Qwen-Audio-3.0-ASR-Flash-Streaming/Fun-ASR-Realtime实时语音识别Android SDK

调用步骤

1. 初始化 SDK

2. 按业务需求设置参数：通过initialize接口的parameters参数设置连接与控制参数；通过setParams接口设置语音识别效果参数。

3. 调用startDialog启动识别流程。

4. 在onNuiAudioStateChanged回调中，根据音频状态开启录音设备。

5. 在onNuiNeedAudioData回调中持续提供录音数据。

6. 在onNuiEventCallback回调中监听事件并获取语音识别结果。

7. 调用stopDialog停止识别，并通过监听EVENT_TRANSCRIBER_COMPLETE事件确认识别已结束。

8. 当识别功能不再使用时，调用release接口释放 SDK 资源。

连接与控制参数

通过在initialize接口的parameters参数中传入一个JSON字符串来配置。

• 参数示例：以下为 JSON 字符串示例，参数未完整列出。请按实际需求在编码时补充：

  {
      "url": "wss://dashscope.aliyuncs.com/api-ws/v1/inference",
      "apikey": "st-****",
      "device_id": "my_device_id",
      "service_mode": "1"
  }

• 参数说明

  参数	类型	是否必须	说明
  url	String	是	服务地址，固定为 wss://dashscope.aliyuncs.com/api-ws/v1/inference。
  apikey	String	是	API Key。
  service_mode	String	是	运行模式。实时语音识别固定为 "1"。
  device_id	String	是	用于标识终端用户的唯一字符串，可设为应用内用户ID或客户端生成的设备唯一标识符。此ID主要用于日志追踪和问题排查。
  debug_path	String	否	日志文件的存储路径。 此参数仅在调用initialize接口时将save_log设为true时生效。此时必须设置日志文件路径，否则将报错。 本地最多保留两个日志文件。
  save_wav	String	否	是否保存调试用的音频文件。音频文件保存于debug_path下。 默认值："false"。 取值范围： "true"：是 "false"：否 此参数仅在调用initialize接口时将save_log设为true时生效。 同时，debug_path也必须被设置。
  max_log_file_size	int	否	设定日志文件的最大字节数。 此参数仅在调用initialize接口时将save_log设为true时生效。 默认值：104857600（100 * 1024 * 1024 字节, 即 100MiB）。
  log_track_level	int	否	控制通过日志回调（onNuiLogTrackCallback）对外发送的日志内容的过滤级别。 默认值：2。 取值范围： 0：LOG_LEVEL_VERBOSE 1：LOG_LEVEL_DEBUG 2：LOG_LEVEL_INFO 3：LOG_LEVEL_WARNING 4：LOG_LEVEL_ERROR 5：LOG_LEVEL_NONE（表示关闭此功能） 注意：log_track_level与level（通过initialize接口设置）共同决定最终回调的日志。一条日志的级别数值必须同时大于或等于log_track_level和level的值，才会被回调。例如，log_track_level设为2 (INFO)，level设为3 (WARNING)，则只有WARNING及以上级别（数值>=3）的日志才会被回调。

语音识别效果参数

通过在setParams接口的params参数中传入一个JSON字符串来配置。

• 参数示例：以下为 JSON 字符串示例，参数未完整列出。请按实际需求在编码时补充：

  {
      "service_type": 4,
      "nls_config": {
          "model": "qwen-audio-3.0-asr-flash-streaming",
          "sr_format": "pcm",
          "sample_rate": "16000",
          "parameters": {
              "speech_noise_threshold": 0.0
          }
      }
  }

• 参数说明

  一级参数	类型	是否必须	说明
  service_type	int	是	语音服务类型。实时语音识别固定为 4。
  nls_config	object	是	语音识别核心配置对象，包含模型选择、识别效果控制等关键参数。
  nls_config.model	string	是	指定模型名。支持Qwen-Audio-3.0-ASR-Flash-Streaming和Fun-ASR-Realtime系列模型，详情请参见支持的模型与地域。
  nls_config.sr_format	string	是	音频格式。 取值范围： pcm wav mp3 opus speex aac amr 重要 opus/speex：必须使用Ogg封装； wav：必须为PCM编码； amr：仅支持AMR-NB类型。
  nls_config.sample_rate	int	是	采样率（Hz）。 取值范围：8k模型仅支持 8000 Hz，其他模型支持任意采样率。
  nls_config.semantic_punctuation_enabled	boolean	否	是否启用语义断句。 默认值：false。 true：开启语义断句，关闭 VAD 断句。 false（默认）：开启 VAD 断句，关闭语义断句。 语义断句准确性更高，适合会议转写场景；VAD（Voice Activity Detection，语音活动检测）断句延迟较低，适合交互场景。
  nls_config.max_sentence_silence	int	否	VAD 断句静音阈值（ms）。当一段语音后的静音时长超过该阈值时，系统会判定该句子已结束。当semantic_punctuation_enabled为true时，不作为sentence_end返回依据，但设置过小可能会影响识别效果。 默认值：1300。 取值范围：[200, 6000]。
  nls_config.multi_threshold_mode_enabled	boolean	否	重要 仅在semantic_punctuation_enabled参数为false时生效。 是否启用多阈值模式。启用后可防止 VAD 断句切割过长。 默认值：false。
  nls_config.heartbeat	boolean	否	是否启用心跳包。 默认值：false。 true：在持续发送静音音频的情况下，可保持与服务端的连接不中断。 false（默认）：即使持续发送静音音频，连接也将在60秒后因超时而断开。 静音音频指的是在音频文件或数据流中没有声音信号的内容。静音音频可以通过多种方法生成，例如使用音频编辑软件如Audacity或Adobe Audition，或者通过命令行工具如FFmpeg。
  nls_config.vocabulary_id	string	否	预编译热词列表 ID。 需预先调用创建热词列表接口生成，识别时传入该 ID 即可使用列表中的热词。 适用于词汇已知且相对稳定、需要跨请求复用同一词表的场景。 使用方法请参见预编译热词。
  nls_config.parameters.vocabulary	object	否	即时热词。 以键值对形式传入，键为热词文本（string），值为热词权重（integer），无需预先创建热词列表。权重取值范围为 [1, 5] 或 50：取 [1, 5] 时值越大模型越倾向输出该词；取 50 时为超级热词，召回率大幅提升，但超级热词数量最多不超过 50 个。 适用于临时性、会话级别的热词优化。 与预编译热词同时配置时，仅即时热词生效。使用方法请参见即时热词。 重要 仅qwen-audio-3.0-asr-flash-streaming支持即时热词。
  nls_config.language_hints	array[string]	否	待识别音频语种。无默认值，不设置时模型自动识别。 对于 Qwen-Audio-3.0-ASR-Flash-Streaming 系列模型，最多支持设置 4 个值，即便设置超出 4 个，也仅前 4 个生效；对于 Fun-ASR-Realtime 系列模型，仅支持设置 1 个值，即便设置多个，也仅第一个生效。 点击查看支持的语言代码 qwen-audio-3.0-asr-flash-streaming、fun-asr-realtime、fun-asr-realtime-2025-11-07： zh: 中文 en: 英文 ja: 日语 ko：韩语 vi：越南语 th：泰语 id：印尼语 ms：马来语 tl：菲律宾语 hi：印地语 ar：阿拉伯语 fr：法语 de：德语 es：西班牙语 pt：葡萄牙语 ru：俄语 it：意大利语 nl：荷兰语 sv：瑞典语 da：丹麦语 fi：芬兰语 no：挪威语 el：希腊语 pl：波兰语 cs：捷克语 hu：匈牙利语 ro：罗马尼亚语 bg：保加利亚语 hr：克罗地亚语 sk：斯洛伐克语 fun-asr-realtime-2026-02-28： zh: 中文 en: 英文 ja: 日语 fun-asr-realtime-2025-09-15： zh: 中文 en: 英文 fun-asr-flash-8k-realtime、fun-asr-flash-8k-realtime-2026-01-28： zh: 中文
  nls_config.parameters	object	否	配置其他参数，内容为JSON Object格式。
  nls_config.parameters.speech_noise_threshold	float	否	语音与噪音的判定阈值，用于调整语音活动检测（VAD）的灵敏度。 取值范围：[-1.0, 1.0]。 取值说明： 取值越接近 -1：降低噪音判定阈值，噪音被识别为语音的概率增大，可能导致更多噪音被转写 取值越接近 +1：提高噪音判定阈值，语音被误判为噪音的概率增大，可能导致部分语音被过滤 此参数为高级配置参数，调整可能显著影响识别效果，建议： 调整前充分测试验证效果 根据实际音频环境小幅度调整（建议步长 0.1）
  nls_config.parameters.special_word_filter	object	否	指定在语音识别过程中需要处理的敏感词，并支持对不同敏感词设置不同的处理方式。详情请参见敏感词过滤。

NativeNui

INativeNuiCallback：监听回调

default void onNuiLogTrackCallback(Constants.LogLevel level, String log)

NuiEvent：事件类型