Qwen: Qwen3 ASR 0.6B

Qwen3-ASR-0.6B هو نموذج التعرّف على الكلام المصغّر من Qwen لتحويل الصوت المنطوق أو المغنّى إلى نص مع تحديد اللغة. يشترك في تغطية العائلة البالغة 30 لغة و22 لهجة، مع سيرَي عمل غير متدفق ومتدفق، ومحاذاة قسرية مستقلة للنص المصحوب بالتوقيت.

Ailoot Ultra · تفريغ صوتي POST /v1/audio/transcriptions qwen/qwen3-asr-0.6b

عن النموذج

يغطي هذا الوصف قدرات النموذج. وترد أدناه المدخلات والمخرجات والخيارات المتاحة في Ailoot للطريقة المحددة.

Qwen3-ASR-0.6B هو الإصدار المصغّر من عائلة Qwen3-ASR للتعرّف على الكلام لدى Qwen. يقبل الصوت وينتج تفريغًا نصيًا مع تسمية للغة. تضع الجهة المنتجة 0.6B في موضع يوازن بين جودة التعرّف والكفاءة، بينما يُعد 1.7B الإصدار الأكبر ذا الاسم المستقل. يستند كلاهما إلى فهم الصوت في Qwen3-Omni، ويتشاركان تغطية التعرّف الموثّقة والنهج الموحد للعمل غير المتدفق والمتدفق. ويمكن للإصدار المصغّر توفير مرحلة التفريغ النصي في سير عمل للملاحظات الصوتية أو إعداد الترجمة النصية أو التسجيلات القابلة للبحث.

اللغات واللهجات والتسجيلات المدعومة

توثّق Qwen التعرّف وتحديد اللغة لـ30 لغة و22 لهجة صينية، مع دعم لكنات الإنجليزية من مناطق مختلفة. ويسرد جدول اللغات الصينية والإنجليزية والكانتونية والعربية والألمانية والفرنسية والإسبانية والبرتغالية والإندونيسية والإيطالية والكورية والروسية والتايلاندية والفيتنامية واليابانية والتركية والهندية والملايوية والهولندية والسويدية والدنماركية والفنلندية والبولندية والتشيكية والفلبينية والفارسية واليونانية والمجرية والمقدونية والرومانية. وتشمل أنواع الصوت التي يمكن التعرّف عليها الكلام والصوت المغنّى والأغاني المصحوبة بموسيقى خلفية. يحتفظ الإصدار الأصغر بتغطية العائلة هذه؛ فحجمه لا يعني قائمة مختلفة من اللغات المدعومة.

التعرّف غير المتدفق وتحضير الإدخال

يمكن لمجموعة الأدوات الرسمية استقبال الصوت من مرجع ملف أو صوت مرمّز أو شكل موجي مع معدل أخذ عيناته. وهي تدعم المعالجة غير المتدفقة لعدة تسجيلات، والكشف التلقائي عن اللغة، وتحديد لغة مدعومة. وتتضمن النتيجة الموثّقة اللغة والنص المتعرَّف عليه. اختر اللغة المنطوقة عندما تعرفها، أو اترك للنموذج تحديدها عندما تتضمن مجموعة التسجيلات لغات مجهولة. احتفظ بمعرّف كل تسجيل بجوار نتيجته، حتى يمكن تتبّع التفريغ إلى المصدر الصحيح.

لمجموعة من الملاحظات الصوتية، احتفظ بنتيجة مستقلة لكل ملاحظة وراجع الأسماء والأرقام والعبارات غير الواضحة بالرجوع إلى التسجيل، قبل تحويل النص إلى مهام أو ملخص. ولشرح تعليمي منطوق، استخدم التفريغ لتحديد مواضع المقاطع والتحقق من صياغة كل تعليمة. وللغناء، استمع إلى الخط الغنائي عند مراجعة الكلمات بدلًا من قبول كلمة لمجرد أنها تبدو منطقية في الأغنية. هذه خطوات لإعداد الناتج النصي ومراجعته؛ ويمكن أن يأتي تلخيص التفريغ أو ترجمته أو تفسيره لاحقًا بوصفها عمليات مستقلة.

النص المتدفق وإنهاء التسجيل

يستخدم Qwen3-ASR النموذج نفسه للتعرّف غير المتدفق والمتدفق. في مثال البث لدى الجهة المنتجة، تحدّث أجزاء الصوت الواردة حالة تعرّف يُحتفظ بها، وتنتج خطوة الإنهاء النص المكتمل واللغة. وهذا يدعم عرضًا تدريجيًا مفيدًا للتفريغ الجاري. تعامل مع العرض المؤقت بوصفه حالة التعرّف الحالية، واحتفظ بالنتيجة النهائية بعد انتهاء التسجيل، مع إتاحة مصدر الصوت للتصحيح.

لا يدعم تنفيذ البث الموثّق الاستدلال بالدفعات أو إعادة الطوابع الزمنية ضمن ذلك المسار المتدفق. لذلك يُعد النص المتدفق، ومجموعة التفريغات غير المتدفقة، وإعداد الترجمة النصية المصحوبة بالتوقيت مسارات عمل منفصلة لدى الجهة المنتجة. وتوضح أحجام الأجزاء وإعدادات الرموز في مثالها تنفيذًا معينًا؛ وليست وعودًا عامة بزمن الاستجابة أو التزامن أو مدة الصوت. اختر سير العمل بحسب ما إذا كانت النتيجة المفيدة نصًا يصل أثناء التسجيل، أو نصًا مكتملًا لمجموعة، أو نصًا محاذيًا لخط زمني.

يستخدم النص المصحوب بالتوقيت Qwen3-ForcedAligner

Qwen3-ForcedAligner-0.6B هو نموذج محاذاة منفصل، رغم اشتراكه في تسمية الحجم 0.6B مع إصدار ASR هذا. يستقبل زوجًا من النص والصوت ويتنبأ بأوقات البداية والنهاية على مستوى الكلمات أو المحارف. ويمكن لمجموعة أدوات ASR غير المتدفقة لدى الجهة المنتجة استدعاؤه عند طلب الطوابع الزمنية. وتشمل مجموعة لغاته الموثّقة الصينية والإنجليزية والكانتونية والفرنسية والألمانية والإيطالية واليابانية والكورية والبرتغالية والروسية والإسبانية، ويمتد نطاق المحاذاة المعلن حتى خمس دقائق من الكلام. تنتمي مجموعة اللغات الأضيق ومدة الدقائق الخمس هذه إلى المحاذاة القسرية، وليس إلى تغطية التفريغ العامة لنموذج ASR.

للترجمة النصية، جهّز تفريغًا مراجَعًا بلغة التسجيل، وحاذِه حيث ينطبق سير العمل المدعوم، وافحص حدود المقاطع أثناء تشغيل المصدر. يحتفظ ناتج الترجمة النصية القابل للاستخدام بالكلمات والتوقيتات معًا. إذا كانت كلمة في التفريغ غير صحيحة، فصحّحها بالرجوع إلى الصوت بدلًا من افتراض أن فترة زمنية تثبت صحتها. يوضّح هذا الفصل ما إذا كانت المشكلة في التعرّف أو في النص المقدّم أو في موضع أحد حدود الترجمة النصية.

مخرجات التسجيلات الصوتية الطويلة وفحوص التعرّف

تدعم عائلة Qwen3-ASR التسجيلات الطويلة. وتنصح أمثلة الاستدلال بإتاحة مزيد من الرموز المولّدة للصوت الأطول، لذا تأكّد من أن التفريغ يصل إلى نهاية التسجيل وأن حجم المخرج المسموح به لم يقطعه. لا تثبت الأمثلة المنشورة نافذة سياق عددية عامة أو مدة قصوى لتسجيل ASR. احتفظ بترابط الأقسام المفيدة ومواضعها المصدرية عند تنظيم تسجيل ممتد للمراجعة. راجع الكلمات غير المسموعة بوضوح وتغيّرات اللغة وتداخل الكلام والأسماء غير المألوفة والمقاطع المغنّاة بالرجوع إلى الصوت الأصلي. النتيجة العملية هي نص متعرَّف عليه مع تسمية للغة، جاهز للبحث أو لخطوة محتوى لاحقة، مع إضافة التوقيت عبر سير المحاذاة المستقل عند الحاجة.

Ailoot Ultra · تفريغ صوتي POST /v1/audio/transcriptions qwen/qwen3-asr-0.6b

qwen/qwen3-asr-0.6b

Alibaba /qwen/qwen3-asr-0.6b

البداية

المدخلات المقبولة: الصوت
النتائج: النص

متاح في Ailoot · المدخلات والطرائق

Ailoot Ultra · تفريغ صوتي POST /v1/audio/transcriptions

الإدخال: audio
الإخراج: text

الحقل	النوع	المتطلب	القيم والحدود	القيمة الافتراضية
الحقل`model`	النوع`string`	المتطلبمطلوب	القيم والحدود qwen/qwen3-asr-0.6b	القيمة الافتراضية—
الحقل`input_audio`	النوع`object`	المتطلبمطلوب	القيم والحدود	القيمة الافتراضية—
الحقل`language`	النوع`string`	المتطلباختياري	القيم والحدود	القيمة الافتراضية—
الحقل`temperature`	النوع`number`	المتطلباختياري	القيم والحدود الحد الأدنى: ⁦0⁩ الحد الأقصى: ⁦1⁩	القيمة الافتراضية—
الحقل`response_format`	النوع`string`	المتطلباختياري	القيم والحدود json, verbose_json	القيمة الافتراضيةjson
الحقل`timestamp_granularities`	النوع`array`	المتطلباختياري	القيم والحدود	القيمة الافتراضية—
الحقل`provider`	النوع`object`	المتطلباختياري	القيم والحدود	القيمة الافتراضية—

معلمات الطريقة ودورة حياتها

المعلمة	المواصفات
المعلمة`content_type`	المواصفاتapplication/json
المعلمة`required`	المواصفاتmodel, input_audio
المعلمة`material_types`	المواصفاتaudio
المعلمة`material_conditions`	المواصفاتاقرأ ملف WAV فعلياً ورمّز بايتاته الحقيقية لإدخال input_audio المُعلَن بصيغة JSON؛ ولا يُعرَض مسار multipart لهذا التعريف المحدد الذي يدعم JSON فقط.

دورة الحياة: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · قيمة task_id الفعلية المُعادة أو سجل مكتبة الوسائط

GET /v1/media/assets/{asset_id}/content

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

الباقات

كيفية احتساب الرسوم النهائية

تقدّر التعرفات المعروضة التكلفة قبل التوليد. تُحسب الرسوم النهائية من التكلفة المسجّلة لعملية التوليد الأصلية. مدة المخرجات المقاسة والكميات المتوقعة ليست الكمية النهائية الخاضعة للفوترة.

مراجع التسعير لا تضيف خيارات للطلب. المعلمات المدعومة مذكورة للطريقة المحددة.

الوضع السريع: غير محدد عند اختيار الوضع السريع
الوضع المرن: غير محدد عند اختيار وضع flex
أقصى جهد للاستدلال: غير محدد عندما يُطبَّق الضبط الافتراضي default مع أقصى جهد للاستدلال

تعرفات تقديرية للمقارنة

الأسعار حسب الإعدادات

طابق كل رسم مع الشروط المعروضة. طبّق تعرفة واحدة لكل مجموعة من الإعدادات البديلة.

الإعدادات	جدول التعرفة	الكمية المتوقعة	وحدة الفوترة	الرسوم
الإعداداتالتعرفات الأساسية للرموز	جدول التعرفةالتعرفة الأساسية	الكمية المتوقعة—	وحدة الفوترة—	الرسوم الإدخال · رموز الإدخال · تقدير للمقارنة فقط — / 1K من الرموز الإخراج · رموز الإخراج · تقدير للمقارنة فقط — / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت · تقدير للمقارنة فقط — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت · تقدير للمقارنة فقط — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة · تقدير للمقارنة فقط — / 1K من الرموز
الإعداداتثانية صوت مُدخل	جدول التعرفة—	الكمية المتوقعة—	وحدة الفوترةلكل ثانية صوت مُدخل	الرسوم الإدخال · ثانية صوت مُدخل · تقدير للمقارنة فقط $0.00000666 لكل ثانية صوت مُدخل
الإعداداتتكلفة التوليد التقديرية	جدول التعرفة—	الكمية المتوقعةتقدير لتوليد واحد	وحدة الفوترة—	الرسوم الإخراج · تكلفة التوليد التقديرية · تقدير للمقارنة فقط $0.00000666 تقدير قبل الإنشاء هذا التقدير ليس رسومًا إضافية ولا تعرفة ثابتة لعملية التوليد المكتملة.

تحجز Ailoot مبلغًا تقديريًا قبل الطلب. وبعد ظهور النتيجة، تُسوّي الرسوم النهائية بناءً على الاستخدام المقاس. وتستخدم تسوية البث سجل الاستخدام النهائي. كيفية عمل حجز المبلغ وتسوية الرسوم →

أمثلة للطلبات

Ailoot Ultra · تفريغ صوتي

curl · جسم الطلب بالصيغة الأصلية دون تغيير والنتيجة كاملة

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_AUDIO_FILE:?Set the path to your actual WAV recording}"
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
import base64
audio=Path(os.environ['AILOOT_AUDIO_FILE']).read_bytes()
if not (audio[:4]==b'RIFF' and audio[8:12]==b'WAVE'): raise SystemExit('Supply an actual WAV audio file')
if len(audio)>26214400: raise SystemExit('Use a documented supported large-file flow')
request={'model': 'qwen/qwen3-asr-0.6b', 'input_audio': {'data': '${BASE64_ACTUAL_WAV_BYTES}', 'format': 'wav'}}
request['input_audio']['data']=base64.b64encode(audio).decode('ascii')
Path('request.json').write_text(json.dumps(request,ensure_ascii=False),encoding='utf-8')
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/transcriptions \
  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o response.bin
# Keep the complete original response and headers. Read every returned segment, word and usage field.
# Preserve actual operation/task/asset IDs; continue reads of the original result without resubmitting.

استلام النتائج وحفظها

Ailoot Ultra · تفريغ صوتي

GET /v1/media/tasks/{task_id}
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}

عمليات أخرى لقراءة المحتوى

قراءة الأصول الموجودة المملوكة لك

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \
  -H "Authorization: Bearer $AILOOT_API_KEY" -o owned-assets.json
# Preserve every returned asset and follow its exact signed content URL. Do not construct a signed token.

الاحتفاظ بكل النتائج المكتملة

احتفظ بكل استجابة كاملة وكل ملف وجزء محتوى تم إرجاعه.

احتفظ بالاستجابة كاملة وبجميع الترويسات، وبكل مخرج فعلي، وبالمعرّفات الأصلية المُعادة، وبجميع حقول الاستخدام. استعد العملية الأصلية دون إرسال طلب الإنشاء مجددًا.

عند الحاجة إلى التحقق من الاستجابة الأصلية

احتفظ بقيمة X-Client-Request-ID المُعادة للمطابقة. اقرأ فقط قيم task_id/asset_id الفعلية المُعادة أو مكتبة الوسائط المملوكة لك؛ ولا تنشئ عنوان URL لمهمة من معرّف العملية، ولا تُعِد إرسال طلب الإنشاء مطلقًا.

حقول الاستجابة

الحقل	النوع
الحقل`text`	النوع
الحقل`usage`	النوع
الحقل`segments[]`	النوع
الحقل`words[]`	النوع
الحقل`speaker fields`	النوع
الحقل`timestamps`	النوع

الأسماء البديلة

الأسماء البديلة للنموذج

Ailoot Ultra qwen/qwen3-asr-0.6b

الأسماء البديلة لمسارات الطرائق

استخدم مسارات الطرائق المعروضة أعلاه.

معرّفات النماذج ذات الصلة IDs

qwen/qwen3-asr-0.6b

FAQ · Qwen: Qwen3 ASR 0.6B

ما المدخلات والنتائج المتاحة؟: POST /v1/audio/transcriptions · qwen/qwen3-asr-0.6b: audio → text
ما الحقول التي يستخدمها الطلب؟: POST /v1/audio/transcriptions · qwen/qwen3-asr-0.6b: model, input_audio, language, temperature, response_format, timestamp_granularities, provider
ما الحدود المطبقة؟: POST /v1/audio/transcriptions · qwen/qwen3-asr-0.6b: temperature.minimum: 0; temperature.maximum: 1

Qwen: Qwen3 ASR 0.6B