tkasr_qwen_api プログラム仕様

Qwen3-ASR OpenAI互換APIバックエンド(標準ライブラリのみ)。

Python標準ライブラリのみで実装された、Qwen3 ASRモデルを利用するためのOpenAI互換APIバックエンドを提供します。 このモジュールは、指定された音声ファイルをQwen ASR APIに送信し、文字起こし結果を取得する機能を提供します。

tkasr_qwen_api.py Documentation

class tkasr_qwen_api.Backend(args)

ベースクラス: object

Qwen3-ASR OpenAI互換APIバックエンドの実装クラス。

音声ファイルをQwen ASR APIに送信し、文字起こし結果を取得する機能を提供します。 このクラスは、コマンドライン引数または設定オブジェクトを通じてAPIの設定を受け取ります。

describe()

バックエンドの情報を記述する辞書を返します。

バックエンド名、APIベースURL、使用モデルなどの設定情報を提供します。 これは、実行中のバックエンドの状態や設定を確認するために使用されます。

戻り値:

dict: バックエンド情報を含む辞書。

load()

バックエンドのロード処理を実行します。

現在の実装では何も行いませんが、将来的な拡張のために存在します。 例えば、モデルファイルの事前読み込みなどに使用できます。

transcribe(audio: Path, language: str | None, prompt: str) → ASRResult

指定された音声ファイルを文字起こしします。

Qwen OpenAI互換APIの /audio/transcriptions エンドポイントを使用して、 音声データをmultipart/form-data形式で送信し、文字起こし結果を取得します。 APIからの応答が不正な場合や、接続エラーが発生した場合はRuntimeErrorを発生させます。

パラメータ:
  • audio -- Path: 文字起こしする音声ファイルへのパス。

  • language -- Optional[str]: (オプション) 音声の言語。ISO-639-1形式(例: "ja"、"en")。指定しない場合、APIが自動検出します。

  • prompt -- str: (オプション) 文字起こしをガイドするためのプロンプトテキスト。APIがより正確な結果を生成するのに役立ちます。

戻り値:

ASRResult: 文字起こし結果を含むオブジェクト。text、language、`metadata`(API応答全体)が含まれます。

例外:

RuntimeError -- ASR APIエラー、接続エラー、またはAPIの応答形式が不正な場合に発生します。