Qwen: Qwen3 ASR 1.7B

يحوّل Qwen3-ASR-1.7B الكلام والغناء إلى نص ويحدّد اللغة. يوثّق Qwen دعم 30 لغة و22 لهجة صينية والتعرّف غير المتصل أو المتدفّق؛ ويستخدم التوقيت على مستوى الكلمات سير عمل منفصلًا عبر Qwen3-ForcedAligner.

Ailoot Ultra · تفريغ صوتي POST /v1/audio/transcriptions qwen/qwen3-asr-1.7b

عن النموذج

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

Qwen3-ASR-1.7B هو نموذج Qwen الأكبر للتعرّف على الكلام في عائلة Qwen3-ASR. يستقبل الصوت ويعيد النص المتعرّف عليه مع وسم للغة. تستند العائلة إلى أساس فهم الصوت في Qwen3-Omni وتستخدم نموذج ASR واحدًا للتعرّف غير المتصل والمتدفّق. يركّز إصدار 1.7B على جودة التعرّف، بينما يركّز إصدار 0.6B ذو الاسم المنفصل على الكفاءة. يظلّ الإصداران خيارين مختلفين، رغم اشتراكهما في التغطية اللغوية ومسارات التعرّف الموثّقة.

تحديد اللغة وتغطية الصوت

يسرد المطوّر 30 لغة و22 لهجة صينية، إلى جانب لكنات إنجليزية من مناطق متعددة. تشمل قائمة 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. تشمل أنواع الصوت المدعومة الكلام والصوت الغنائي والأغاني مع موسيقى خلفية. تجعل هذه القدرات التفريغ النصي مفيدًا للمقابلات والمحاضرات والتسجيلات الصوتية ومراجعة كلمات الأغاني، مع الاحتفاظ بالصوت الأصلي للتحقّق من المقاطع الصعبة.

إعداد الصوت والحصول على تفريغ نصي

تقبل أدوات المطوّر مرجعًا لملف صوتي أو صوتًا مرمّزًا أو شكل موجة مقرونًا بمعدّل أخذ عيناته، ويمكن لسير العمل غير المتصل معالجة مجموعة من التسجيلات. ويمكنه اكتشاف اللغة تلقائيًا أو استخدام لغة مدعومة محدّدة. اختر الاكتشاف التلقائي لتسجيل مجهول؛ وقدّم اللغة المنطوقة الفعلية عندما تكون معروفة وذات صلة بالمهمة. يُظهر مثال النتيجة اللغة المكتشفة أو المختارة والنص المتعرّف عليه. يوجّه إعداد اللغة التعرّف على التسجيل، ولا يحدّد طلبًا لإعادة صياغة محتواه بلغة أخرى.

للمقابلة، أبقِ التسجيل مرتبطًا بتاريخه وموضوعه ومعرّف مصدره، ثم استخدم النص المعاد كتفريغ قابل للبحث. للمحاضرة، احتفظ بالمصطلحات التقنية والتعبيرات العددية أثناء المراجعة بدلًا من استبدال الكلمات غير الواضحة ضمنيًا بتفسير يبدو معقولًا. للأغنية، تحقّق من الكلمات المتعرّف عليها أثناء الاستماع إلى الخط الغنائي، خصوصًا عندما تحجب الموسيقى مقطعًا صوتيًا. يمكن أن يصبح التفريغ مدخلًا لخطوة منفصلة من التلخيص أو الترجمة أو التحرير بعد التحقّق من ألفاظه بالرجوع إلى الصوت.

التعرّف المتدفّق ونطاقه

تدعم عائلة ASR نفسها التعرّف أثناء وصول الصوت. يمرّر مثال البث لدى المطوّر مقاطع صوتية متتابعة إلى حالة تعرّف محفوظة، ويعرض نصًا مؤقتًا، ثم ينهي البث للحصول على اللغة والتفريغ النهائيين. حافظ على التمييز بين النص التدريجي الحالي والنتيجة المكتملة عند إعداد تسميات توضيحية مباشرة أو تفريغ مستمر. لا يجمع التنفيذ المتدفّق الموثّق بين البث والاستدلال الدفعي، ولا يعيد طوابع زمنية؛ إذ يستخدم التفريغ الموقّت سير عمل مختلفًا. هذه تفاصيل تنفيذ لدى المطوّر، وليست وعدًا بشأن وسيلة نقل البيانات أو واجهة التسميات التوضيحية المباشرة في تطبيق.

توقيت الكلمات أو الأحرف باستخدام محاذٍ منفصل

يحاذي Qwen3-ForcedAligner-0.6B تسجيلًا صوتيًا مع نص مقدّم ويتنبّأ بأوقات البداية والنهاية على مستوى الكلمات أو الأحرف. وهو نموذج منفصل عن كلا إصداري Qwen3-ASR. يمكن لأدوات ASR استخدام هذا المحاذي عند طلب الطوابع الزمنية في مسار التفريغ غير المتصل، أو إجراء المحاذاة على زوج موجود من النص والصوت. التغطية الموثّقة للمحاذي هي 11 لغة: الصينية والإنجليزية والكانتونية والفرنسية والألمانية والإيطالية واليابانية والكورية والبرتغالية والروسية والإسبانية. مدّة الكلام المعلنة له تصل إلى خمس دقائق؛ وهذا نطاق المحاذي، وليس سقفًا من خمس دقائق لتفريغ ASR.

لإعداد الترجمة النصية المصاحبة، احصل أولًا على التفريغ وراجعه، ثم حاذِه مع التسجيل المصدري حيثما كان سير عمل المحاذاة مناسبًا. استخدم أوقات البداية والنهاية المعادة لإعداد مقاطع التسميات التوضيحية وافحص حدودها أثناء الاستماع. تربط المحاذاة الكلمات المقدّمة بالصوت؛ ولا ينبغي التعامل معها كدليل على تصحيح تفريغ غير صحيح. الناتج المفيد هو تفريغ مُراجَع بمعلومات توقيت تبقى مرتبطة بالتسجيل الذي تصفه.

التسجيلات الطويلة والقيود العملية

تدعم العائلة تفريغ الصوت الطويل، وتوجّه الأمثلة الرسمية المستخدمين إلى إتاحة نص مولّد أكثر للمدخلات الأطول. إعدادات التوكن التوضيحية فيها خيارات إعداد، وليست حدًا عامًا لسياق النموذج أو مدّة الصوت. خطّط لمساحة المخرجات وفقًا للتسجيل وتحقّق من وجود نهايته. راجع الأسماء والكميات وتغيّر اللغات والكلمات المحجوبة والكلام المتداخل بالرجوع إلى الصوت الأصلي. لا تضمن التغطية اللغوية والقدرة على التعامل مع الصوت الصعب تفريغًا خاليًا من الأخطاء لكل لكنة أو تسجيل أو توزيع موسيقي. تحافظ النتيجة الكاملة على الألفاظ المتعرّف عليها ولغتها وصلتها بالصوت، حتى يمكن البحث فيها أو تحريرها أو استخدامها في سير عمل لاحق للمحتوى.

Ailoot Ultra · تفريغ صوتي POST /v1/audio/transcriptions qwen/qwen3-asr-1.7b

qwen/qwen3-asr-1.7b

Alibaba /qwen/qwen3-asr-1.7b

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-1.7b	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 $0.000015 لكل ثانية صوت مُدخل
الإعداداتتكلفة التوليد التقديرية	جدول التعرفة—	الكمية المتوقعةتقدير لتوليد واحد	وحدة الفوترة—	الرسوم الإخراج · تكلفة التوليد التقديرية · تقدير للمقارنة فقط $0.000015 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-1.7b', '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-1.7b

الأسماء البديلة لمسارات الطرائق

استخدم مسارات الطرائق المعروضة أعلاه.

معرّفات النماذج ذات الصلة IDs

qwen/qwen3-asr-1.7b

FAQ · Qwen: Qwen3 ASR 1.7B

ما المدخلات والنتائج المتاحة؟: POST /v1/audio/transcriptions · qwen/qwen3-asr-1.7b: audio → text
ما الحقول التي يستخدمها الطلب؟: POST /v1/audio/transcriptions · qwen/qwen3-asr-1.7b: model, input_audio, language, temperature, response_format, timestamp_granularities, provider
ما الحدود المطبقة؟: POST /v1/audio/transcriptions · qwen/qwen3-asr-1.7b: temperature.minimum: 0; temperature.maximum: 1

Qwen: Qwen3 ASR 1.7B