qwen-audio-3.0-asr-flash
Model pro rozpoznávání řeči, který převádí zvukovou nahrávku na čitelný text s interpunkcí a normalizací čísel. Podporuje ruštinu a další jazyky i čínské dialekty.
- Ailoot · Převod řeči na text
POST /v1/audio/transcriptionsqwen-audio-3.0-asr-flash - Ailoot · Převod řeči na text
POST /v1/audio/transcriptionsqwen-asr - Ailoot · Převod řeči na text
POST /v1/audio/transcriptionsqwen-asr-latest
O modelu
Tento popis zahrnuje schopnosti modelu. Vstupy, výstupy a možnosti dostupné v Ailoot jsou uvedeny níže pro vybranou metodu.
Qwen-Audio-3.0-ASR-Flash je určen k převodu nahrávky řeči na text. Alibaba zdůrazňuje vícejazyčné rozpoznávání a práci s výrazným mluveným projevem, včetně básnického rytmu, klasické čínštiny a kulturního vyprávění. Vstupem je zvuková nahrávka a výsledkem její přepis.
Mluvená řeč v písemné podobě
Model doplňuje interpunkci a převádí vyslovená čísla, data a peněžní částky do obvyklé písemné podoby. To je užitečné u hlasových zpráv, úryvků rozhovorů a výukových nahrávek, kde je potřeba čitelný text, nikoli jen posloupnost rozpoznaných slov.
Podporuje 30 jazyků, včetně ruštiny, angličtiny, francouzštiny, němčiny, japonštiny a arabštiny. Navíc zohledňuje sedm hlavních čínských nářečních skupin a více než 20 regionálních variant výslovnosti. Tato nabídka slouží k rozpoznávání různých jazykových zvláštností a přízvuků.
Pro odborné termíny lze předat kontext úlohy a nápovědná slova. Pomáhají usměrnit rozpoznávání jmen a odborné slovní zásoby. Časové značky jsou u této verze zapnuté trvale: výsledek lze propojit s odpovídajícími úseky nahrávky. Přepis krátkého souboru se může vrátit najednou nebo postupně během zpracování.
Vstupní materiál a omezení
Maximální délka nahrávky je pět minut. V jedné úloze se používá jeden soubor. Podporovány jsou AAC, AMR, AVI, FLAC, FLV, M4A, MKV, MOV, MP3, MP4, MPEG, OGG, OPUS, WAV, WEBM, WMA a WMV; přípustná je libovolná vzorkovací frekvence. Přítomnost videokontejneru v seznamu formátů znamená rozpoznávání řeči z jeho zvukové stopy, nikoli vizuální analýzu snímků.
Qwen-Audio-3.0-ASR-Flash nepodporuje rozlišení jednotlivých mluvčích ani rozpoznávání emocí. Jeho hlavním výsledkem je text a propojení rozpoznaného obsahu s časem v nahrávce. Možnosti delších nahrávek a další způsoby analýzy zvuku, které výrobce uvádí u příbuzných modelů, se na tuto verzi nevztahují.
Ailoot · Převod řeči na text POST /v1/audio/transcriptions qwen-audio-3.0-asr-flash
qwen-audio-3.0-asr-flashqwen-audio-3.0-asr-flashqwen-asrqwen-asr-latest
Úvod
Model pro rozpoznávání řeči, který převádí zvukovou nahrávku na čitelný text s interpunkcí a normalizací čísel. Podporuje ruštinu a další jazyky i čínské dialekty.
- 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 qwen-audio-3.0-asr-flash | Výchozí— |
Polefile | Typfile | PožadavekPovinné | Hodnoty a limity Maximální počet bajtů: 10 485 760 Formáty souborů: wav, mp3, m4a, ogg, webm, flac Typ obsahu: multipart/form-data Maximální délka, sekundy: 300 | 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
- 0,0021 US$ za minutu 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 $AILOOT_API_KEY" \
--form-string model=qwen-audio-3.0-asr-flash -F "file=@$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 qwen-audio-3.0-asr-flash, qwen-asr, qwen-asr-latest
Aliasy cest metod
Použijte cesty metod uvedené výše.
Související ID modelů
Ailoot · Převod řeči na text POST /v1/audio/transcriptions qwen-asr
qwen-asrqwen-audio-3.0-asr-flashqwen-asrqwen-asr-latest
Úvod
Model pro rozpoznávání řeči, který převádí zvukovou nahrávku na čitelný text s interpunkcí a normalizací čísel. Podporuje ruštinu a další jazyky i čínské dialekty.
- 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 qwen-asr | Výchozí— |
Polefile | Typfile | PožadavekPovinné | Hodnoty a limity Maximální počet bajtů: 10 485 760 Formáty souborů: wav, mp3, m4a, ogg, webm, flac Typ obsahu: multipart/form-data Maximální délka, sekundy: 300 | 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
- 0,0021 US$ za minutu 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 $AILOOT_API_KEY" \
--form-string model=qwen-asr -F "file=@$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 qwen-audio-3.0-asr-flash, qwen-asr, qwen-asr-latest
Aliasy cest metod
Použijte cesty metod uvedené výše.
Související ID modelů
Ailoot · Převod řeči na text POST /v1/audio/transcriptions qwen-asr-latest
qwen-asr-latestqwen-audio-3.0-asr-flashqwen-asrqwen-asr-latest
Úvod
Model pro rozpoznávání řeči, který převádí zvukovou nahrávku na čitelný text s interpunkcí a normalizací čísel. Podporuje ruštinu a další jazyky i čínské dialekty.
- 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 qwen-asr-latest | Výchozí— |
Polefile | Typfile | PožadavekPovinné | Hodnoty a limity Maximální počet bajtů: 10 485 760 Formáty souborů: wav, mp3, m4a, ogg, webm, flac Typ obsahu: multipart/form-data Maximální délka, sekundy: 300 | 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
- 0,0021 US$ za minutu 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 $AILOOT_API_KEY" \
--form-string model=qwen-asr-latest -F "file=@$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 qwen-audio-3.0-asr-flash, qwen-asr, qwen-asr-latest
Aliasy cest metod
Použijte cesty metod uvedené výše.
Související ID modelů
FAQ · qwen-audio-3.0-asr-flash
- Jaké vstupy a výsledky jsou dostupné?
POST /v1/audio/transcriptions·qwen-audio-3.0-asr-flash:audio→textPOST /v1/audio/transcriptions·qwen-asr:audio→textPOST /v1/audio/transcriptions·qwen-asr-latest:audio→text- Jaká pole požadavek používá?
POST /v1/audio/transcriptions·qwen-audio-3.0-asr-flash:model,file,response_formatPOST /v1/audio/transcriptions·qwen-asr:model,file,response_formatPOST /v1/audio/transcriptions·qwen-asr-latest:model,file,response_format