mcpField
A
aliyun-qwen-asr-realtime

aliyun-qwen-asr-realtime

github.com/cinience生产力39659 次安装11 周前更新
代码仓库

关于 aliyun-qwen-asr-realtime

该技能用于通过 Alibaba Cloud Model Studio 的 Qwen ASR 实时接口执行流式语音转写，面向字幕和语音 Agent 等场景。它提供会话请求模板，并支持识别片段及最终状态标记。

主要功能

  1. 01实时流式语音转写
  2. 02返回识别文本片段
  3. 03标记转写是否完成
  4. 04配置语言提示与音频格式
  5. 05生成会话请求模板

适用场景

  1. 01生成实时字幕
  2. 02为语音 Agent 提供双向语音输入
  3. 03在浏览器或终端客户端进行流式转写

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 aliyun-qwen-asr-realtime

安装后在 Claude Code 中输入/aliyun-qwen-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：提供商

Model Studio Qwen 实时 ASR

验证

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

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

输出与证据

  • 将会话载荷和响应示例保存在 output/aliyun-qwen-asr-realtime/ 下。

关键模型名称

使用以下精确模型字符串之一：

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

使用场景

  • 实时字幕
  • 语音 Agent 双向输入
  • 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）：帧大小，单位为毫秒
响应
  • text（字符串）：识别出的转录片段
  • is_final（bool）：最终结果标记
  • usage（对象，可选）

快速开始

生成请求模板：

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

操作指南

  • 除非客户端技术栈要求其他格式，否则优先使用 16kHz 单声道 PCM。
  • 分块大小应足够小，以便及时返回部分结果。
  • 如果只有录制文件，请改用 skills/ai/audio/aliyun-qwen-asr/。

参考资料

  • references/sources.md

评论

支持 Markdown