实时语音识别（Paraformer）客户端事件

本文介绍 Paraformer 实时语音识别服务中客户端通过 WebSocket 发送给服务端的客户端事件，包括 run-task（启动任务）和 finish-task（结束任务）两类指令的数据结构与字段含义。 用户指南：关于模型介绍和选型建议请参见语音识别。 事件交互流程：如需了解事件交互时序，请参见 WebSocket API。

run-task

说明：启动语音识别任务，设置模型、音频格式、采样率等参数。 发送时机：建立 WebSocket 连接后立即发送。 响应事件：服务端返回 task-started 事件后才能发送音频。示例：

{
  "header": {
    "action": "run-task",
    "task_id": "2bf83b9a-baeb-4fda-8d9a-xxxxxxxxxxxx",
    "streaming": "duplex"
  },
  "payload": {
    "task_group": "audio",
    "task": "asr",
    "function": "recognition",
    "model": "paraformer-realtime-v2",
    "parameters": {
      "format": "pcm",
      "sample_rate": 16000,
      "disfluency_removal_enabled": false,
      "language_hints": ["en"]
    },
    "input": {}
  }
}

header 参数：

参数	类型	是否必选	说明
action	string	是	指令类型，固定为 `run-task`。
task_id	string	是	客户端生成的任务 ID（UUID 格式），用于关联后续事件。
streaming	string	是	固定为 `duplex`。

payload 参数：

参数	类型	是否必选	说明
task_group	string	是	任务组，固定为 `audio`。
task	string	是	任务类型，固定为 `asr`。
function	string	是	功能类型，固定为 `recognition`。
model	string	是	模型名称。
input	object	是	固定为 `{}`。
parameters	object	是	语音识别参数，见下方。

payload.parameters 参数：

参数	类型	是否必选	说明
format	string	是	音频格式。取值：`pcm`、`wav`、`mp3`、`opus`、`speex`、`aac`、`amr`。
sample_rate	integer	是	采样率（Hz）。因模型而异： - paraformer-realtime-v2：支持任意采样率 - paraformer-realtime-v1：仅支持 16000 Hz - paraformer-realtime-8k-v2：仅支持 8000 Hz - paraformer-realtime-8k-v1：仅支持 8000 Hz
vocabulary_id	string	否	热词列表 ID。
disfluency_removal_enabled	boolean	否	是否过滤语气词。默认值：`false`。
language_hints	array[string]	否	待识别音频语种。不设置时模型自动识别。取值：`zh`（中文）、`en`（英文）、`ja`（日语）、`yue`（粤语）、`ko`（韩语）、`de`（德语）、`fr`（法语）、`ru`（俄语）。
semantic_punctuation_enabled	boolean	否	是否启用语义断句。默认值：`false`。 - `true`：开启语义断句，关闭 VAD 断句。 - `false`（默认）：开启 VAD 断句，关闭语义断句。语义断句准确性更高，适合会议转写场景；VAD 断句延迟较低，适合交互场景。
max_sentence_silence	integer	否	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，系统判定该句子已结束。默认值：1300。取值范围：[200, 6000]。
multi_threshold_mode_enabled	boolean	否	是否启用多阈值模式。启用后可防止 VAD 断句切割过长。默认值：`false`。
punctuation_prediction_enabled	boolean	否	是否在识别结果中添加标点符号。默认值：`true`。
heartbeat	boolean	否	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 60 秒后因超时而断开。
inverse_text_normalization_enabled	boolean	否	是否启用逆文本正则化（ITN）。启用后，中文数字将转换为阿拉伯数字。默认值：`true`。

Paraformer 须遵循如下音频约束：opus/speex 必须使用 Ogg 封装；wav 必须为 PCM 编码；amr 仅支持 AMR-NB 类型。
仅 Paraformer 支持 disfluency_removal_enabled 参数。
仅 Paraformer（v2）支持 semantic_punctuation_enabled、max_sentence_silence、multi_threshold_mode_enabled、punctuation_prediction_enabled、heartbeat、inverse_text_normalization_enabled 参数。
max_sentence_silence 和 multi_threshold_mode_enabled 仅在 semantic_punctuation_enabled 为 false 时生效。

finish-task

说明：通知服务端音频发送完毕，请求结束任务。 发送时机：所有音频数据发送完毕后。 响应事件：服务端返回 task-finished 事件。示例：

{
  "header": {
    "action": "finish-task",
    "task_id": "2bf83b9a-baeb-4fda-8d9a-xxxxxxxxxxxx",
    "streaming": "duplex"
  },
  "payload": {
    "input": {}
  }
}

header 参数：

参数	类型	是否必选	说明
action	string	是	指令类型，固定为 `finish-task`。
task_id	string	是	客户端生成的任务 ID（UUID 格式），需与 run-task 事件中的 task_id 保持一致。
streaming	string	是	固定为 `duplex`。

payload 参数：

参数	类型	是否必选	说明
input	object	是	固定为 `{}`。

​run-task

​finish-task

run-task

finish-task