SuperAPI AI 工具集

alicloud-ai-audio-asr

办公与效率

查看项目

更新于 10-15 17:34

技能介绍

用途:对已录制音频做非实时语音转写,涵盖短音频同步调用与长音频异步任务。需设置 DASHSCOPE_API_KEY,或在 ~/.alibabacloud/credentials 中配置 dashscope_api_key。

主要能力:提供归一化接口 asr.transcribe,参数含 audio(必填,公开 URL 或本地路径)、model(默认 qwen3-asr-flash)、language_hints、sample_rate、vocabulary_id、disfluency_removal_enabled、timestamp_granularities、async;返回 text、task_id、status、raw。短/普通录音用 qwen3-asr-flash、qwen3-asr-flash-2026-02-10 或 qwen-audio-asr(同步);长文件用 qwen3-asr-flash-filetrans 或 qwen3-asr-flash-filetrans-2025-11-17(异步)。

使用方式:同步走 OpenAI 兼容协议 https://dashscope.aliyuncs.com/compatible-mode/v1/chat/completions;异步走 https://dashscope.aliyuncs.com/api/v1/services/audio/asr/transcription 并加 X-DashScope-Async: enable,再用 https://dashscope.aliyuncs.com/api/v1/tasks/<task_id> 轮询。也可用脚本:python skills/ai/audio/alicloud-ai-audio-asr/scripts/transcribe_audio.py --audio ... --model ... --language-hints zh,en --print-response,长文件加 --async --wait。

适用场景:会议、访谈等录音转写。

限制:仅非实时(实时合成见 alicloud-ai-audio-tts-realtime);本地文件无直链时改用 data URI;异步轮询建议 5-20 秒并设重试上限;输出默认存于 output/alicloud-ai-audio-asr/transcripts/,可用 OUTPUT_DIR 覆盖。