mcpField
A
alicloud-ai-audio-asr-realtime

alicloud-ai-audio-asr-realtime

github.com/cinienceクリエイティブ・メディア39695 回インストール11 週間前に更新
リポジトリ

alicloud-ai-audio-asr-realtime について

Alibaba Cloud Model Studio Qwen ASR によるリアルタイム音声認識スキルです。ストリーミングリクエストを準備し、認識テキストの断片と最終結果の印を返します。

主な機能

  1. 01リアルタイム ASR リクエストの準備
  2. 02ストリーミングセッション設定への対応
  3. 03認識テキスト断片の返却
  4. 04最終結果の識別

活用シーン

  1. 01リアルタイム字幕の生成
  2. 02音声エージェントへの双方向入力
  3. 03ブラウザーやターミナルクライアントでの音声ストリーム文字起こし

インストール

コマンドをコピーしてターミナルで実行します。

$npx skills add https://github.com/cinience/alicloud-skills --skill alicloud-ai-audio-asr-realtime

インストール後、Claude Code で/alicloud-ai-audio-asr-realtimeを入力して読み込まれたか確認します。

同梱ファイル

SKILL.md と一緒にインストールされる参考資料やスクリプト。

agents/
openai.yaml
references/
sources.md
scripts/
prepare_realtime_asr_request.py

詳細

Category: provider

Model Studio Qwen ASR Realtime

検証

mkdir -p output/alicloud-ai-audio-asr-realtime
python -m py_compile skills/ai/audio/alicloud-ai-audio-asr-realtime/scripts/prepare_realtime_asr_request.py && echo "py_compile_ok" > output/alicloud-ai-audio-asr-realtime/validate.txt

合格基準：コマンドが 0 で終了し、output/alicloud-ai-audio-asr-realtime/validate.txt が生成されます。

出力と証拠

  • セッションのペイロードと応答サンプルを output/alicloud-ai-audio-asr-realtime/ に保存します。

重要なモデル名

次のいずれかのモデル文字列を正確に使用してください。

  • qwen3-asr-flash-realtime
  • qwen3-asr-flash-realtime-2026-02-10

ユースケース

  • リアルタイムの字幕とキャプション
  • 音声エージェントの双方向入力
  • ブラウザーまたはターミナルクライアントでのストリーミング音声テキスト変換

前提条件

  • 環境に DASHSCOPE_API_KEY を設定するか、~/.alibabacloud/credentials に dashscope_api_key を追加します。
  • リアルタイムセッションでは通常、クライアントで WebSocket またはストリーミングセッションの処理が必要です。

正規化されたインターフェース（asr.realtime）

リクエスト
  • model（string、任意）：デフォルトは qwen3-asr-flash-realtime
  • language_hints（array、任意）
  • format（string、任意）：例：pcm、wav
  • sample_rate（int、任意）：例：16000
  • chunk_ms（int、任意）：フレームサイズ（ミリ秒）
レスポンス
  • text（string）：認識された文字起こしの断片
  • is_final（bool）：確定を示すマーカー
  • usage（object、任意）

クイックスタート

リクエストテンプレートを生成します。

python skills/ai/audio/alicloud-ai-audio-asr-realtime/scripts/prepare_realtime_asr_request.py \
  --output output/alicloud-ai-audio-asr-realtime/request.json

運用ガイダンス

  • クライアントの構成で別の形式が必要でない限り、16kHz のモノラル PCM を優先してください。
  • 応答性の高い部分結果が得られるよう、チャンクを十分に小さくしてください。
  • 録音済みファイルしかない場合は、代わりに skills/ai/audio/alicloud-ai-audio-asr/ を使用してください。

参考資料

  • references/sources.md

コメント

Markdown 対応