实时语音识别（Qwen-ASR-Realtime）Java SDK-大模型服务平台百炼(Model Studio)-阿里云帮助中心

本文档介绍如何使用 DashScope Java SDK 调用实时语音识别（Qwen-ASR-Realtime）模型。

用户指南：模型介绍、功能特性和示例代码请参见实时语音识别-通义千问

请求参数

以下参数通过OmniRealtimeParam的链式方法设置。
参数
类型
是否必须
说明
model
String
是
指定要使用的模型名称。

以下参数通过OmniRealtimeConfig的链式方法设置。

参数	类型	是否必须	说明
`modalities`	`List<OmniRealtimeModality>`	是	模型输出模态，固定为`[OmniRealtimeModality.TEXT]`。
`enableTurnDetection`	`boolean`	否	是否开启服务端语音活动检测（VAD）。关闭后，需手动调用`commit()`方法触发识别。默认值：`true`。取值范围： `true`：开启 `false`：关闭
`turnDetectionType`	`String`	否	服务端VAD类型，固定为 `server_vad`。
`turnDetectionThreshold`	`float`	否	VAD检测阈值。默认值：`0.2`。取值范围：`[-1.0, 1.0]`。较低的阈值会提高 VAD 的灵敏度，可能将背景噪音误判为语音。较高的阈值则降低灵敏度，有助于在嘈杂环境中减少误触发。
`turnDetectionSilenceDurationMs`	`int`	否	VAD断句检测阈值（ms）。静音持续时长超过该阈值将被认为是语句结束。默认值：`800`。取值范围：`[200, 6000]`。较低的值（如 300ms）可使模型更快响应，但可能导致在自然停顿处发生不合理的断句。较高的值（如 1200ms）可更好地处理长句内的停顿，但会增加整体响应延迟。
`transcriptionConfig`	`OmniRealtimeTranscriptionParam`	否	语音识别相关配置。

以下参数通过OmniRealtimeTranscriptionParam的setter方法设置。

参数	类型	是否必须	说明
`language`	`String`	否	音频源语言。取值范围参见ISO 639-1标准。
`inputSampleRate`	`int`	否	音频采样率（Hz）。支持`16000`和`8000`。默认值：`16000`。设置为 `8000` 时，服务端会先升采样到16000Hz再进行识别，可能引入微小延迟。建议仅在源音频为8000Hz（如电话线路）时使用。
`inputAudioFormat`	`String`	否	音频格式。支持`pcm`和`opus`。默认值：`pcm`。
`corpusText`	`String`	否	ASR 语料文本。提供与业务场景强相关的专有词汇（如产品名、人名），可以提升模型对这些词汇的识别准确度。

关键接口

OmniRealtimeConversation类

OmniRealtimeConversation通过import com.alibaba.dashscope.audio.omni.OmniRealtimeConversation;方法引入。

方法签名	服务端响应事件（通过回调下发）	说明
`public void connect() throws NoApiKeyException, InterruptedException`	session.created 会话已创建 session.updated 会话配置已更新	和服务端创建连接。
`public void updateSession(OmniRealtimeConfig config)`	session.updated 会话配置已更新	用于更新会话配置，建议在连接建立后首先调用该方法进行设置。若未调用该方法，系统将使用默认配置。只需关注请求参数中的涉及到的参数。
`public void appendAudio(String audioBase64)`	无	将Base64编码后的音频数据片段追加到云端输入音频缓冲区。请求参数`enableTurnDetection`设为`true`，音频缓冲区用于检测语音，服务端决定何时提交。请求参数`enableTurnDetection`设为`false`，客户端可以选择每个事件中放置多少音频量，最多放置 15 MiB。例如，从客户端流式处理较小的数据块可以让 VAD 响应更迅速。
`public void commit()`	input_audio_buffer.committed 服务端收到提交的音频	提交之前通过append添加到云端缓冲区的音视频，如果输入的音频缓冲区为空将产生错误。禁用场景：请求参数`enableTurnDetection`设为`true`时。
`public void cancelResponse()`	无	取消正在进行的响应。如果没有任何响应可供取消，服务端将以一个错误进行响应。
`public void close()`	无	终止任务，并关闭连接。
`public String getSessionId()`	无	获取当前任务的session_id。
`public String getResponseId()`	无	获取最近一次response的response_id。
`public long getFirstTextDelay()`	无	获取最近一次response的首包文本延迟。
`public long getFirstAudioDelay()`	无	获取最近一次response的首包音频延迟。

回调接口（OmniRealtimeCallback）

服务端会通过回调的方式，将服务端响应事件和数据返回给客户端。

继承此类并实现相应方法以处理服务端事件。

通过import com.alibaba.dashscope.audio.omni.OmniRealtimeCallback;引入。

方法签名	参数	说明
`public void onOpen()`	无	WebSocket连接成功建立时触发。
`public abstract void onEvent(JsonObject message)`	message：服务端事件	收到服务端事件时触发。
`public abstract void onClose(int code, String reason)`	code：状态码 reason：WebSocket连接关闭时的日志信息	WebSocket连接关闭时触发。