Qwen-Audio-3.x-ASR-Flash-Filetrans/Fun-ASR非实时语音识别Android SDK

用户指南：非实时语音识别。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。

快速开始

获取API Key：获取API Key，为安全起见，推荐将API Key配置到环境变量。
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DashFunAsrFileTranscriberActivity.java，替换 API Key 后体验功能。

调用步骤

同步模式
异步模式

初始化 SDK
按业务需求配置相关参数
当 async_request 设为 false 时，调用 startFileTranscriber 发送非实时语音识别请求，并等待结果返回。
在onFileTransEventCallback接口中监听EVENT_FILE_TRANS_RESULT 事件，获取最终识别结果
调用 release 释放 SDK 资源

初始化 SDK
按业务需求配置相关参数
当 async_request 设为 true 时，调用 startFileTranscriber 发送非实时语音识别请求。
调用 queryFileTranscriber 主动查询识别进度/结果
在onFileTransEventCallback接口中监听EVENT_FILE_TRANS_QUERY_RESULT事件，获取当前查询结果
在onFileTransEventCallback接口中监听 EVENT_FILE_TRANS_RESULT 事件，获取最终识别结果
调用 release 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://maas.qianwenaiapi.com/api/v1/services/audio/asr/transcription",
    "apikey": "st-****",
    "device_id": "my_device_id",
    "service_mode": "1"
}

参数说明
| 参数 | 类型 | 是否必须 | 说明 | |---|---|---|---| | url | String | 是 | 服务地址，固定为 wss://maas.qianwenaiapi.com/api/v1/services/audio/asr/transcription。 | | 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）
注意：log_track_level与level（通过initialize接口设置）共同决定最终回调的日志。一条日志的级别数值必须同时大于或等于log_track_level和level的值，才会被回调。例如，log_track_level设为2 (INFO)，level设为3 (WARNING)，则只有WARNING及以上级别（数值>=3）的日志才会被回调。 |

语音识别效果参数

通过startFileTranscriber接口配置所有语音识别效果参数。

**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：

{
    "apikey": "st-****",
    "file_urls": [
        "{YOUR_AUDIO_URL}"
    ],
    "async_request": false,
    "nls_config": {
        "model":"qwen-audio-3.0-asr-flash-filetrans",
        "diarization_enabled": false
    }
}

参数说明
| 参数 | 类型 | 是否必须 | 说明 | |---|---|---|---| | file_urls | array[string] | 是 | 音视频文件转写的URL列表，支持HTTP / HTTPS协议，单次请求仅支持1个URL。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。若录音文件存储在阿里云OSS，使用RESTful API方式支持使用以oss://为前缀的临时 URL，使用SDK方式不支持使用以 oss://为前缀的临时 URL。 提示： - 临时 URL 有效期48小时，过期后无法使用，请勿用于生产环境。
- 文件上传凭证接口限流为 100 QPS 且不支持扩容，请勿用于生产环境、高并发及压测场景。
- 生产环境建议使用阿里云OSS 等稳定存储，确保文件长期可用并规避限流问题。
- 录音文件URL设置成OSS临时公网访问不通该如何处理？请求头中将X-DashScope-OssResourceResolve设为enable（不推荐该方式）。
SDK不支持对请求头进行配置。 | | async_request | boolean | 否 | 语音识别是否为异步请求。默认值：false。取值范围：
- true：异步请求
- false：同步请求
| | 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 | 指定示例调用的模型。模型信息请参见支持的模型与地域。 | | nls_config.special_word_filter | object | 否 | 指定在语音识别过程中需要处理的敏感词，并支持对不同敏感词设置不同的处理方式。详情请参见敏感词过滤。 | | nls_config.channel_id | array[integer] | 否 | 指定在多音轨音频文件中需要识别的音轨索引，索引从 0 开始。例如，[0] 表示识别第一个音轨，[0, 1] 表示同时识别第一和第二个音轨。如果省略此参数，则默认处理第一个音轨。 提示： 指定的每一个音轨都将独立计费。例如，为单个文件请求 [0, 1] 会产生两笔独立的费用。默认值：[0]。 | | nls_config.diarization_enabled | boolean | 否 | 是否启用说话人分离，默认关闭。仅适用于单声道音频，多声道音频不支持说话人分离。启用该功能后，识别结果中将显示speaker_id字段，用于区分不同说话人。 说明： 如果启用说话人分离功能，建议音频时长不超过2小时，否则可能导致识别失败或超时。默认值：false。有关speaker_id的示例，请参见识别结果说明。 | | nls_config.speaker_count | integer | 否 | 提示： 仅在开启说话人分离功能（diarization_enabled设置为true）时生效。说话人数量参考值。取值范围为2至100的整数（包含2和100）。默认自动判断说话人数量，如果配置此项，只能辅助算法尽量输出指定人数，无法保证一定会输出此人数。无默认值。 | | 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.input_context | array | 否 | 消息列表，包含用于提升识别效果的可选对话上下文。 提示： 上下文功能用于提升专有词汇的识别准确率，使用方法请参见上下文增强。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，每个字符计为 1，超出部分从末尾截断。 提示： 携带上下文时，messages 中的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；包含 input_audio 的 user 消息必须放在 messages 数组的最后。示例 1 请参见表格下方 | | 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。适用于临时性、会话级别的热词优化。权重取值范围为 1 至 5 或 50。取 1 至 5 时，值越大，模型越倾向于输出该词；取 50 时为超级热词，召回率大幅提升，但超级热词最多不超过 50 个。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。 提示： 即时热词的适用模型及限制请参见即时热词。示例 2 请参见表格下方 | | 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。对于 Qwen-Audio-3.x-ASR-Flash-Filetrans 系列模型，最多支持设置 4 个值，即便设置超出 4 个，也仅前 4 个生效；对于 Fun-ASR 系列模型，仅支持设置 1 个值，即便设置多个，也仅第一个生效。
- Qwen-Audio-3.x-ASR-Flash-Filetrans、fun-asr、fun-asr-2025-11-07、fun-asr-mtl、fun-asr-mtl-2025-08-25：
- zh: 中文
- en: 英文
- ja: 日语
- ko：韩语
- vi：越南语
- th：泰语
- id：印尼语
- ms：马来语
- tl：菲律宾语
- hi：印地语
- ar：阿拉伯语
- fr：法语
- de：德语
- es：西班牙语
- pt：葡萄牙语
- ru：俄语
- it：意大利语
- nl：荷兰语
- sv：瑞典语
- da：丹麦语
- fi：芬兰语
- no：挪威语
- el：希腊语
- pl：波兰语
- cs：捷克语
- hu：匈牙利语
- ro：罗马尼亚语
- bg：保加利亚语
- hr：克罗地亚语
- sk：斯洛伐克语
- fun-asr-2025-08-25：
- zh: 中文
- en: 英文
|

示例 1（说明）：

[
  {
    "role": "user",
    "content": [
      {
        "type": "input_text",
        "text": "你好啊，我是通义千问，有什么可以帮助你的？"
      }
    ]
  }
]

示例 2（说明）：

{
  "张三": 5,
  "李四": 5
}

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。

方法签名

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

参数说明 | 参数 | 类型 | 说明 | |---|---|---| | 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。 |
返回值说明

setParams

此接口用于独立设置或更新 nls_config 参数。如果所有参数都在startFileTranscriber中一次性提供，则无需调用此方法。

方法签名

public synchronized int setParams(String params);

参数说明 | 参数 | 类型 | 说明 | |---|---|---| | params | String | 语音识别效果参数中的nls_config参数，nls_config之外的参数不支持通过该方法进行设置。示例：示例 1 请参见表格下方 |

示例 1（说明）：

{
    "nls_config": {
        "model":"qwen-audio-3.0-asr-flash-filetrans",
        "diarization_enabled": false
    }
}

返回值说明

startFileTranscriber

开始识别。

方法签名

public synchronized int startFileTranscriber(String params, byte[] task_id)

参数说明 | 参数 | 类型 | 说明 | |---|---|---| | params | String | 语音识别效果参数。示例：示例 1 请参见表格下方 | | task_id | byte[] | 任务ID，SDK内部生成随机字符串，在此接口调用成功后可获得task_id。 |

示例 1（说明）：

{
    "file_urls": [
        "{YOUR_AUDIO_URL}"
    ],
    "async_request": false,
    "nls_config": {
        "model":"qwen-audio-3.0-asr-flash-filetrans",
        "diarization_enabled": false
    }
}

返回值说明

queryFileTranscriber

此接口用于主动查询一个异步任务的当前状态和结果。调用成功后，结果将通过onFileTransEventCallback回调中的 EVENT_FILE_TRANS_QUERY_RESULT 事件返回。

此处传入的 task_id 从 EVENT_FILE_TRANS_UPLOADED 事件中获取。

方法签名

public synchronized int queryFileTranscriber(String task_id)

参数说明 | 参数 | 类型 | 说明 | |---|---|---| | task_id | String | 待查询的任务 ID，从 EVENT_FILE_TRANS_UPLOADED 事件中获取。 |
返回值说明

cancelFileTranscriber

立即取消当前任务。

方法签名

public synchronized int cancelFileTranscriber(String task_id)

参数说明 | 参数 | 类型 | 说明 | |---|---|---| | task_id | String | 待取消的任务 ID，从 EVENT_FILE_TRANS_UPLOADED 事件中获取。 |
返回值说明

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。

方法签名

public synchronized int release();

返回值说明

GetVersion

获得当前SDK版本信息。

方法签名

public synchronized String GetVersion();

返回值说明 当前SDK版本信息。

INativeFileTransCallback：监听回调

onFileTransEventCallback：监听事件和语音识别结果

方法签名

void onFileTransEventCallback(NuiEvent event, final int resultCode, final int arg2, AsrResult asrResult, String taskId);

参数说明 | 参数 | 类型 | 说明 | |---|---|---| | 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。 |

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

`NuiEvent`：事件类型

事件	说明
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_QUERY_RESULT	查询任务结果。
EVENT_FILE_TRANS_RESULT	识别最终结果。
EVENT_ASR_ERROR	语音识别过程中出现错误。

​快速开始

​调用步骤

​请求参数

​连接与控制参数

​语音识别效果参数

​关键接口

​NativeNui

​initialize

​setParams

​startFileTranscriber

​queryFileTranscriber

​cancelFileTranscriber

​release

​GetVersion

​INativeFileTransCallback：监听回调

​onFileTransEventCallback：监听事件和语音识别结果

​onFileTransLogTrackCallback：监听追踪日志

​NuiEvent：事件类型

快速开始

调用步骤

请求参数

连接与控制参数

语音识别效果参数

关键接口

NativeNui

initialize

setParams

startFileTranscriber

queryFileTranscriber

cancelFileTranscriber

release

GetVersion

INativeFileTransCallback：监听回调

onFileTransEventCallback：监听事件和语音识别结果

onFileTransLogTrackCallback：监听追踪日志

`NuiEvent`：事件类型