实时语音识别（Paraformer）服务端事件-大模型服务平台百炼(Model Studio)-阿里云帮助中心

本文介绍 Paraformer 实时语音识别服务通过 WebSocket 推送给客户端的服务端事件，包括 task-started、result-generated、task-finished、task-failed 四类事件的数据结构与字段含义。

用户指南：关于模型介绍和选型建议请参见语音识别。

事件交互流程：如需了解事件交互时序，请参见WebSocket API。

task-started

说明：任务启动成功，客户端可开始发送音频数据。

header object

属性

task_id string

客户端生成的任务 ID（UUID 格式）。

event string

事件类型，固定为 task-started。

attributes object

附加属性（通常为空）。

{
    "header": {
        "task_id": "2bf83b9a-baeb-4fda-8d9a-xxxxxxxxxxxx",
        "event": "task-started",
        "attributes": {}
    },
    "payload": {}
}

payload object

固定为{}。

result-generated

说明：识别结果，包含中间结果（sentence_end=false）和最终结果（sentence_end=true）。

header object

属性

task_id string

客户端生成的任务 ID（UUID 格式）。

event string

事件类型，固定为 result-generated。

{
  "header": {
    "task_id": "2bf83b9a-baeb-4fda-8d9a-xxxxxxxxxxxx",
    "event": "result-generated",
    "attributes": {}
  },
  "payload": {
    "output": {
      "sentence": {
        "begin_time": 170,
        "end_time": null,
        "text": "好，我知道了",
        "heartbeat": false,
        "sentence_end": true,
        "words": [
          {
            "begin_time": 170,
            "end_time": 295,
            "text": "好",
            "punctuation": "，"
          },
          {
            "begin_time": 295,
            "end_time": 503,
            "text": "我",
            "punctuation": ""
          },
          {
            "begin_time": 503,
            "end_time": 711,
            "text": "知道",
            "punctuation": ""
          },
          {
            "begin_time": 711,
            "end_time": 920,
            "text": "了",
            "punctuation": ""
          }
        ]
      }
    },
    "usage": {
      "duration": 3
    }
  }
}

payload object

属性

output object

属性

usage object

当payload.output.sentence.sentence_end为false（当前句子未结束）时，usage为null。

当payload.output.sentence.sentence_end为true（当前句子已结束）时，usage.duration为当前任务计费时长。

属性

duration integer

任务计费时长（s）。

属性

sentence object

属性

begin_time integer

句子开始时间（ms）。

end_time integer

句子结束时间（ms）。

text string

识别文本。

heartbeat boolean

若为 true，可跳过该结果（心跳包）。

sentence_end boolean

是否句子结束（true=最终结果，false=中间结果）。

emo_tag string

重要

仅 paraformer-realtime-8k-v2 支持该功能
必须关闭语义断句（将run-task事件的semantic_punctuation_enabled设为false）才支持该功能
只有在payload.output.sentence.sentence_end的值为true时才显示情感识别结果

当前句子的情感：

positive：正面情感，如开心、满意
negative：负面情感，如愤怒、沉闷
neutral：无明显情感

emo_confidence float

重要

仅 paraformer-realtime-8k-v2 支持该功能
必须关闭语义断句（将run-task事件的semantic_punctuation_enabled设为false）才支持该功能
只有在payload.output.sentence.sentence_end的值为true时才显示情感识别结果

情感置信度，取值范围为[0.0, 1.0]，值越大表示置信度越高。

words array[object]

字时间戳信息。

属性

begin_time integer

字开始时间（ms）。

end_time integer

字结束时间（ms）。

text string

识别文本。

punctuation string

标点符号。

task-finished

说明：任务正常结束，可关闭连接或复用连接。

header object

属性

task_id string

客户端生成的任务 ID（UUID 格式）。

event string

事件类型，固定为 task-finished。

attributes object

附加属性（通常为空）。

{
    "header": {
        "task_id": "2bf83b9a-baeb-4fda-8d9a-xxxxxxxxxxxx",
        "event": "task-finished",
        "attributes": {}
    },
    "payload": {
        "output": {},
        "usage": null
    }
}

payload object

无需关注其中内容，通常为{}。

task-failed

说明：任务失败，连接会被关闭，无法复用。

header object

属性

task_id string

客户端生成的任务 ID（UUID 格式）。

event string

事件类型，固定为 task-failed。

error_code string

错误类型描述。

error_message string

具体错误原因。

attributes object

附加属性（通常为空）。

{
    "header": {
        "task_id": "2bf83b9a-baeb-4fda-8d9a-xxxxxxxxxxxx",
        "event": "task-failed",
        "error_code": "CLIENT_ERROR",
        "error_message": "request timeout after 23 seconds.",
        "attributes": {}
    },
    "payload": {}
}

payload object

固定为{}。