本文介绍 Qwen-Audio-3.1-ASR-Flash-Message 实时语音识别服务通过 WebSocket 推送给客户端的服务端事件,包括 task-started、result-generated、task-finished、task-failed 四类事件的数据结构与字段含义。
事件交互流程
- 发送 run-task,收到 task-started 后开始发送音频。
- 持续发送音频,同时接收 result-generated。
- 任务运行期间,可通过 continue-task 更新对话上下文;音频仍通过音频通道发送。
- 音频发送完毕后发送 finish-task,继续接收结果,直到收到 task-finished;任务失败时返回 task-failed。
run-task 发送:WebSocket 使用二进制帧,AOQ 使用 Audio Track。连接、鉴权和音频传输方式请参见 WebSocket API 或 AOQ 接入。
task-started
任务启动成功,是客户端开始发送音频的信号。
收到
task-started 后才能发送音频。 run-task 仅用于启动和配置任务,不携带音频数据。| 参数 | 类型 | 说明 |
|---|---|---|
| header | object | |
| header.task_id | string | 客户端生成的任务 ID(UUID 格式)。 |
| header.event | string | 事件类型,固定为 task-started。 |
| header.attributes | object | 附加属性(通常为空)。 |
| payload | object | 固定为{}。 |
result-generated
返回识别结果,包括句子开始、中间结果、句子最终结果和心跳。中间结果默认关闭,设置 intermediate_result_enabled=true 后开启。
sentence_end=true 仅表示当前句子结束,不表示任务结束。 心跳结果(heartbeat=true)可跳过;任务是否结束以 task-finished 为准。| 参数 | 类型 | 说明 |
|---|---|---|
| header | object | |
| header.task_id | string | 客户端生成的任务 ID(UUID 格式)。 |
| header.event | string | 事件类型,固定为 result-generated。 |
| payload | object | |
| payload.output | object | |
| payload.output.sentence | object | |
| payload.output.sentence.begin_time | integer | 句子开始时间(ms)。 |
| payload.output.sentence.end_time | integer | 句子结束时间(ms)。中间结果或心跳中可能为 null。 |
| payload.output.sentence.text | string | 识别文本。 说明: 中间文本可能随识别过程更新,应按 sentence_id 更新同一句的展示内容,不要直接拼接中间文本。 |
| payload.output.sentence.heartbeat | boolean | 若为 true,可跳过该结果(心跳包)。 |
| payload.output.sentence.sentence_begin | boolean | 为 true 时表示句子开始,此时 text 可能为空。 |
| payload.output.sentence.sentence_end | boolean | 是否句子结束(true=最终结果,false=中间结果)。 |
| payload.output.sentence.sentence_id | integer | 句子的序号标识。正常识别结果中,sentence_id 从 1 开始递增。当 heartbeat 为 true 时(即心跳包),sentence_id 固定为 0。 |
| payload.output.sentence.words | array[object] | 字时间戳信息。 |
| payload.output.sentence.words.begin_time | integer | 字开始时间(ms)。 |
| payload.output.sentence.words.end_time | integer | 字结束时间(ms)。 |
| payload.output.sentence.words.text | string | 识别文本。 |
| payload.output.sentence.words.punctuation | string | 标点符号。 |
| payload.usage | object | 当前任务截至本事件的累计用量。 说明: usage 表示当前任务的累计用量,不要将各事件中的 usage 相加。任务完成后,以 task-finished 中的最终累计用量为准。 |
| payload.usage.duration | integer | 累计音频时长(秒),为兼容保留。 |
| payload.usage.input_tokens | integer | 累计输入 Token 数。 |
| payload.usage.output_tokens | integer | 累计输出 Token 数。 |
| payload.usage.total_tokens | integer | 累计 Token 总数,为 input_tokens 与 output_tokens 之和。 |
task-finished
任务处理完成,全部识别结果已返回。客户端可关闭连接,或复用连接开启新任务。
| 参数 | 类型 | 说明 |
|---|---|---|
| header | object | |
| header.task_id | string | 客户端生成的任务 ID(UUID 格式)。 |
| header.event | string | 事件类型,固定为 task-finished。 |
| header.attributes | object | 附加属性(通常为空)。 |
| payload | object | 包含 output(空对象)和 usage(本任务最终累计用量)。usage 字段定义与 result-generated 一致。 |
task-failed
任务失败。通过 error_code 和 error_message 获取错误原因。WebSocket 连接在任务失败后会被关闭,无法复用。
以下请求使用不支持的音频格式,用于展示 task-failed。错误码和错误信息随失败原因而变化。
| 参数 | 类型 | 说明 |
|---|---|---|
| header | object | |
| header.task_id | string | 客户端生成的任务 ID(UUID 格式)。 |
| header.event | string | 事件类型,固定为 task-failed。 |
| header.error_code | string | 错误类型描述。 |
| header.error_message | string | 具体错误原因。 |
| header.attributes | object | 附加属性(通常为空)。 |
| payload | object | 固定为{}。 |