modelscope-funasr中，funasr把语音识别结果返回给Java后端Java要传哪些？

在使用ModelScope FunASR进行非实时语音识别时，Java后端（Spring Boot）需要从前端接收文件，并将文件传递给FunASR服务以获取语音识别结果。以下是Java后端需要传递的关键参数及其说明：

1. API Key

• 描述：用于身份验证的密钥，确保请求的合法性。
• 设置方式：
  • 建议将API Key配置到环境变量中，避免硬编码在代码中。
  • 如果未配置环境变量，则需要在代码中显式指定API Key。
• 示例：

  .apiKey("your-api-key")
  

2. 模型名称

• 描述：指定使用的语音识别模型。
• 要求：必须通过model参数指定，固定为sensevoice-v1。
• 示例：

  .model("sensevoice-v1")
  

3. 待识别音频的URL

• 描述：FunASR不支持直接上传本地文件，需提供可通过公网访问的音频文件URL。
• 要求：
  • URL需支持HTTP/HTTPS协议。
  • 单次请求最多支持100个URL。
• 示例：

  .fileUrls(Arrays.asList("https://your-domain.com/file.mp3"))
  

4. 音频格式与采样率

• 描述：确保音频文件符合FunASR的要求，否则可能导致识别失败。
• 要求：
  • 支持的格式包括WAV、MP3等。
  • 推荐的采样率为8KHz或16KHz，单声道，16位采样位数。
• 检查方法：
  • 使用工具（如file命令、Sox或FFmpeg）检查音频格式并转换为标准格式。

5. 任务提交方式

• 描述：FunASR支持异步提交任务和同步等待结果的方式。
• 流程：
  1. 创建Transcription实例。
  2. 调用asyncCall方法提交任务，传入TranscriptionParam实例。
  3. 使用wait方法阻塞等待任务完成，或通过fetch方法轮询任务状态。
• 示例：

  Transcription transcription = new Transcription();
  TranscriptionParam param = TranscriptionParam.builder()
      .apiKey("your-api-key")
      .model("sensevoice-v1")
      .fileUrls(Arrays.asList("https://your-domain.com/file.mp3"))
      .build();
  TranscriptionResult result = transcription.asyncCall(param);
  result.wait(); // 阻塞等待任务完成
  

6. 其他可选参数

• 描述：根据需求，可以设置额外的参数以优化识别效果。
• 常见参数：
  • language：指定音频的语言（如中文、英文）。
  • format：明确音频文件的格式（如WAV、MP3）。
  • sampleRate：指定音频的采样率（如8000、16000）。

重要提醒

• 文件URL的有效性：确保提供的音频文件URL可以通过公网访问，且文件未过期或被删除。
• 任务结果有效期：识别结果和下载链接仅在24小时内有效，请及时处理。
• 错误排查：
  • 如果识别失败，请检查音频格式是否符合要求。
  • 确保API Key和模型名称正确无误。

通过以上步骤，Java后端可以成功将前端传递的文件发送至FunASR，并获取语音识别结果。