SuperAPI AI 工具集

aliyun-qwen-asr

通用与其它

查看项目

更新于 10-15 17:34

技能介绍

用途:对已录制的音频做非实时语音识别(ASR),不涉及实时合成(实时语音由 aliyun-qwen-tts-realtime 提供)。

主要能力:支持短音频同步转写与长文件异步转写。可用模型字符串为 qwen3-asr-flash、qwen3-asr-flash-2026-02-10、qwen-audio-asr、qwen3-asr-flash-filetrans、qwen3-asr-flash-filetrans-2025-11-17。短/普通录音用前三者(同步),长文件用后两者(异步任务流程)。

使用方式:脚本仅用 Python 标准库,可先建虚拟环境;需在环境变量 DASHSCOPE_API_KEY 中设置密钥,或把 dashscope_api_key 写入 ~/.alibabacloud/credentials。归一化接口 asr.transcribe 的请求参数包括 audio(必填,公开 URL 或本地文件路径)、model(默认 qwen3-asr-flash)、language_hints、sample_rate、vocabulary_id、disfluency_removal_enabled、timestamp_granularities、async;响应含 text、task_id(异步)、status、raw。可直接调用官方接口:同步用 https://dashscope.aliyuncs.com/compatible-mode/v1/chat/completions 的 OpenAI 兼容协议,异步用 https://dashscope.aliyuncs.com/api/v1/services/audio/asr/transcription(加 X-DashScope-Async: enable 头),再用 /api/v1/tasks/<task_id> 轮询。也可运行自带脚本,例如 python skills/ai/audio/aliyun-qwen-asr/scripts/transcribe_audio.py --audio <URL> --model qwen3-asr-flash --language-hints zh,en --print-response;长文件加 --async --wait。

输出:默认存到 output/aliyun-qwen-asr/transcripts/,可用 OUTPUT_DIR 覆盖;建议保留命令日志或样例响应作为证据。

限制与注意事项:本技能面向非实时场景;本地文件在无直链时可使用 input_audio.data(data URI);language_hints 宜尽量精简以减少识别歧义;异步轮询建议 5-20 秒间隔并设最大重试保护;密钥、区域等具体配置以实际环境为准,资料未提供价格与配额信息。