Paraformer实时语音识别WebSocket API

用户指南：关于模型介绍和选型建议请参见语音识别，示例代码请参见实时语音识别。 DashScope SDK 目前仅支持 Java 和 Python。使用其他编程语言时，可通过 WebSocket 连接与服务进行通信。

​

接口地址

Paraformer仅支持在华北2（北京）地域使用。WebSocket URL 固定如下： wss://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api-ws/v1/inference 调用时请将{WorkspaceId}替换为真实的Workspace ID。

​

请求头

请求头中需添加如下信息：

参数	类型	是否必选	说明
Authorization	string	是	鉴权令牌，格式为Bearer <your_api_key>，使用时，将“<your_api_key>”替换为实际的API Key。
user-agent	string	否	客户端标识，便于服务端追踪来源。
X-DashScope-WorkSpace	string	否	阿里云百炼业务空间ID。
X-DashScope-DataInspection	string	否	是否启用数据合规检测功能。默认不传或设为enable。如非必要，请勿启用该参数。

​

交互流程

客户端事件和服务端事件的详细说明，请参见客户端事件和服务端事件。 按时间顺序，客户端与服务端的交互流程如下：

1. 建立连接：客户端与服务端建立 WebSocket 连接。
2. 开启任务：客户端发送 run-task 指令以开启任务，并接收服务端返回的 task-started 事件，标志着任务已成功开启，可以进行后续步骤。
3. 发送音频流：客户端开始发送二进制音频（须为单声道音频），并同时接收服务端持续返回的 result-generated 事件，该事件包含语音识别结果。
4. 通知服务端结束任务：客户端发送 finish-task 指令通知服务端结束任务，并继续接收服务端返回的 result-generated 事件。
5. 任务结束：客户端收到服务端返回的 task-finished 事件，标志着任务结束。
6. 关闭连接：客户端关闭 WebSocket 连接。