Qwen Streaming ASR

使用阿里云 Qwen Server VAD 检测说话起止，同时把流式语音转换为预览和最终 Transcript。 它只负责事实采集：speech.started/stopped 是观察 Event，最终 Transcript 交给 builtin.voice_turn_controller 决定是否建立新轮次和取消旧播放。

属性	值
Node Type	qwen.asr_realtime
层级 / 角色	algorithm / transform
Capability	speech.vad_asr.streaming

Port

Port	方向	Schema
audio_in	输入 Audio	PCM S16LE、16 kHz、单声道、流式
speech_out	输出 Event	Server VAD 的 speech.started / speech.stopped
signal_out	输出 Signal	仅兼容旧图；新图禁止连接并保持 legacy 开关关闭
transcript_preview_out	输出 Text	临时转写
text_out	输出 Text	Server VAD 已结束该轮后提交的最终 Transcript
event_out	输出 Event	转写失败状态

配置

model 默认是 qwen3-asr-flash-realtime，language 默认是 zh。Demo 2 默认把 vad_threshold 设为 0.45：数值越低越容易触发，越高越能过滤低能量声音； silence_duration_ms 用于调整一句话结束判定。需要调节时，在 Studio 画布选择 qwen-vad-asr，修改 Configuration 中的 vad_threshold，再点击 Validate 和 Save graph。需要配置共享的 dashscope Connection。 该 Node 只输出与客户端无关的语义 Frame。Demo 2 会把 Text/Event 分叉给 Graph 内部处理 Node 和项目级 Voice Room 协议 Node。即使厂商事件乱序，Node 也会等待 speech.stopped 后才提交 text_out，并丢弃 Final 之后迟到的 Preview，因此不需要额外 Turn Context Node。 ASR Provider 不提供取消 Signal，也不判断口水词、咳嗽或短句；这些准入与取消策略统一 配置在 Voice Turn Controller 中。

协议与模型范围以阿里云 Qwen 实时语音识别文档为准。