asr-1.0
MiniMax ASR 1.0 převádí zvuk na text a podporuje ruštinu, rozlišení replik podle mluvčích a časové značky.
O modelu
Tento popis zahrnuje schopnosti modelu. Vstupy, výstupy a možnosti dostupné v Ailoot jsou uvedeny níže pro vybranou metodu.
Přepis nahrávky rozhovoru do textu
MiniMax ASR 1.0 rozpoznává řeč ve zvukovém souboru. Výrobce popisuje využití pro schůzky, rozhovory, podcasty, zvukové stopy videí, kontrolu obsahu a rozbor rozhovorů. Model je naladěn na hovorovou řeč, hluk a odbornou slovní zásobu se zaměřením na omezení smyšlených úseků. V této kartě Ailoot je vstupem zvuk a výsledkem text.
Jazyk a několik účastníků
Podporovány jsou ruština a ukrajinština, angličtina, francouzština, němčina, španělština, italština, portugalština a polština; dále čínština, kantonština, japonština, korejština, thajština, vietnamština, indonéština, malajština, filipínština, arabština a turečtina. Pokud jazyk není zadán, model automaticky určí hlavní jazyk; výrobce samostatně popisuje kombinaci čínské a anglické řeči.
V rozšířené podobě výsledku může model rozlišovat mluvčí a přiřazovat repliky k času. Vrací se v ní celkový počet účastníků a segmenty s označením mluvčího, začátkem, koncem a textem. Lze tak rozebrat, kdo a kdy pronesl konkrétní repliku, bez smíchání replik různých účastníků.
Podoba výsledku
Výrobce nabízí běžný JSON s textem a délkou, rozšířený verbose_json i titulky SRT a WebVTT. Pro časové značky se ve výchozím nastavení používá úroveň věty nebo segmentu. Značky jednotlivých slov jsou popsány pro angličtinu a jednotlivých znaků pro čínštinu; tyto značky patří do formátů s časovým zarovnáním.
Možný je postupný textový výstup, nelze jej však kombinovat s rozlišením mluvčích a formáty titulků. Tento režim vrací nové úseky rozpoznaného textu během zpracování již předaného souboru. Jde o stream výsledku, nikoli o průběžné odesílání zvuku z mikrofonu.
Požadavky na nahrávku
Deklarované vstupní formáty jsou WAV, AIFF, FLAC, ALAC v kontejneru M4A, MP3, AAC, Opus a Ogg. Soubor musí obsahovat nejvýše 500 sekund zvuku a mít velikost nejvýše 50 MB. Překročení délky se odmítá, nikoli nepozorovaně ořezává. Surový PCM bez kontejneru není podporován.
Pro přípravu nahrávky výrobce doporučuje mono 16 kHz nebo komprimovaný zvukový formát: vysoká frekvence a stereo nejsou pro rozpoznávání potřeba a zvyšují velikost souboru. Možnosti rozšířeného výstupu a streamovaného zpracování patří k ASR 1.0; dostupný formát odpovědi konkrétního požadavku se zadává prostředky Ailoot.
Ailoot · Převod řeči na text POST /v1/audio/transcriptions asr-1.0
asr-1.0Úvod
MiniMax ASR 1.0 převádí zvuk na text a podporuje ruštinu, rozlišení replik podle mluvčích a časové značky.
- Přijímané vstupy
- Zvuk
- Výsledky
- Text
Dostupné v Ailoot · vstupy a metody
Ailoot · Převod řeči na text POST /v1/audio/transcriptions
- Vstup
audio- Výstup
text- Výstupní formát
- json
| Pole | Typ | Požadavek | Hodnoty a limity | Výchozí |
|---|---|---|---|---|
Polemodel | Typstring | PožadavekPovinné | Hodnoty a limity asr-1.0 | Výchozí— |
Polefile | Typfile | PožadavekPovinné | Hodnoty a limity Maximální počet bajtů: 52 428 800 Formáty souborů: wav, mp3, m4a, ogg, webm, flac Typ obsahu: multipart/form-data Maximální délka (bez krajní hodnoty), sekundy: 500 | Výchozí— |
Poleresponse_format | Typstring | PožadavekVolitelné | Hodnoty a limity json | Výchozí— |
Kombinace vstupních materiálů
speech_to_text · Povinné: actual audio file
Parametry a životní cyklus metody
| Parametr | Kontrakt |
|---|---|
Parametrmaterial_types | Kontraktaudio |
Parametrrequired | Kontraktnull |
Parametroptional_controls | Kontraktnull |
Životní cyklus: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · skutečně vrácené task_id nebo záznam v knihovně médií
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Struktury metod a ID jsou přesné; schopnosti dodavatele jsou oddělené od připuštění požadavku.
Tarify
Sazby metod Ailoot
POST /v1/audio/transcriptions- Vstup
- 0,38 US$ za hodinu zvuku
Ailoot před požadavkem rezervuje odhadovanou částku. Po výsledku vyúčtuje konečný poplatek podle naměřeného využití. Při streamování se účtování řídí konečným záznamem využití. Jak funguje rezervace a vyúčtování →
Příklady požadavků
Ailoot · Převod řeči na text
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_AUDIO_FILE:?Set your actual MP3 recording}"
export AILOOT_AUDIO_FILE
python3 - <<'PY_REQUEST'
import os
from pathlib import Path
f=Path(os.environ["AILOOT_AUDIO_FILE"])
if not f.is_file() or f.suffix.lower()!=".mp3":raise SystemExit("Choose your actual MP3 recording")
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/transcriptions \
-H "Authorization: Bearer $AILOOT_API_KEY" \
--form-string model=asr-1.0 -F "file=@$AILOOT_AUDIO_FILE" \
-D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
print(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))
PY_RESULT
Přijímání a ukládání výsledků
Ailoot · Převod řeči na text
json
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
Uchovejte všechny dokončené výsledky
Uchovejte každou úplnou vrácenou odpověď, soubor i část obsahu.
Uchovejte celý JSON, nikoli pouze text; zachovejte každý dostupný segment, mluvčího, časovou značku a skutečný identifikátor úlohy či souboru.
Pokud je nutné ověřit původní odpověď
Uchovejte původní operation_id/X-Client-Request-ID pro spárování záznamů bez opětovného odeslání; samostatná trasa pro dotazování na stav zvuku neexistuje.
Pole odpovědi
| Pole | Typ |
|---|---|
Poletext | Typstring |
Polesegments[] | Typobject |
Poletask_id | Typstring |
Poleasset_url | Typstring |
Poleusage | Typobject |
Chyby a další kroky
| Odpověď | Podmínka | Další krok |
|---|---|---|
Odpověď400 · invalid_request_error | PodmínkaNeplatná povinná pole, reprezentace podkladů nebo hodnota parametru | Další krokPřed novým požadavkem na vytvoření opravte uvedená pole. |
Odpověďserver_error | PodmínkaVrácená odpověď uvádí, že operaci nebo výsledek je třeba zkontrolovat | Další krokUchovejte původní vrácené ID operace nebo úlohy, hlavičky požadavku a odpověď; pokračujte v podporovaném načítání údajů o této původní operaci. Požadavek na vytvoření znovu neodesílejte. |
Aliasy
Aliasy modelu
Ailoot asr-1.0
Aliasy cest metod
Použijte cesty metod uvedené výše.
Související ID modelů
FAQ · asr-1.0
- Jaké vstupy a výsledky jsou dostupné?
POST /v1/audio/transcriptions·asr-1.0:audio→text- Jaká pole požadavek používá?
POST /v1/audio/transcriptions·asr-1.0:model,file,response_format