Qwen-Audio-ASR-Message实时语音识别Android SDK

本文档提供了Qwen-Audio-3.1-ASR-Flash-Message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。

快速开始

1. 获取与配置 API Key

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DashFunAsrSpeechTranscriberActivity.java，替换 API Key 后体验功能。

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，或者通过updateAudio持续推送录音数据。
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。

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"
}

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-3.1-asr-flash-message",
        "sr_format": "pcm",
        "sample_rate": "16000"
    }
}

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。

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

返回错误码，参见错误码查询。

setParams

以JSON格式设置语音识别效果参数。在startDialog之前调用。

public synchronized int setParams(String params)

返回错误码，参见错误码查询。

startDialog

开始识别。

public synchronized int startDialog(VadMode vad_mode, String dialog_params)

{
  "apikey": "st-****",
  "input_context": [
    {
      "role": "user",
      "content": [
        {
          "text": "xxxxx",
          "type": "input_text"
        }
      ]
    }
  ]
}

返回错误码，参见错误码查询。

stopDialog

结束识别，调用该接口后，服务端将返回最终识别结果并结束任务。

public synchronized int stopDialog();

返回错误码，参见错误码查询。

cancelDialog

立即结束识别，调用该接口后，不等待服务端返回最终识别结果就立即结束任务。

public synchronized int cancelDialog();

返回错误码，参见错误码查询。

updateAction

在交互过程中下发对话动作指令，用于更新识别上下文等运行时行为。

public synchronized int updateAction(String params);

{
  "context": [
    {
      "role": "user",
      "content": [
        {
          "text": "xxx",
          "type": "input_text"
        }
      ]
    }
  ]
}

返回错误码，参见错误码查询。

updateAudio

参数audio_update_manually设置为"true"时，录音数据不再是通过onNuiNeedAudioData填入，而是用此接口主动推送。

public synchronized int updateAudio(byte[] data, int len,
                                    boolean first_pack);

返回错误码，参见错误码查询。

updateRefAudio

参数audio_update_manually设置为"true"时，且启用了端侧AEC回声消除能力，则需要用此接口推送播放器播放的音频数据作为参考信号。

public synchronized int updateRefAudio(byte[] data, int len,
                                       boolean first_pack);

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。

public synchronized int release();

返回错误码，参见错误码查询。

GetVersion

获得当前SDK版本信息。

public synchronized String GetVersion();

当前SDK版本信息。

INativeNuiCallback：监听回调

onNuiEventCallback：监听事件和语音识别结果

void onNuiEventCallback(NuiEvent event, final int resultCode, final int arg2, KwsResult kwsResult, AsrResult asrResult);

onNuiAudioStateChanged：监听音频状态

SDK 通过此回调通知何时应该开始或停止录音。

void onNuiAudioStateChanged(AudioState state);

onNuiNeedAudioData：填充待识别音频数据

开始识别后，该回调被连续触发，需在其中提供待识别音频数据。

int onNuiNeedAudioData(byte[] buffer, int len);

实际填充的字节数。

onNuiAssistEventCallback：辅助数据和信息结果

此回调用于接收 SDK 内部的辅助事件和相关数据。

void onNuiAssistEventCallback_(int event, byte[] info, int info_len,
                               byte[] data);

onNuiLogTrackCallback：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 onNuiLogTrackCallback(Constants.LogLevel level, String log)

NuiEvent：事件类型