dos quatro tipos de eventos: tarefa iniciada, gerada por resultado, tarefa concluída e tarefa com falha.

Guia do usuário: Para descrições de modelos e orientações de seleção, consulte Modelos de fala para texto.

Fluxo de interação de eventos: para entender a sequência de interação de eventos, consulte API WebSocket.

tarefa iniciada

Descrição: A tarefa foi iniciada com sucesso. O cliente pode começar a enviar dados de áudio.

{
  "header": {
    "task_id": "2bf83b9a-baeb-4fda-8d9a-xxxxxxxxxxxx",
    "event": "task-started",
    "attributes": {}
  },
  "payload": {}
}

Cabeçalho da mensagem.

  O ID da tarefa gerado pelo cliente (no formato UUID).





  O tipo de evento. Este valor é sempre `task-started`.





  Atributos adicionais. Esse valor geralmente está vazio.

Este valor é sempre {}.

gerado por resultado

Descrição: O resultado do reconhecimento. Inclui resultados intermediários (sentença_end=false) e resultados finais (sentença_end=true). O primeiro resultado intermediário para uma nova frase inclui sentença_begin=true.

{
  "header": {
    "task_id": "2bf83b9a-baeb-4fda-8d9a-xxxxxxxxxxxx",
    "event": "result-generated",
    "attributes": {}
  },
  "payload": {
    "output": {
      "sentence": {
        "begin_time": 0,
        "end_time": null,
        "text": "",
        "sentence_begin": true,
        "sentence_end": false,
        "sentence_id": 1,
        "words": []
      }
    },
    "usage": null
  }
}

{
  "header": {
    "task_id": "2bf83b9a-baeb-4fda-8d9a-xxxxxxxxxxxx",
    "event": "result-generated",
    "attributes": {}
  },
  "payload": {
    "output": {
      "sentence": {
        "begin_time": 170,
        "end_time": 920,
        "text": "OK, got it.",
        "heartbeat": false,
        "sentence_end": true,
        "sentence_id": 1,
        "words": [
          {
            "begin_time": 170,
            "end_time": 295,
            "text": "OK",
            "punctuation": ","
          },
          {
            "begin_time": 295,
            "end_time": 503,
            "text": "got",
            "punctuation": ""
          },
          {
            "begin_time": 503,
            "end_time": 711,
            "text": "it",
            "punctuation": ""
          },
          {
            "begin_time": 711,
            "end_time": 920,
            "text": "",
            "punctuation": "."
          }
        ]
      }
    },
    "usage": {
      "duration": 3
    }
  }
}

Cabeçalho da mensagem.

  O ID da tarefa gerado pelo cliente (no formato UUID).





  O tipo de evento. Este valor é sempre `result-generated`.

Carga útil da mensagem.

  Saída de reconhecimento.

  

    

      Quando `payload.output.sentence.sentence_end` é `false` (a frase atual não terminou), `usage` é `null`. Quando `payload.output.sentence.sentence_end` é `true` (a frase atual terminou), `usage.duration` é a duração cobrada da tarefa atual.

      

        

          A duração da tarefa faturada, em segundos.
        

      

    


    

      Resultado em nível de frase.

      

        

          A hora de início da frase, em milissegundos.
        


        

          O horário de término da frase, em milissegundos.
        


        

          O texto reconhecido.
        


        

          Se esse valor for verdadeiro, o resultado será um pacote de pulsação e poderá ser ignorado.
        


        

          Indica o início de uma frase.
        


        

          Se a frase terminou (verdadeiro = resultado final, falso = resultado intermediário).
        


        

          O identificador de sequência da frase. Nos resultados normais de reconhecimento, sentença\_id aumenta de 1. Quando a pulsação é verdadeira (ou seja, um pacote de pulsação), a sentença\_id é sempre 0.
        


        

          Informações de carimbo de data/hora em nível de palavra.

          

            

              A hora de início da palavra, em milissegundos.
            


            

              O horário de término da palavra, em milissegundos.
            


            

              O texto reconhecido.
            


            

              O sinal de pontuação.

tarefa concluída

Descrição: A tarefa terminou normalmente. Você pode fechar a conexão ou reutilizá-la.

{
  "header": {
    "task_id": "2bf83b9a-baeb-4fda-8d9a-xxxxxxxxxxxx",
    "event": "task-finished",
    "attributes": {}
  },
  "payload": {
    "output": {},
    "usage": null
  }
}

Cabeçalho da mensagem.

  O ID da tarefa gerado pelo cliente (no formato UUID).





  O tipo de evento. Este valor é sempre `task-finished`.





  Atributos adicionais. Esse valor geralmente está vazio.

Você pode ignorar este campo. Este valor geralmente é {}.

tarefa falhou

Descrição: A tarefa falhou. A conexão está fechada e não pode ser reutilizada.

{
  "header": {
    "task_id": "2bf83b9a-baeb-4fda-8d9a-xxxxxxxxxxxx",
    "event": "task-failed",
    "error_code": "CLIENT_ERROR",
    "error_message": "request timeout after 23 seconds.",
    "attributes": {}
  },
  "payload": {}
}

Cabeçalho da mensagem.

  O ID da tarefa gerado pelo cliente (no formato UUID).





  O tipo de evento. Este valor é sempre `task-failed`.





  Uma descrição do tipo de erro.





  A causa específica do erro.





  Atributos adicionais. Esse valor geralmente está vazio.

Este valor é sempre {}.