SuperAPI AI 工具集

aliyun-qwen-asr-realtime

智能体与模型

查看项目

更新于 10-15 17:34

技能介绍

用途:在需要低延迟实时语音识别时使用阿里云百炼(Model Studio)的 Qwen ASR Realtime 模型,适用于实时字幕与听写、语音智能体双工输入、浏览器或终端客户端的流式语音转文字。

模型名称:必须使用以下精确字符串之一:qwen3-asr-flash-realtime 或 qwen3-asr-flash-realtime-2026-02-10。

前置条件:在环境变量中设置 DASHSCOPE_API_KEY,或在 ~/.alibabacloud/credentials 中添加 dashscope_api_key;实时会话通常需要客户端具备 WebSocket 或流式会话处理能力。

规范化接口 asr.realtime:请求参数包括 model(可选,默认 qwen3-asr-flash-realtime)、language_hints(可选数组)、format(可选,如 pcm、wav)、sample_rate(可选,如 16000)、chunk_ms(可选,毫秒帧大小);响应包含 text(识别出的转写片段)、is_final(终结标记)、usage(可选对象)。

快速开始: python skills/ai/audio/aliyun-qwen-asr-realtime/scripts/prepare_realtime_asr_request.py --output output/aliyun-qwen-asr-realtime/request.json

校验: mkdir -p output/aliyun-qwen-asr-realtime python -m py_compile skills/ai/audio/aliyun-qwen-asr-realtime/scripts/prepare_realtime_asr_request.py && echo "py_compile_ok" > output/aliyun-qwen-asr-realtime/validate.txt 通过标准:命令退出码为 0 并生成 output/aliyun-qwen-asr-realtime/validate.txt。

操作建议:除非客户端技术栈要求其他格式,优先使用 16kHz 单声道 PCM;保持较小分块以获得响应及时的部分结果。若只有录制文件,应改用 skills/ai/audio/aliyun-qwen-asr/。会话负载与响应样本保存在 output/aliyun-qwen-asr-realtime/ 下。