Qwen-Audio-3.0-ASR-Flash-Filetrans/Fun-ASR gravando HarmonyOS SDK

Transcrição de arquivo HarmonyOS SDK para Qwen-Audio-3.0-ASR-Flash-Filetrans/Fun-ASR

Guia do usuário: Para obter detalhes do modelo, consulte Reconhecimento de arquivo de áudio - Fun-ASR/Paraformer. Para requisitos de entrada, como formatos de áudio suportados e tamanho de arquivo e limites de duração, consulte Especificações de áudio.

Início rápido

1. Obter uma chave de API: Obter uma chave de API. Por segurança, recomendamos configurar a chave API como uma variável de ambiente.
2. Baixe o SDK e execute o código de exemplo:
   • Baixe o pacote SDK mais recente.
   • Extraia o pacote TAR. Obtenha o SDK no formato HAR do neonui diretório e adicione-o às dependências do seu projeto. Para integração com C++, obtenha as bibliotecas dinâmicas e os arquivos de cabeçalho em native/libs e native/include no pacote TAR.
   • Abra o projeto no DevEco Studio. O código de exemplo está localizado em DashFunAsrFileTranscriberPage.ets. Substitua a chave API para testar o recurso.

Etapas de invocação

Modo síncrono

1. Inicialize o SDK.
2. Configure parâmetros com base nos requisitos do seu negócio.
3. Ligue startFileTranscriber para iniciar uma tarefa de reconhecimento com async_request definido como false.
4. No onFileTransEventCallback interface, ouça o EVENT_FILE_TRANS_RESULT evento para obter o resultado final do reconhecimento.
5. Ligue release para liberar recursos do SDK.

Modo assíncrono

1. Inicialize o SDK.
2. Configure parâmetros com base nos requisitos do seu negócio.
3. Ligue startFileTranscriber para iniciar uma tarefa de reconhecimento com async_request definido como true.
4. Ligue queryFileTranscriber para consultar o progresso ou resultado do reconhecimento.
5. No onFileTransEventCallback interface, ouça o EVENT_FILE_TRANS_QUERY_RESULT evento para obter o resultado da consulta atual.
6. No onFileTransEventCallback interface, ouça o EVENT_FILE_TRANS_RESULT evento para obter o resultado final do reconhecimento.
7. Ligue release para liberar recursos do SDK.

Parâmetros de solicitação

Parâmetros de conexão e controle

Passe uma string JSON para o parameters parâmetro de initializeFileTrans para configurar os parâmetros a seguir. Exemplo: A sequência JSON a seguir é um exemplo e não inclui todos os parâmetros. Adicione parâmetros conforme necessário:

{
    "url": "wss://maas.qwencloudapi.com/api/v1/services/audio/asr/transcription",
    "apikey": "st-****",
    "device_id": "my_device_id",
    "service_mode": "1"
}

• Descrições dos parâmetros

Parâmetros de efeito de reconhecimento de fala

Configurar o nls_config parâmetro usando setParams ou configure todos os parâmetros do efeito de reconhecimento de fala usando startFileTranscriber. Exemplo: A sequência JSON a seguir é um exemplo e não inclui todos os parâmetros. Adicione parâmetros conforme necessário:

{
    "file_urls": [
        "{YOUR_AUDIO_URL}"
    ],
    "async_request": false,
    "nls_config": {
        "model":"qwen-audio-3.0-asr-flash-filetrans",
        "diarization_enabled": false,
        "parameters": {
            "speech_noise_threshold": 0.0
        }
    }
}

• Descrições dos parâmetros

<ul><li>Se um URL OSS público temporário não puder ser acessado, defina o X-DashScope-OssResourceResolve solicitar cabeçalho para enable. Este método não é recomendado. O SDK não oferece suporte à configuração de cabeçalhos de solicitação.</li></ul> | | async_request | boolean | Não | Especifica se uma solicitação assíncrona deve ser usada. Valor padrão: false. Valores válidos: - verdadeiro: solicitação assíncrona - falso: solicitação síncrona. | | apikey | string | Não | Se apikey em Parâmetros de conexão e controle é uma chave de API temporária, atualize-o aqui antes que expire. | | nls_config | object | Sim | O objeto principal de configuração de reconhecimento de fala, que contém parâmetros-chave para seleção de modelo e controle de efeito de reconhecimento. | | nls_config.model | string | Sim | O nome do modelo. Qwen-Audio-3.0-ASR-Flash-Filetrans e Fun-ASR modelos de série são suportados. Para obter mais informações, consulte Modelos e regiões compatíveis. | | nls_config.special_word_filter | object | Não | Especifica palavras sensíveis a serem processadas durante o reconhecimento de fala e oferece suporte a diferentes métodos de processamento para palavras diferentes. Para obter mais informações, consulte Filtragem de palavras sensíveis. | | nls_config.channel_id | array[integer] | Não | Especifica os índices de trilhas de áudio a serem reconhecidas em um arquivo de áudio multipista. Os índices começam em 0. Por exemplo, [0] reconhece a primeira faixa e [0, 1] reconhece a primeira e a segunda faixas. Se omitido, a primeira faixa será processada. Cada faixa especificada é cobrada separadamente. Por exemplo, [0, 1] para um arquivo incorre em duas cobranças separadas.

Valor padrão: [0]. | | nls_config.diarization_enabled | boolean | Não | Especifica se a diarização do alto-falante deve ser habilitada. Este recurso está desabilitado por padrão. Aplica-se apenas ao áudio mono. O áudio multicanal não oferece suporte à diarização do alto-falante. Quando ativado, o resultado do reconhecimento contém speaker_id distinguir os falantes. Se a diarização do locutor estiver habilitada, recomendamos limitar a duração do áudio a 2 horas para evitar falha de reconhecimento ou tempo limite.

Valor padrão: falso. Para um exemplo de speaker_id, consulte Descrições dos resultados de reconhecimento. | | nls_config.speaker_count | integer | Não | Este parâmetro entra em vigor somente quando a diarização do alto-falante é habilitada pela configuração diarization_enabled para true.

Ele fornece um valor de referência para o número de alto-falantes. Os valores válidos são números inteiros de 2 a 100. Por padrão, o número de alto-falantes é determinado automaticamente. Se este parâmetro for definido, ele apenas orienta o algoritmo para gerar o número especificado e não garante esse número. Nenhum valor padrão. | | nls_config.vocabulary_id | string | Não | O ID da lista de hotwords pré-compilada. Crie primeiro uma lista de hotwords e passe seu ID durante o reconhecimento para usar as hotwords na lista. Isto é adequado quando o vocabulário é conhecido e relativamente estável e o mesmo vocabulário precisa ser reutilizado em todas as solicitações. Para obter mais informações, consulte Hotwords pré-compiladas. | | nls_config.language_hints | array[string] | Não | Especifica códigos de idioma a serem reconhecidos pelo áudio. Se o idioma não puder ser determinado antecipadamente, omita este parâmetro e o modelo detectará automaticamente o idioma. Qwen-Audio-3.0-ASR-Flash-Filetrans os modelos suportam até 4 valores. Se mais de 4 valores forem especificados, apenas os 4 primeiros terão efeito. Fun-ASR os modelos suportam apenas 1 valor. Se vários valores forem especificados, apenas o primeiro terá efeito. Códigos de idioma suportados: - qwen-audio-3.0-asr-flash-filetrans, fun-asr: - zh: chinês - en: inglês - ja: japonês - ko: coreano - vi: vietnamita - th: tailandês - id: indonésio - ms: malaio - tl: filipino - hi: hindi - ar: árabe - fr: francês - de: alemão - es: espanhol - pt: português - ru: russo - it: italiano - nl: holandês - sv: sueco - da: dinamarquês - fi: finlandês - não: norueguês - el: grego - pl: polonês - cs: tcheco - hu: húngaro - ro: romeno - bg: búlgaro - hr: croata - sk: eslovaco. | | nls_config.parameters | object | Não | Configura parâmetros adicionais como um objeto JSON. |

Interfaces principais

NativoNui

inicializarFileTrans

Inicializa uma instância do SDK de transcrição de fala. Não inicialize a instância novamente antes de chamar release.

Ao contrário do reconhecimento de fala em tempo real, a transcrição de arquivos de áudio em tempo não real deve usar initializeFileTrans e passe um INativeFileTransCallback retorno de chamada em vez de usar initialize.

Esta interface bloqueia o thread de chamada. Chame-o de um thread que não seja da UI.

• Assinatura do método

public initializeFileTrans(callback: INativeFileTransCallback,
                           parameters: string,
                           level: number,
                           save_log: boolean = false): number

• Descrições dos parâmetros

• Valor de retorno

Um código de erro. Consulte Referência do código de erro.

####setParams

Define ou atualiza apenas o nls_config parâmetro. Se todos os parâmetros forem fornecidos em startFileTransscriber, você não precisa chamar esse método.

• Assinatura do método

public setParams(params: string): number

• Descrições dos parâmetros

• Valor de retorno

Um código de erro. Consulte Referência do código de erro.

startFileTranscriber

Inicia o reconhecimento.

• Assinatura do método

public startFileTranscriber(params: string, task_id: ArrayBuffer): number

• Descrições dos parâmetros

• Valor de retorno

Um código de erro. Consulte Referência do código de erro.

queryFileTranscriber

Consulta o status atual e o resultado de uma tarefa assíncrona. Após uma chamada bem-sucedida, o resultado é retornado pelo EVENT_FILE_TRANS_QUERY_RESULT evento no onFileTransEventCallback retorno de chamada.

• Assinatura do método

public queryFileTranscriber(task_id: string): number

• Descrições dos parâmetros

• Valor de retorno

Um código de erro. Consulte Referência do código de erro.

cancelarFileTranscriber

Cancela imediatamente a tarefa atual.

• Assinatura do método

public cancelFileTranscriber(task_id: string): number

• Descrições dos parâmetros

• Valor de retorno

Um código de erro. Consulte Referência do código de erro.

lançamento

Libera todos os recursos internos do SDK. Depois que esse método for chamado, a instância do SDK ficará indisponível. Para usá-lo novamente, chame initializeFileTrans para reinicializá-lo.

• Assinatura do método

public release(): number

• Valor de retorno

Um código de erro. Consulte Referência do código de erro.

Obter versão

Obtém as informações da versão atual do SDK.

• Assinatura do método

public GetVersion(): string

• Valor de retorno

As informações da versão atual do SDK.

INativeFileTransCallback

Define retornos de chamada para eventos de transcrição de arquivos e resultados de reconhecimento.

onFileTransEventCallback

Escuta eventos de transcrição de arquivos e obtém resultados de reconhecimento de fala.

• Assinatura do método

onFileTransEventCallback: (event: Constants.NuiEvent, resultCode: number, finish: number,
                           asrResult: AsrResult, taskId: string) => void;

• Descrições dos parâmetros

Constantes.NuiEvent

Os tipos de eventos do HarmonyOS SDK são definidos pelo Constants.NuiEvent enumeração. Os seguintes eventos se aplicam à transcrição de arquivos de áudio:

Tipos auxiliares

Constantes.LogLevel

Os valores de enumeração para o level parâmetro são os seguintes:

Baixe o resultado

Os resultados do reconhecimento de fala em tempo não real são gerados de forma assíncrona. A resposta retornada pelo EVENT_FILE_TRANS_RESULT evento contém transcription_url. Baixe o texto de reconhecimento no formato JSON deste URL. A URL tem um período de validade. Baixe o resultado imediatamente.