实时音视频翻译(Qwen-Livetranslate-Realtime)
实时音视频翻译(Qwen-LiveTranslate)Java SDK-API参考
本文档介绍如何使用 DashScope Java SDK 调用实时音视频翻译(Qwen-LiveTranslate)模型。
前提条件
- 安装SDK,确保DashScope SDK版本不低于2.22.5。
- 获取与配置 API Key。
- 了解实时语音/音视频翻译-千问。
阿里云百炼为华北2(北京)、新加坡地域推出了业务空间专属域名,能够为推理请求提供卓越的性能和更高的稳定性,建议迁移至新域名:
- 华北2(北京)地域:从
wss://dashscope.aliyuncs.com 迁移至 wss://{WorkspaceId}.cn-beijing.maas.aliyuncs.com
- 新加坡地域:从
wss://dashscope-intl.aliyuncs.com 迁移至 wss://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com
其中 {WorkspaceId} 为您的业务空间 ID,可在阿里云百炼控制台的业务空间详情页面查看。现有域名仍可正常使用。
请求参数
-
以下参数通过
OmniRealtimeParam的链式方法设置。
OmniRealtimeParam param = OmniRealtimeParam.builder()
.model("qwen3.5-livetranslate-flash-realtime")
// 以下为华北2(北京)地域的URL。请将 {WorkspaceId} 替换为您的百炼业务空间ID,各地域的URL不同。
.url("wss://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api-ws/v1/realtime")
// 各地域的API Key不同。获取API Key:https://help.aliyun.com/zh/model-studio/get-api-key
// 若没有配置环境变量,请用百炼API Key将下行替换为:.apikey("sk-xxx")
.apikey(System.getenv("DASHSCOPE_API_KEY"))
.build();
| 参数 | 类型 | 是否必须 | 说明 |
|---|
model | String | 是 | 指定要使用的模型名称,推荐使用qwen3.5-livetranslate-flash-realtime。
qwen3-livetranslate-flash-realtime为旧版模型。
|
url | String | 是 | 实时翻译服务地址:
- 华北2(北京):
wss://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api-ws/v1/realtime
- 新加坡:
wss://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api-ws/v1/realtime
调用时请将{WorkspaceId}替换为真实的业务空间ID。 |
apikey | String | 否 | 设置API Key。 |
-
以下参数通过
OmniRealtimeConfig的链式方法设置。
// 设置翻译热词
Map<String, Object> phrases = new HashMap<>();
phrases.put("人工智能", "Artificial Intelligence");
phrases.put("机器学习", "Machine Learning");
OmniRealtimeConfig config = OmniRealtimeConfig.builder()
.modalities(Arrays.asList(OmniRealtimeModality.AUDIO, OmniRealtimeModality.TEXT))
.voice("Tina")
.inputAudioFormat(OmniRealtimeAudioFormat.PCM_16000HZ_MONO_16BIT)
.outputAudioFormat(OmniRealtimeAudioFormat.PCM_24000HZ_MONO_16BIT)
.InputAudioTranscription("qwen3-asr-flash-realtime")
.translationConfig(OmniRealtimeTranslationParam.builder()
.language("en")
.corpus(OmniRealtimeTranslationParam.Corpus.builder()
.phrases(phrases)
.build())
.build())
.build();
conversation.updateSession(config);
-
以下参数通过OmniRealtimeTranslationParam的链式方法设置。
// 设置翻译热词
Map<String, Object> phrases = new HashMap<>();
phrases.put("人工智能", "Artificial Intelligence"); // 源语言词: 目标语言翻译
phrases.put("机器学习", "Machine Learning");
OmniRealtimeTranslationParam translationParam = OmniRealtimeTranslationParam.builder()
.language("en") // 翻译目标语言代码
.corpus(OmniRealtimeTranslationParam.Corpus.builder()
.phrases(phrases)
.build())
.build();
参数 | 类型 | 是否必须 | 说明 |
|---|
language
| String
| 否 | 翻译目标语言代码。 默认值:en。 可选值:参见支持的语种。 |
corpus
| OmniRealtimeTranslationParam.Corpus
| 否 | 热词配置,用于提升特定词汇的翻译准确性。 |
corpus.phrases
| Map<String, Object>
| 否 | 热词映射表。key 为源语言词汇,value 为目标语言对应翻译。 示例:{"人工智能": "Artificial Intelligence"} |
关键接口
OmniRealtimeConversation类
OmniRealtimeConversation通过import com.alibaba.dashscope.audio.omni.OmniRealtimeConversation;方法引入。
| 方法签名 | 服务端响应事件(通过回调下发) | 说明 |
|---|
public OmniRealtimeConversation(OmniRealtimeParam param, OmniRealtimeCallback callback)
| 无 | 构造方法。 |
public void connect() throws NoApiKeyException, InterruptedException
| 服务端事件
会话已创建
服务端事件
会话配置已更新
| 和服务端创建连接。 |
public void updateSession(OmniRealtimeConfig config)
| 服务端事件
会话配置已更新
| 用于更新会话配置,建议在连接建立后首先调用该方法进行设置。若未调用该方法,系统将使用默认配置。只需关注OmniRealtimeConfig中涉及的参数。 |
public void appendAudio(String audioBase64)
| 无 | 将Base64编码后的音频数据片段追加到云端输入音频缓冲区。服务端会自动检测语音起止并触发翻译。 |
| input_audio_buffer.committed
输入音频缓冲区已提交
| Manual 模式下,提交之前通过appendAudio方法追加到云端缓冲区的音频,服务端收到后自动开始生成翻译响应。VAD 模式下无需调用此方法,服务端会自动提交。 |
public void clearAppendedAudio()
| input_audio_buffer.cleared
输入音频缓冲区已清空
| 清空当前云端缓冲区中尚未提交的音频数据。 |
public void endSession() throws InterruptedException
| session.finished
服务端完成语音翻译,结束会话
| 通知服务端结束会话,服务端收到会话结束通知后将完成最后的语音翻译。 |
public void close(int code, String reason)
| 无 | 终止任务,并关闭连接。 |
public String getSessionId()
| 无 | 获取当前任务的session_id。 |
public String getResponseId()
| 无 | 获取最近一次response的response_id。 |
public long getFirstTextDelay()
| 无 | 获取最近一次响应的首个文本延迟(毫秒)。 |
public long getFirstAudioDelay()
| 无 | 获取最近一次响应的首个音频延迟(毫秒)。 |
回调接口(OmniRealtimeCallback)
服务端会通过回调的方式,将服务端响应事件和数据返回给客户端。
继承此类并实现相应方法以处理服务端事件。
通过import com.alibaba.dashscope.audio.omni.OmniRealtimeCallback;引入。
| 方法签名 | 参数 | 说明 |
|---|
| 无 | WebSocket连接成功建立时触发。 |
public abstract void onEvent(JsonObject message)
| message:服务端事件 | 收到服务端事件时触发。 |
public abstract void onClose(int code, String reason)
| code:状态码reason:WebSocket连接关闭时的日志信息 | WebSocket连接关闭时触发。 |
完整示例
以下示例展示如何从麦克风实时录音并进行翻译。
import com.alibaba.dashscope.audio.omni.*;
import com.alibaba.dashscope.exception.NoApiKeyException;
import com.google.gson.JsonObject;
import javax.sound.sampled.*;
import java.util.*;
import java.util.concurrent.atomic.AtomicBoolean;
import com.alibaba.dashscope.utils.Constants;
/**
* 实时音视频翻译模型麦克风示例
*/
public class Main {
static {Constants.baseHttpApiUrl="https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api/v1";}
private static final int INPUT_CHUNK_SIZE = 3200; // 100ms 的 16kHz 16bit 单声道音频
private static final int OUTPUT_CHUNK_SIZE = 4800; // 100ms 的 24kHz 16bit 单声道音频
private static final AtomicBoolean running = new AtomicBoolean(true);
private static SourceDataLine speaker; // 扬声器
public static void main(String[] args) throws InterruptedException {
String apiKey = System.getenv("DASHSCOPE_API_KEY");
if (apiKey == null || apiKey.isEmpty()) {
System.err.println("请设置环境变量 DASHSCOPE_API_KEY");
System.exit(1);
}
// 创建连接参数
OmniRealtimeParam param = OmniRealtimeParam.builder()
.model("qwen3.5-livetranslate-flash-realtime")
.url("wss://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api-ws/v1/realtime")
.apikey(apiKey)
.build();
// 创建回调处理
OmniRealtimeCallback callback = new OmniRealtimeCallback() {
@Override
public void onOpen() {
System.out.println("[连接已建立]");
}
@Override
public void onEvent(JsonObject message) {
String type = message.get("type").getAsString();
switch (type) {
case "input_audio_buffer.speech_started":
System.out.println("====== 检测到语音输入 ======");
break;
case "input_audio_buffer.speech_stopped":
System.out.println("====== 语音输入结束 ======");
break;
case "conversation.item.input_audio_transcription.completed":
String originalText = message.get("transcript").getAsString();
System.out.println("[原文] " + originalText);
break;
case "response.audio_transcript.done":
String translatedText = message.get("transcript").getAsString();
System.out.println("[翻译结果] " + translatedText);
break;
case "response.audio.delta":
// 解码并播放翻译后的音频
String audioB64 = message.get("delta").getAsString();
byte[] audioBytes = Base64.getDecoder().decode(audioB64);
if (speaker != null) {
speaker.write(audioBytes, 0, audioBytes.length);
}
break;
case "error":
JsonObject error = message.get("error").getAsJsonObject();
System.err.println("[错误] " + error.get("message").getAsString());
break;
}
}
@Override
public void onClose(int code, String reason) {
System.out.println("[连接已关闭] code: " + code + ", reason: " + reason);
}
};
// 创建会话
OmniRealtimeConversation conversation = new OmniRealtimeConversation(param, callback);
try {
// 初始化扬声器(用于播放翻译后的语音)
AudioFormat speakerFormat = new AudioFormat(24000, 16, 1, true, false);
DataLine.Info speakerInfo = new DataLine.Info(SourceDataLine.class, speakerFormat);
speaker = (SourceDataLine) AudioSystem.getLine(speakerInfo);
speaker.open(speakerFormat, OUTPUT_CHUNK_SIZE * 4);
speaker.start();
// 初始化麦克风(用于采集语音输入)
AudioFormat micFormat = new AudioFormat(16000, 16, 1, true, false);
DataLine.Info micInfo = new DataLine.Info(TargetDataLine.class, micFormat);
if (!AudioSystem.isLineSupported(micInfo)) {
System.err.println("麦克风不可用");
System.exit(1);
}
TargetDataLine microphone = (TargetDataLine) AudioSystem.getLine(micInfo);
microphone.open(micFormat);
microphone.start();
// 连接服务端
conversation.connect();
// 配置翻译参数
Map<String, Object> phrases = new HashMap<>();
phrases.put("人工智能", "Artificial Intelligence");
phrases.put("机器学习", "Machine Learning");
OmniRealtimeConfig config = OmniRealtimeConfig.builder()
.modalities(Arrays.asList(OmniRealtimeModality.AUDIO, OmniRealtimeModality.TEXT))
.voice("Tina")
.inputAudioFormat(OmniRealtimeAudioFormat.PCM_16000HZ_MONO_16BIT)
.outputAudioFormat(OmniRealtimeAudioFormat.PCM_24000HZ_MONO_16BIT)
.InputAudioTranscription("qwen3-asr-flash-realtime")
.translationConfig(OmniRealtimeTranslationParam.builder()
.language("en")
.corpus(OmniRealtimeTranslationParam.Corpus.builder()
.phrases(phrases)
.build())
.build())
.build();
conversation.updateSession(config);
// 注册退出信号处理
Runtime.getRuntime().addShutdownHook(new Thread(() -> {
System.out.println("\n[正在退出...]");
running.set(false);
microphone.stop();
microphone.close();
speaker.stop();
speaker.close();
try {
conversation.endSession();
} catch (InterruptedException e) {
Thread.currentThread().interrupt();
}
conversation.close(1000, "用户停止");
}));
System.out.println("[开始实时翻译] 请对着麦克风说话,按 Ctrl+C 退出");
// 持续采集麦克风音频并发送
byte[] buffer = new byte[INPUT_CHUNK_SIZE];
while (running.get()) {
int bytesRead = microphone.read(buffer, 0, buffer.length);
if (bytesRead > 0) {
conversation.appendAudio(Base64.getEncoder().encodeToString(buffer));
}
}
} catch (NoApiKeyException e) {
System.err.println("API Key 错误: " + e.getMessage());
} catch (Exception e) {
System.err.println("发生异常: " + e.getMessage());
e.printStackTrace();
}
}
}