实时语音识别（Qwen-Audio-ASR-Streaming）客户端事件

run-task

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。

{
    "header": {
        "action": "run-task",
        "task_id": "2bf83b9a-baeb-4fda-8d9a-xxxxxxxxxxxx",
        "streaming": "duplex"
    },
    "payload": {
        "task_group": "audio",
        "task": "asr",
        "function": "recognition",
        "model": "qwen-audio-3.1-asr-flash-streaming",
        "parameters": {
            "format": "pcm",
            "sample_rate": 16000
        },
        "input": {}
    }
}

参数	类型	说明
header	object	（必选）
header.action	string	（必选）指令类型，固定为 `run-task`。
header.task_id	string	（必选）客户端生成的任务 ID（UUID 格式），用于关联后续事件。
header.streaming	string	（必选）固定为 `duplex`。
payload	object	（必选）
payload.task_group	string	（必选）任务组，固定为 `audio`。
payload.task	string	（必选）任务类型，固定为 `asr`。
payload.function	string	（必选）功能类型。固定为`recognition`。
payload.model	string	（必选）模型名称。
payload.input	object	（必选）输入对象。不携带上下文时传入`{}`。
payload.input.context	array(object)	（可选）对话上下文，用于辅助识别、提升专有词汇的识别准确率。使用方法详见上下文增强。提示：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（按字符数计算，每个字符计为 1），超出部分从末尾截断。提示：携带上下文时，`context` 中的消息顺序有要求：上下文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。
payload.input.context.role	string	（必选）消息角色。取值范围： `user`：前几轮用户语音的识别结果或领域相关的词表。 `assistant`：前几轮大语言模型的回复内容。
payload.input.context.content	array(object)	（必选）消息内容列表。
payload.input.context.content.type	string	（必选）内容类型。取值范围： `input_text`：前几轮用户语音的识别结果或领域相关的词表（role 为 user 时使用），需同时传入 `text` 字段。 `text`：前几轮大语言模型的回复内容（role 为 assistant 时使用），需同时传入 `text` 字段。
payload.input.context.content.text	string	（必选）文本内容。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。
payload.parameters	object	（必选）语音识别参数。
payload.parameters.keep_dialect	boolean	（可选）说明：仅适用于 `qwen-audio-3.1-asr-flash-streaming`。是否保留方言表达，默认值为 `false`。`false`：将方言转写为普通话文本；`true`：保留方言表达。
payload.parameters.vad_model	string	（可选）说明：仅适用于 `qwen-audio-3.1-asr-flash-streaming`。 VAD 模型，默认值为 `far_field_meeting_16k`。 `near_meeting_16k`：近场场景。 `far_field_meeting_16k`：远场场景。
payload.parameters.format	string	（必选）音频格式。取值范围： `pcm` `wav` `mp3` `opus` `speex` `aac` `amr` 提示： opus/speex：必须使用Ogg封装； wav：必须为PCM编码； amr：仅支持AMR-NB类型。
payload.parameters.sample_rate	integer	（必选）采样率（Hz），支持任意采样率。
payload.parameters.vocabulary_id	string	（可选）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。
payload.parameters.vocabulary	object	（可选）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。
payload.parameters.language_hints	array[string]	（可选）待识别音频语种。无默认值，不设置时模型自动识别。最多支持设置 4 个值，超出时仅前 4 个生效。 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
payload.parameters.semantic_punctuation_enabled	boolean	（可选）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（Voice Activity Detection，语音活动检测）断句延迟较低，适合交互场景。
payload.parameters.max_sentence_silence	integer	（可选） 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，系统会判定该句子已结束。当`semantic_punctuation_enabled`为true时，不作为`sentence_end`返回依据，但设置过小可能会影响识别效果。默认值：1300。取值范围：[200, 6000]。
payload.parameters.multi_threshold_mode_enabled	boolean	（可选）提示：仅在`semantic_punctuation_enabled`参数为false时生效。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。
payload.parameters.heartbeat	boolean	（可选）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，连接也将在一定时间后因超时而断开。静音音频指的是在音频文件或数据流中没有声音信号的内容。静音音频可以通过多种方法生成，例如使用音频编辑软件如Audacity或Adobe Audition，或者通过命令行工具如FFmpeg。
payload.parameters.speech_noise_threshold	float	（可选）语音与噪音的判定阈值，用于调整语音活动检测（VAD）的灵敏度。取值范围：[-1.0, 1.0]。取值说明：取值越接近 -1：降低噪音判定阈值，噪音被识别为语音的概率增大，可能导致更多噪音被转写取值越接近 +1：提高噪音判定阈值，语音被误判为噪音的概率增大，可能导致部分语音被过滤此参数为高级配置参数，调整可能显著影响识别效果，建议：调整前充分测试验证效果根据实际音频环境小幅度调整（建议步长 0.1）
payload.parameters.special_word_filter	string	（可选）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。

continue-task

在任务执行过程中更新对话上下文信息，用于辅助识别。 发送时机：任务运行中，需要更新对话上下文时发送。

{
    "header": {
        "action": "continue-task",
        "task_id": "2bf83b9a-baeb-4fda-8d9a-xxxxxxxxxxxx",
        "streaming": "duplex"
    },
    "payload": {
        "input": {
            "context": [
                {
                    "role": "user",
                    "content": [
                        {
                            "type": "input_text",
                            "text": "你好啊"
                        }
                    ]
                },
                {
                    "role": "assistant",
                    "content": [
                        {
                            "type": "text",
                            "text": "你好啊，我是通义千问，有什么可以帮助你的？"
                        }
                    ]
                }
            ]
        }
    }
}

参数	类型	说明
header	object	（必选）
header.action	string	（必选）指令类型，固定为 `continue-task`。
header.task_id	string	（必选）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。
header.streaming	string	（必选）固定为 `duplex`。
payload	object	（必选）
payload.input	object	（必选）输入对象。
payload.input.context	array(object)	（可选）对话上下文，用于辅助识别、提升专有词汇的识别准确率。使用方法详见上下文增强。提示：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（按字符数计算，每个字符计为 1），超出部分从末尾截断。提示：携带上下文时，`context` 中的消息顺序有要求：上下文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。
payload.input.context.role	string	（必选）消息角色。取值范围： `user`：前几轮用户语音的识别结果或领域相关的词表。 `assistant`：前几轮大语言模型的回复内容。
payload.input.context.content	array(object)	（必选）消息内容列表。
payload.input.context.content.type	string	（必选）内容类型。取值范围： `input_text`：前几轮用户语音的识别结果或领域相关的词表（role 为 user 时使用），需同时传入 `text` 字段。 `text`：前几轮大语言模型的回复内容（role 为 assistant 时使用），需同时传入 `text` 字段。
payload.input.context.content.text	string	（必选）文本内容。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。

finish-task

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。

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

参数	类型	说明
header	object	（必选）
header.action	string	（必选）指令类型，固定为 `finish-task`。
header.task_id	string	（必选）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。
header.streaming	string	（必选）固定为 `duplex`。
payload	object	（必选）
payload.input	object	（必选）固定为`{}`。

​run-task

​continue-task

​finish-task

run-task

continue-task

finish-task