mcpField
A
alicloud-ai-audio-asr-realtime

alicloud-ai-audio-asr-realtime

github.com/cinience创意与媒体39695 次安装11 周前更新
代码仓库

关于 alicloud-ai-audio-asr-realtime

使用 Alibaba Cloud Model Studio Qwen ASR 进行实时语音识别的技能，可准备流式请求并返回转录片段及最终结果标记。

主要功能

  1. 01准备实时 ASR 请求模板
  2. 02支持流式会话参数
  3. 03返回转录文本片段
  4. 04标记最终转录结果

适用场景

  1. 01生成实时字幕
  2. 02为语音 Agent 提供双向输入
  3. 03在浏览器或终端客户端转录流式音频

安装

复制下面的命令，在终端中运行。

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

安装后在 Claude Code 中输入/alicloud-ai-audio-asr-realtime确认已加载。

包含的文件

除 SKILL.md 外，安装时一起下载的参考资料和脚本。

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

详细介绍

类别：provider

Model Studio Qwen 实时 ASR

验证

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

通过标准：命令以 0 退出，且生成 output/alicloud-ai-audio-asr-realtime/validate.txt。

输出与证据

  • 将会话负载和响应示例保存到 output/alicloud-ai-audio-asr-realtime/ 下。

关键模型名称

使用以下某个确切的模型字符串：

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

使用场景

  • 实时字幕和说明文字
  • 语音 Agent 双工输入
  • 在浏览器或终端客户端中进行流式语音转文本

先决条件

  • 在环境中设置 DASHSCOPE_API_KEY，或将 dashscope_api_key 添加到 ~/.alibabacloud/credentials。
  • 实时会话通常需要在客户端处理 WebSocket 或流式会话。

规范化接口（asr.realtime）

请求
  • model（字符串，可选）：默认值为 qwen3-asr-flash-realtime
  • language_hints（array，可选）
  • format（字符串，可选）：例如 pcm、wav
  • sample_rate（int，可选）：例如 16000
  • chunk_ms（int，可选）：以毫秒为单位的帧大小
响应
  • text（字符串）：识别出的转录片段
  • is_final（bool）：最终状态标记
  • usage（object，可选）

快速开始

生成请求模板：

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

操作指南

  • 除非客户端技术栈要求使用其他格式，否则优先使用 16kHz 单声道 PCM。
  • 将分块控制在足够小的大小，以便快速获得部分结果。
  • 如果只有录制文件，请改用 skills/ai/audio/alicloud-ai-audio-asr/。

参考资料

  • references/sources.md

评论

支持 Markdown