headerobject（必选） 属性 actionstring（必选） 指令类型，固定为 run-task。 task_idstring（必选） 客户端生成的任务 ID（UUID 格式），用于关联后续事件。 streamingstring（必选） 固定为 duplex。 payloadobject（必选） 属性 task_groupstring（必选） 任务组，固定为 audio。 taskstring（必选） 任务类型，固定为 asr。 functionstring（必选） 功能类型。固定为recognition。 modelstring（必选） 模型名，设置为 qwen-audio-3.1-asr-flash-message。模型信息请参见Qwen-Audio-3.1-ASR-Flash-Message。 inputobject（必选） 输入对象。不携带上下文时传入{}。 属性 contextarray(object)（可选） 对话上下文，用于辅助识别、提升专有词汇的识别准确率。使用方法详见上下文增强。 重要上下文消息（input_text 和 text 类型）各最多 5 条，超出时保留最近的 5 条。每轮上下文文本总长度（user 和 assistant 的 text 字段长度之和）不超过 400 个字符（按字符数计算，每个字符计为 1），超出部分从末尾截断。 重要携带上下文时，context 中的消息顺序有要求：上下文消息必须按对话轮次排列，每轮中 user（input_text 类型）必须在对应的 assistant（text 类型）之前。 属性 rolestring（必选） 消息角色。取值范围：
user：前几轮用户语音的识别结果或领域相关的词表。assistant：前几轮大语言模型的回复内容。 contentarray(object)（必选） 消息内容列表。 属性 typestring（必选） 内容类型。取值范围：
input_text：前几轮用户语音的识别结果或领域相关的词表（role 为 user 时使用），需同时传入 text 字段。text：前几轮大语言模型的回复内容（role 为 assistant 时使用），需同时传入 text 字段。 textstring（必选） 文本内容。当 type 为 input_text 时，填入前几轮用户语音的识别结果或领域相关的词表；当 type 为 text 时，填入前几轮大语言模型的回复内容。 parametersobject（必选） 语音识别参数。 属性 disfluency_removal_enabled boolean（可选） 是否过滤语气词并对输出结果进行润色，默认值为 false。设置为 true 时启用。 intermediate_result_enabled boolean（可选） 是否返回流式中间结果，默认值为 false。设置为 true 时返回流式中间结果。 keep_dialect boolean（可选） 是否保留方言表达，默认值为 false。false：将方言转写为普通话文本；true：保留方言表达。 vad_model string（可选） VAD 模型，默认值为 far_field_meeting_16k。
near_meeting_16k：近场场景。far_field_meeting_16k：远场场景。 formatstring（必选） 音频格式。 取值范围：
pcmwavmp3opusspeexaacamr 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。 sample_rateinteger（必选） 采样率（Hz）。 仅支持 16000 Hz。 vocabulary_idstring（可选） 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。 vocabularyobject（可选） 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，系统会合并两类热词；合并后超过 2000 个时，随机选择 2000 个使用。使用方法请参见即时热词。 max_sentence_silenceinteger（可选） 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。 默认值：1300。 取值范围：[200, 6000]。 heartbeatboolean（可选） 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，连接也将在一定时间后因超时而断开。
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。 speech_noise_thresholdfloat（可选） 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）
| {
"header": {
"action": "run-task",
"task_id": "2bf83b9a-baeb-4fda-8d9a-xxxxxxxxxxxx",
"streaming": "duplex"
},
"payload": {
"task_group": "audio",
"task": "asr",
"function": "recognition",
"model": "qwen-audio-3.1-asr-flash-message",
"parameters": {
"format": "pcm",
"sample_rate": 16000
},
"input": {}
}
}
{
"header": {
"action": "run-task",
"task_id": "2bf83b9a-baeb-4fda-8d9a-xxxxxxxxxxxx",
"streaming": "duplex"
},
"payload": {
"task_group": "audio",
"task": "asr",
"function": "recognition",
"model": "qwen-audio-3.1-asr-flash-message",
"parameters": {
"format": "pcm",
"sample_rate": 16000
},
"input": {
"context": [
{
"role": "user",
"content": [
{
"type": "input_text",
"text": "你好啊"
}
]
},
{
"role": "assistant",
"content": [
{
"type": "text",
"text": "你好啊，我是通义千问，有什么可以帮助你的？"
}
]
}
]
}
}
}
{
"header": {
"action": "run-task",
"task_id": "2bf83b9a-baeb-4fda-8d9a-xxxxxxxxxxxx",
"streaming": "duplex"
},
"payload": {
"task_group": "audio",
"task": "asr",
"function": "recognition",
"model": "qwen-audio-3.1-asr-flash-message",
"parameters": {
"format": "pcm",
"sample_rate": 16000,
"vocabulary": {"张三": 5, "李四": 5}
},
"input": {}
}
}
|
