非实时语音识别（Qwen-Audio-ASR）Android SDK

url

String

是

服务地址：

• wss://dashscope.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation

• 华北2（北京）：wss://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation

• 新加坡：wss://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation

调用时，请将 {WorkspaceId} 替换为真实的 Workspace ID。

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）

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

模型名称。

nls_config.format

string

是

音频格式。根据实际音频格式填写，支持wav、mp3、opus等。详情请参见音频规格。

nls_config.sample_rate

string

否

音频采样率，单位Hz。例如16000表示16kHz采样率。详情请参见音频规格。

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.instant_vocabulary

object

否

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。

{
  "张三": 5,
  "李四": 5
}

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。最多支持设置 4 个值，超出时仅前 4 个生效。

指定语种代码可提升识别准确率。

messages

array[object]

是

消息列表。包含当前待识别的音频，以及可选的对话上下文（用于提升识别效果）。

role

string

是

消息角色。取值范围：

• user（必选）：用户消息。type为input_audio时表示当前待识别的音频；type为input_text时表示前几轮的识别结果或领域相关的词表（可选，上下文）。

• assistant（可选，上下文）：前几轮大语言模型的回复内容。

content

array[object]

是

消息内容列表。详细如下说明。

type

string

是

内容类型。每个请求至少需要一条input_audio类型的消息。取值范围：

• input_audio（必选）：当前待识别的音频输入（role为user），需同时传入input_audio对象。

• input_text（可选，上下文）：前几轮用户语音的识别结果或领域相关的词表（role为user），需同时传入text字段。

• text（可选，上下文）：前几轮大语言模型的回复内容（role为assistant），需同时传入text字段。

input_audio

object

否

当type为input_audio时必填。

input_audio.data

string

是

待识别音频数据。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。支持以下两种方式：

• 音频文件URL：直接传入可公开访问的音频文件地址。

• Base64 Data URI：采用Data URI格式传入Base64编码的音频数据，值由data:{MIME_TYPE};base64,前缀与Base64编码的音频数据拼接而成。支持的MIME类型包括audio/wav、audio/mp3等。

示例（URL方式）：https://example.com/audio/sample.wav

示例（Base64方式）：data:audio/wav;base64,{BASE64_ENCODED_DATA}

text

string

否

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。文本按字符数计算，每个字符计为 1。每轮上下文中所有消息的 text 字段长度之和不超过 400 个字符，超出部分从末尾截断。

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。

params

String

语音识别效果参数中的nls_config和messages参数。

示例：

{
  "messages": [
    {
      "content": [
        {
          "input_audio": {
            "data": "{YOUR_AUDIO_URL}"
          },
          "type": "input_audio"
        }
      ],
      "role": "user"
    }
  ],
  "nls_config": {
    "format": "mp3",
    "model": "qwen-audio-3.0-asr-flash"
  }
}

params

String

语音识别效果参数。 示例：

{
  "apikey": "st-****",
  "messages": [
    {
      "content": [
        {
          "input_audio": {
            "data": "{YOUR_AUDIO_URL}"
          },
          "type": "input_audio"
        }
      ],
      "role": "user"
    }
  ],
  "nls_config": {
    "format": "mp3",
    "model": "qwen-audio-3.0-asr-flash"
  }
}

task_id

byte[ ]

可不关注，可填null

task_id

String

待取消的任务ID。通过EVENT_FILE_TRANS_UPLOADED获取。

event

NuiEvent

回调事件。

resultCode

int

仅在出现 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。

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，此时可获得当前任务的task_id。

EVENT_FILE_TRANS_RESULT

识别最终结果。

EVENT_ASR_ERROR

语音识别过程中出现错误。