跳转到主要内容
Qwen-Audio-ASR-Streaming

实时语音识别(Qwen-Audio-ASR-Streaming)服务端事件

本文介绍 Qwen-Audio-ASR-Streaming 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。

task-started

任务启动成功,客户端可开始发送音频数据。
{
    "header": {
        "task_id": "2bf83b9a-baeb-4fda-8d9a-xxxxxxxxxxxx",
        "event": "task-started",
        "attributes": {}
    },
    "payload": {}
}
参数类型说明
headerobject
header.task_idstring客户端生成的任务 ID(UUID 格式)。
header.eventstring事件类型,固定为 task-started。
header.attributesobject附加属性(通常为空)。
payloadobject固定为{}。

result-generated

识别结果,包含中间结果(sentence_end=false)和最终结果(sentence_end=true)。其中,新句子的首个中间结果包含 sentence_begin=true。 句子开始结果:
{
  "header": {
    "task_id": "2bf83b9a-baeb-4fda-8d9a-xxxxxxxxxxxx",
    "event": "result-generated",
    "attributes": {}
  },
  "payload": {
    "output": {
      "sentence": {
        "begin_time": 0,
        "end_time": null,
        "text": "",
        "sentence_begin": true,
        "sentence_end": false,
        "sentence_id": 1,
        "words": []
      }
    }
  }
}
最终结果:
{
  "header": {
    "task_id": "2bf83b9a-baeb-4fda-8d9a-xxxxxxxxxxxx",
    "event": "result-generated",
    "attributes": {}
  },
  "payload": {
    "output": {
      "sentence": {
        "sentence_id": 1,
        "begin_time": 160,
        "end_time": 1640,
        "text": "欢迎使用阿里云。",
        "channel_id": 0,
        "speaker_id": null,
        "sentence_end": true,
        "words": [
          {
            "begin_time": 160,
            "end_time": 520,
            "text": "欢迎",
            "punctuation": "",
            "fixed": true,
            "speaker_id": null
          },
          {
            "begin_time": 520,
            "end_time": 880,
            "text": "使用",
            "punctuation": "",
            "fixed": true,
            "speaker_id": null
          },
          {
            "begin_time": 880,
            "end_time": 1640,
            "text": "阿里云",
            "punctuation": "。",
            "fixed": true,
            "speaker_id": null
          }
        ],
        "stash": {
          "sentence_id": 2,
          "text": "",
          "begin_time": 1640,
          "current_time": 1640,
          "words": []
        }
      },
      "text": "欢迎使用阿里云。",
      "request_id": "95372ce8e6704bcc8747da94789c15ca",
      "output": {
        "sentence": {
          "sentence_id": 1,
          "begin_time": 160,
          "end_time": 1640,
          "text": "欢迎使用阿里云。",
          "channel_id": 0,
          "speaker_id": null,
          "sentence_end": true,
          "words": [
            {
              "begin_time": 160,
              "end_time": 520,
              "text": "欢迎",
              "punctuation": "",
              "fixed": true,
              "speaker_id": null
            },
            {
              "begin_time": 520,
              "end_time": 880,
              "text": "使用",
              "punctuation": "",
              "fixed": true,
              "speaker_id": null
            },
            {
              "begin_time": 880,
              "end_time": 1640,
              "text": "阿里云",
              "punctuation": "。",
              "fixed": true,
              "speaker_id": null
            }
          ],
          "stash": {
            "sentence_id": 2,
            "text": "",
            "begin_time": 1640,
            "current_time": 1640,
            "words": []
          }
        },
        "text": "欢迎使用阿里云。",
        "request_id": "95372ce8e6704bcc8747da94789c15ca"
      },
      "usage": {
        "duration": 2,
        "input_tokens": 85,
        "output_tokens": 4,
        "total_tokens": 89
      }
    },
    "usage": {
      "duration": 2,
      "input_tokens": 85,
      "output_tokens": 4,
      "total_tokens": 89
    }
  }
}
参数类型说明
headerobject
header.task_idstring客户端生成的任务 ID(UUID 格式)。
header.eventstring事件类型,固定为 result-generated。
payloadobject
payload.outputobject
payload.output.sentenceobject
payload.output.sentence.begin_timeinteger句子开始时间(ms)。
payload.output.sentence.end_timeinteger句子结束时间(ms)。
payload.output.sentence.textstring识别文本。
payload.output.sentence.heartbeatboolean若为 true,可跳过该结果(心跳包)。
payload.output.sentence.sentence_beginboolean用于标识句子开始。
payload.output.sentence.sentence_endboolean是否句子结束(true=最终结果,false=中间结果)。
payload.output.sentence.sentence_idinteger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.wordsarray[object]字时间戳信息。
payload.output.sentence.words.begin_timeinteger字开始时间(ms)。
payload.output.sentence.words.end_timeinteger字结束时间(ms)。
payload.output.sentence.words.textstring识别文本。
payload.output.sentence.words.punctuationstring标点符号。
payload.usageobject 当前任务的累计用量。
payload.usage.input_tokensinteger累计输入 Token 数。 说明: 适用于 qwen-audio-3.1-asr-flash-streaming。
payload.usage.output_tokensinteger累计输出 Token 数。 说明: 适用于 qwen-audio-3.1-asr-flash-streaming。
payload.usage.total_tokensinteger累计 Token 总数,为输入和输出 Token 数之和。 说明: 适用于 qwen-audio-3.1-asr-flash-streaming。
payload.usage.durationinteger累计音频时长(秒)。 说明: 用于 qwen-audio-3.0-asr-flash-streaming 的计费。

task-finished

任务正常结束,可关闭连接或复用连接。
{
  "header": {
    "task_id": "2bf83b9a-baeb-4fda-8d9a-xxxxxxxxxxxx",
    "event": "task-finished",
    "attributes": {}
  },
  "payload": {
    "output": {},
    "usage": {
      "duration": 9,
      "input_tokens": 365,
      "output_tokens": 12,
      "total_tokens": 377
    }
  }
}
参数类型说明
headerobject
header.task_idstring客户端生成的任务 ID(UUID 格式)。
header.eventstring事件类型,固定为 task-finished。
header.attributesobject附加属性(通常为空)。
payload.usageobject任务结束时的累计用量。字段含义与 result-generated.usage相同。

task-failed

任务失败,连接会被关闭,无法复用。
{
    "header": {
        "task_id": "2bf83b9a-baeb-4fda-8d9a-xxxxxxxxxxxx",
        "event": "task-failed",
        "error_code": "CLIENT_ERROR",
        "error_message": "request timeout after 23 seconds.",
        "attributes": {}
    },
    "payload": {}
}
参数类型说明
headerobject
header.task_idstring客户端生成的任务 ID(UUID 格式)。
header.eventstring事件类型,固定为 task-failed。
header.error_codestring错误类型描述。
header.error_messagestring具体错误原因。
header.attributesobject附加属性(通常为空)。
payloadobject固定为{}。
实时语音识别(Qwen-Audio-ASR-Streaming)服务端事件 - 千问AI平台