技能名称: aliyun-qwen-asr
详细描述:
类别: 提供者

Model Studio Qwen ASR（非实时）

验证

bash
mkdir -p output/aliyun-qwen-asr
python -m pycompile skills/ai/audio/aliyun-qwen-asr/scripts/transcribeaudio.py && echo pycompileok > output/aliyun-qwen-asr/validate.txt

通过标准：命令退出码为0，且生成了 output/aliyun-qwen-asr/validate.txt 文件。

输出与证据

• - 将转录文本和API响应存储在 output/aliyun-qwen-asr/ 目录下。
• 每次运行保留一个命令日志或示例响应。

使用Qwen ASR对录制的音频进行转录（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

使用以下精确的模型字符串之一：

• - 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/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。

前提条件

• - 安装SDK依赖（脚本仅使用Python标准库）：

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

• - 在环境中设置 DASHSCOPEAPIKEY，或将 dashscopeapikey 添加到 ~/.alibabacloud/credentials 文件中。

标准化接口（asr.transcribe）

请求

• - audio（字符串，必填）：公共URL或本地文件路径。
• model（字符串，可选）：默认为 qwen3-asr-flash。
• languagehints（字符串数组，可选）：例如 zh、en。
• samplerate（数字，可选）
• vocabularyid（字符串，可选）
• disfluencyremovalenabled（布尔值，可选）
• timestampgranularities（字符串数组，可选）：例如 sentence。
• async（布尔值，可选）：同步模型默认为false，qwen3-asr-flash-filetrans 默认为true。

响应

• - text（字符串）：标准化后的转录文本。
• task_id（字符串，可选）：异步提交时存在。
• 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）：

bash
curl -sS --location https://dashscope.aliyuncs.com/compatible-mode/v1/chat/completions \
--header Authorization: Bearer $DASHSCOPEAPIKEY \
--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
}
}

异步长文件转录（DashScope协议）：

bash
curl -sS --location https://dashscope.aliyuncs.com/api/v1/services/audio/asr/transcription \
--header Authorization: Bearer $DASHSCOPEAPIKEY \
--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：

bash
curl -sS --location https://dashscope.aliyuncs.com/api/v1/tasks/ \
--header Authorization: Bearer $DASHSCOPEAPIKEY

本地辅助脚本

使用捆绑脚本处理URL/本地文件输入，并可选择异步轮询：

bash
python skills/ai/audio/aliyun-qwen-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：

bash
python skills/ai/audio/aliyun-qwen-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，当无法直接使用URL时，请使用 inputaudio.data（数据URI）。
• 保持 languagehints 尽可能少，以减少识别歧义。
• 对于异步任务，使用5-20秒的轮询间隔，并设置最大重试保护。
• 将标准化输出保存在 output/aliyun-qwen-asr/transcripts/ 目录下。

输出位置

• - 默认输出：output/aliyun-qwen-asr/transcripts/
• 通过 OUTPUT_DIR 覆盖基础目录。

工作流程

1) 确认用户意图、区域、标识符，以及操作是只读还是修改。
2) 首先运行一个最小的只读查询，以验证连接和权限。
3) 使用明确的参数和有限的范围执行目标操作。
4) 验证结果并保存输出/证据文件。

参考资料

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