本文介绍通过 WebSocket 连接访问 Paraformer 实时语音识别服务的服务端点、请求头和交互流程。
用户指南：关于模型介绍和选型建议请参见语音识别，示例代码请参见实时语音识别。
DashScope SDK 目前仅支持 Java 和 Python。使用其他编程语言时，可通过 WebSocket 连接与服务进行通信。
服务端点
WebSocket URL 固定如下：
中国内地
wss://dashscope.aliyuncs.com/api-ws/v1/inference
国际
wss://dashscope-intl.aliyuncs.com/api-ws/v1/inference
URL 必须使用 wss:// 协议，且固定不变。Authorization 在请求头中设置（参见请求头）。
请求头
请求头中需添加如下信息：
参数 | 类型 | 是否必选 | 说明 |
Authorization | string | 是 | 鉴权令牌，格式为 |
user-agent | string | 否 | 客户端标识，便于服务端追踪来源。 |
X-DashScope-WorkSpace | string | 否 | 阿里云百炼业务空间ID。 |
X-DashScope-DataInspection | string | 否 | 是否启用数据合规检测功能。默认不传或设为 |
Authorization 鉴权在 WebSocket 握手阶段验证。如果 API Key 无效或缺失，握手将失败并返回 HTTP 401/403 错误。
交互流程
客户端事件和服务端事件的详细说明，请参见客户端事件和服务端事件。
按时间顺序，客户端与服务端的交互流程如下：
建立连接：客户端与服务端建立 WebSocket 连接。
开启任务：客户端发送 run-task 指令以开启任务，并接收服务端返回的 task-started 事件，标志着任务已成功开启，可以进行后续步骤。
发送音频流：客户端开始发送二进制音频（须为单声道音频），并同时接收服务端持续返回的 result-generated 事件，该事件包含语音识别结果。
通知服务端结束任务：客户端发送 finish-task 指令通知服务端结束任务，并继续接收服务端返回的 result-generated 事件。
任务结束：客户端收到服务端返回的 task-finished 事件，标志着任务结束。
关闭连接：客户端关闭 WebSocket 连接。