Qwen-Audio-3.0-ASR-Flash-Filetrans/Fun-ASR非实时语音识别Android SDK

本文档提供了Qwen-Audio-3.0-ASR-Flash-Filetrans/Fun-ASR非实时语音识别Android SDK的详细使用指南，帮助您将语音转换为文本。

用户指南：非实时语音识别。关于支持的音频格式、文件大小限制、时长限制等输入要求，请参见音频规格。

快速开始

1. 获取API Key：获取API Key，为安全起见，推荐将API Key配置到环境变量。

2. 下载SDK并运行示例代码：
   • 下载最新SDK整合包。
   • 解压 ZIP 包。在 app/libs 目录中获取 AAR 格式 SDK，并添加到项目依赖。
     需要 Android CPP 接入时，使用 ZIP 包内的 android_libs 与 android_include 获取动态库和头文件。
   • 用 Android Studio 打开工程。示例代码位于DashFunAsrFileTranscriberActivity.java，替换 API Key 后体验功能。

调用步骤

同步模式

1. 初始化 SDK
2. 按业务需求配置相关参数
3. 调用 startFileTranscriber 启动识别任务（async_request设为false）
4. 在onFileTransEventCallback接口中监听EVENT_FILE_TRANS_RESULT 事件，获取最终识别结果
5. 调用 release 释放 SDK 资源

异步模式

1. 初始化 SDK
2. 按业务需求配置相关参数
3. 调用 startFileTranscriber 启动识别任务（async_request设为true）
4. 调用 queryFileTranscriber 主动查询识别进度/结果
5. 在onFileTransEventCallback接口中监听EVENT_FILE_TRANS_QUERY_RESULT事件，获取当前查询结果
6. 在onFileTransEventCallback接口中监听 EVENT_FILE_TRANS_RESULT 事件，获取最终识别结果
7. 调用 release 释放 SDK 资源

请求参数

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。非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。
  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（onFileTransLogTrackCallback）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setParams接口配置nl_config参数，或者通过startFileTranscriber接口配置所有语音识别效果参数。

• 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：

{
    "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
        }
    }
}

• 参数说明

  参数	类型	是否必须	说明
  file_urls	array[string]	是	音视频文件转写的URL列表，支持HTTP / HTTPS协议，单次请求仅支持1个URL。关于支持的音频格式、文件大小限制、时长限制等输入要求，请参见音频规格。 若录音文件存储在阿里云OSS，使用RESTful API方式支持使用以oss://为前缀的临时 URL，使用SDK方式不支持使用以 oss://为前缀的临时 URL。 重要 临时 URL 有效期48小时，过期后无法使用，请勿用于生产环境。 文件上传凭证接口限流为 100 QPS 且不支持扩容，请勿用于生产环境、高并发及压测场景。 生产环境建议使用阿里云OSS 等稳定存储，确保文件长期可用并规避限流问题。 录音文件URL设置成OSS临时公网访问不通该如何处理？请求头中将X-DashScope-OssResourceResolve设为enable（不推荐该方式）。 SDK不支持对请求头进行配置。
  async_request	boolean	否	语音识别是否为异步请求。 默认值：false。 取值范围： true：异步请求 false：同步请求
  apikey	string	否	如果连接与控制参数的apikey使用的是临时API Key，可在此处进行更新，以免超时失效。
  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-Filetrans和Fun-ASR系列模型，详情请参见支持的模型与地域。
  nls_config.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。
  nls_config.channel_id	array[integer]	否	指定在多音轨音频文件中需要识别的音轨索引，索引从 0 开始。例如，[0] 表示识别第一个音轨，[0, 1] 表示同时识别第一和第二个音轨。如果省略此参数，则默认处理第一个音轨。 重要指定的每一个音轨都将独立计费。例如，为单个文件请求 [0, 1] 会产生两笔独立的费用。 默认值：[0]。
  nls_config.diarization_enabled	boolean	否	是否启用说话人分离，默认关闭。 仅适用于单声道音频，多声道音频不支持说话人分离。 启用该功能后，识别结果中将显示speaker_id字段，用于区分不同说话人。 说明如果启用说话人分离功能，建议音频时长不超过2小时，否则可能导致识别失败或超时。 默认值：false。 有关speaker_id的示例，请参见识别结果说明。
  nls_config.speaker_count	integer	否	重要仅在开启说话人分离功能（diarization_enabled设置为true）时生效。 说话人数量参考值。取值范围为2至100的整数（包含2和100）。 默认自动判断说话人数量，如果配置此项，只能辅助算法尽量输出指定人数，无法保证一定会输出此人数。 无默认值。
  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.language_hints	array[string]	否	设置待识别语言代码。如果无法提前确定语种，可不设置，模型会自动识别语种。 对于 Qwen-Audio-3.0-ASR-Flash-Filetrans 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 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-filetrans、fun-asr、fun-asr-2025-11-07、fun-asr-mtl、fun-asr-mtl-2025-08-25： 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-2025-08-25： zh: 中文 en: 英文
  nls_config.parameters	object	否	配置其他参数，内容为JSON Object格式。

关键接口

NativeNui

initialize

初始化语音识别SDK实例。SDK为单例模式，在调用release前禁止重复初始化。

此接口会引起阻塞，应在非UI线程调用。

• 方法签名

public synchronized int initialize(final INativeFileTransCallback callback,
                                   String parameters,
                                   final Constants.LogLevel level,
                                   final boolean save_log)

• 参数说明

  参数	类型	说明
  callback	INativeFileTransCallback	事件和数据回调接口的实现。
  parameters	String	JSON字符串，包含鉴权、连接和调试参数。参见连接与控制参数。
  level	Constants.LogLevel	控制SDK自身日志的打印级别。
  save_log	boolean	是否保存本地日志。若为true，须在连接与控制参数中通过debug_path指定路径，并可通过max_log_file_size设置文件大小。

• 返回值说明

  返回错误码，参见错误码查询。

setParams

此接口用于独立设置或更新 nls_config 参数。如果所有参数都在startFileTranscriber中一次性提供，则无需调用此方法。

• 方法签名

public synchronized int setParams(String params);

• 参数说明

  参数	类型	说明
  params	String	语音识别效果参数中的nls_config参数，nls_config之外的参数不支持通过该方法进行设置。 示例： { "nls_config": { "model":"qwen-audio-3.0-asr-flash-filetrans", "diarization_enabled": false } }

• 返回值说明

  返回错误码，参见错误码查询。

startFileTranscriber

开始识别。

• 方法签名

public synchronized int startFileTranscriber(String params, byte[] task_id)

• 参数说明

  参数	类型	说明
  params	String	语音识别效果参数。 示例： { "file_urls": [ "{YOUR_AUDIO_URL}" ], "async_request": false, "nls_config": { "model":"qwen-audio-3.0-asr-flash-filetrans", "diarization_enabled": false } }
  task_id	byte[]	任务ID，SDK内部生成随机字符串，在此接口调用成功后可获得task_id。

• 返回值说明

  返回错误码，参见错误码查询。

queryFileTranscriber

此接口用于主动查询一个异步任务的当前状态和结果。调用成功后，结果将通过onFileTransEventCallback回调中的 EVENT_FILE_TRANS_QUERY_RESULT 事件返回。

• 方法签名

public synchronized int queryFileTranscriber(String task_id)

• 参数说明

  参数	类型	说明
  task_id	byte[]	待查询的任务ID。

• 返回值说明

  返回错误码，参见错误码查询。

cancelFileTranscriber

立即取消当前任务。

• 方法签名

public synchronized int cancelFileTranscriber(String task_id)

• 参数说明

  参数	类型	说明
  task_id	byte[]	待取消的任务ID。

• 返回值说明

  返回错误码，参见错误码查询。

release

释放SDK所有内部资源。此方法调用后，SDK实例将变为不可用状态，如需再次使用，必须重新调用initialize进行初始化。

• 方法签名

public synchronized int release();

• 返回值说明

  返回错误码，参见错误码查询。

GetVersion

获得当前SDK版本信息。

• 方法签名

public synchronized String GetVersion();

• 返回值说明

  当前SDK版本信息。

INativeFileTransCallback：监听回调

onFileTransEventCallback：监听事件和语音识别结果

• 方法签名

void onFileTransEventCallback(NuiEvent event, final int resultCode, final int arg2, AsrResult asrResult, String taskId);

• 参数说明

  参数	类型	说明
  event	NuiEvent	回调事件。
  resultCode	int	错误码，在出现EVENT_ASR_ERROR事件时有效。
  asrResult	AsrResult	语音识别结果。
  taskId	String	任务ID。
  arg2	int	保留参数。

onFileTransLogTrackCallback：监听追踪日志

此回调用于接收 SDK 内部的详细日志，方便进行问题定位和调试。

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

NuiEvent：事件类型

事件	说明
EVENT_FILE_TRANS_CONNECTED	连接服务成功。
EVENT_FILE_TRANS_UPLOADED	上传待识别音频文件成功。
EVENT_FILE_TRANS_QUERY_RESULT	查询任务结果。
EVENT_FILE_TRANS_RESULT	识别最终结果。
EVENT_ASR_ERROR	语音识别过程中出现错误。