alicloud-ai-audio-asr

类别：提供方

Model Studio Qwen ASR（非实时）

验证

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

通过标准：命令以状态码 0 退出，并生成 output/alicloud-ai-audio-asr/validate.txt。

输出与证据

• 将转录文本和 API 响应存储在 output/alicloud-ai-audio-asr/ 下。
• 每次运行保留一份命令日志或示例响应。

使用 Qwen ASR 转录录制的音频（非实时），包括短音频同步调用和长音频异步任务。

关键模型名称

使用以下任一准确的模型字符串：

• qwen3-asr-flash
• qwen3-asr-flash-2026-02-10
• qwen-audio-asr
• qwen3-asr-flash-filetrans
• qwen3-asr-flash-filetrans-2025-11-17

选择指南：

• 对于短时或普通录音（同步），使用 qwen3-asr-flash、qwen3-asr-flash-2026-02-10 或 qwen-audio-asr。
• 对于长文件转录（异步任务工作流），使用 qwen3-asr-flash-filetrans 或 qwen3-asr-flash-filetrans-2025-11-17。

前置条件

• 安装 SDK 依赖项（脚本仅使用 Python 标准库）：

python3 -m venv .venv
. .venv/bin/activate

• 在环境中设置 DASHSCOPE_API_KEY，或将 dashscope_api_key 添加到 ~/.alibabacloud/credentials。

规范化接口（asr.transcribe）

请求

• audio（字符串，必填）：公开 URL 或本地文件路径。
• model（字符串，可选）：默认为 qwen3-asr-flash。
• language_hints（array，可选）：例如，zh、en。
• sample_rate（数字，可选）
• vocabulary_id（字符串，可选）
• disfluency_removal_enabled（bool，可选）
• timestamp_granularities（array，可选）：例如，sentence。
• async（bool，可选）：同步模型默认为 false，qwen3-asr-flash-filetrans 默认为 true。

响应

• text（字符串）：规范化的转录文本。
• task_id（字符串，可选）：异步提交时提供。
• status（字符串）：SUCCEEDED 或提交状态。
• raw（对象）：原始 API 响应。

快速开始（官方 HTTP API）

同步转录（兼容 OpenAI 协议）：

curl -sS --location 'https://dashscope.aliyuncs.com/compatible-mode/v1/chat/completions' \
  --header "Authorization: Bearer $DASHSCOPE_API_KEY" \
  --header 'Content-Type: application/json' \
  --data '{
    "model": "qwen3-asr-flash",
    "messages": [
      {
        "role": "user",
        "content": [
          {
            "type": "input_audio",
            "input_audio": {
              "data": "https://dashscope.oss-cn-beijing.aliyuncs.com/audios/welcome.mp3"
            }
          }
        ]
      }
    ],
    "stream": false,
    "asr_options": {
      "enable_itn": false
    }
  }'

长文件异步转录（DashScope 协议）：

curl -sS --location 'https://dashscope.aliyuncs.com/api/v1/services/audio/asr/transcription' \
  --header "Authorization: Bearer $DASHSCOPE_API_KEY" \
  --header 'X-DashScope-Async: enable' \
  --header 'Content-Type: application/json' \
  --data '{
    "model": "qwen3-asr-flash-filetrans",
    "input": {
      "file_url": "https://dashscope.oss-cn-beijing.aliyuncs.com/audios/welcome.mp3"
    }
  }'

轮询任务结果：

curl -sS --location "https://dashscope.aliyuncs.com/api/v1/tasks/<task_id>" \
  --header "Authorization: Bearer $DASHSCOPE_API_KEY"

本地辅助脚本

使用随附脚本处理 URL 或本地文件输入，并可选择进行异步轮询：

python skills/ai/audio/alicloud-ai-audio-asr/scripts/transcribe_audio.py \
  --audio "https://dashscope.oss-cn-beijing.aliyuncs.com/audios/welcome.mp3" \
  --model qwen3-asr-flash \
  --language-hints zh,en \
  --print-response

长文件模式：

python skills/ai/audio/alicloud-ai-audio-asr/scripts/transcribe_audio.py \
  --audio "https://dashscope.oss-cn-beijing.aliyuncs.com/audios/welcome.mp3" \
  --model qwen3-asr-flash-filetrans \
  --async \
  --wait

操作指南

• 对于本地文件，若无法使用直接 URL，请使用 input_audio.data（data URI）。
• 尽量减少 language_hints，以降低识别歧义。
• 对于异步任务，使用 5-20s 的轮询间隔，并设置最大重试次数限制。
• 将规范化输出保存到 output/alicloud-ai-audio-asr/transcripts/ 下。

输出位置

• 默认输出：output/alicloud-ai-audio-asr/transcripts/
• 使用 OUTPUT_DIR 覆盖基础目录。

工作流

1. 确认用户意图、区域、标识符，以及操作是只读还是会更改数据。
2. 先运行一条最精简的只读查询，以验证连接和权限。
3. 使用明确的参数和有限的操作范围执行目标操作。
4. 验证结果并保存输出和证据文件。

参考资料

• references/api_reference.md
• references/sources.md
• 实时合成由 skills/ai/audio/alicloud-ai-audio-tts-realtime/ 提供。