qwen-audio-3.0-asr-flash
Model til talegenkendelse, der omsætter lyd til læsbar tekst med tegnsætning og normalisering af tal. Understøtter russisk og andre sprog samt kinesiske dialekter.
- Ailoot · Tale til tekst
POST /v1/audio/transcriptionsqwen-audio-3.0-asr-flash - Ailoot · Tale til tekst
POST /v1/audio/transcriptionsqwen-asr - Ailoot · Tale til tekst
POST /v1/audio/transcriptionsqwen-asr-latest
Om modellen
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
Qwen-Audio-3.0-ASR-Flash er beregnet til at omsætte en taleoptagelse til tekst. Alibaba fremhæver flersproget genkendelse og arbejde med udtryksfuld tale, herunder poetisk rytme, klassisk kinesisk og kulturel fortælling. Input er lyd, og resultatet er en transskription.
Tale på skrift
Modellen sætter tegnsætning og omsætter udtalte tal, datoer og pengebeløb til almindelig skriftlig form. Det er nyttigt til talebeskeder, interviewuddrag og tale fra undervisningssammenhænge, hvor der er behov for læsbar tekst og ikke blot en række genkendte ord.
30 sprog understøttes, herunder russisk, engelsk, fransk, tysk, japansk og arabisk. Derudover tages højde for syv hovedgrupper af kinesiske dialekter og mere end 20 regionale udtalevarianter. Dette udvalg er beregnet til at genkende forskellige sprog- og accentegenskaber.
Til fagudtryk kan opgavens kontekst og hjælpeord angives. De hjælper med at styre genkendelsen af navne og fagsprog. Tidsstempler er altid aktiveret i denne version, så resultatet kan knyttes til de tilsvarende dele af optagelsen. Transskriptionen af en kort fil kan returneres samlet eller løbende under behandlingen.
Materiale og begrænsninger
Optagelsens maksimale varighed er fem minutter. Én fil bruges i hver opgave. AAC, AMR, AVI, FLAC, FLV, M4A, MKV, MOV, MP3, MP4, MPEG, OGG, OPUS, WAV, WEBM, WMA og WMV understøttes; enhver samplingsfrekvens accepteres. Videocontainere på formatlisten henviser til udtræk af tale fra deres lydspor, ikke til visuel analyse af frames.
Qwen-Audio-3.0-ASR-Flash understøtter ikke opdeling efter taler eller genkendelse af følelser. Det primære resultat er tekst og en kobling mellem det genkendte indhold og tidspunktet i optagelsen. Muligheder for længere optagelser og andre måder at analysere lyd på, som beskrives for nabomodeller, gælder ikke denne version.
Ailoot · Tale til tekst POST /v1/audio/transcriptions qwen-audio-3.0-asr-flash
qwen-audio-3.0-asr-flashqwen-audio-3.0-asr-flashqwen-asrqwen-asr-latest
Start
Model til talegenkendelse, der omsætter lyd til læsbar tekst med tegnsætning og normalisering af tal. Understøtter russisk og andre sprog samt kinesiske dialekter.
- Accepterede input
- Lyd
- Resultater
- Tekst
Tilgængelig i Ailoot · input og metoder
Ailoot · Tale til tekst POST /v1/audio/transcriptions
- Inputtyper
audio- Outputtyper
text- Outputformat
- json
| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser qwen-audio-3.0-asr-flash | Standard— |
Feltfile | Typefile | KravPåkrævet | Værdier og grænser Maksimalt antal bytes: 10.485.760 Filformater: wav, mp3, m4a, ogg, webm, flac Indholdstype: multipart/form-data Maksimal varighed, sekunder: 300 | Standard— |
Feltresponse_format | Typestring | KravValgfrit | Værdier og grænser json | Standard— |
Kombinationer af inputmaterialer
speech_to_text · Påkrævet: actual audio file
Metodeparametre og livscyklus
| Parameter | Kontrakt |
|---|---|
Parametermaterial_types | Kontraktaudio |
Parameterrequired | Kontraktnull |
Parameteroptional_controls | Kontraktnull |
Livscyklus: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · det faktisk returnerede task_id eller posten i mediebiblioteket
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Metodernes strukturer og ID’er er præcise; leverandørens muligheder er adskilt fra adgangstilladelse.
Priser
Ailoot-metodetakster
POST /v1/audio/transcriptions- Input
- 0,0021 US$ pr. minut lyd
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
Eksempelanmodninger
Ailoot · Tale til tekst
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
Hent og gem resultater
Ailoot · Tale til tekst
json
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
Behold alle færdige resultater
Gem hvert fuldstændigt returneret svar, hver fil og hver indholdsdel.
Behold hele JSON-svaret, ikke kun teksten; bevar hvert tilgængeligt segment, hver taler og hvert tidsstempel samt den faktiske opgave- og aktividentitet.
Hvis det oprindelige svar skal kontrolleres
Gem det oprindelige operation_id/X-Client-Request-ID til afstemning uden genindsendelse; der er ingen særskilt rute til polling af lyd.
Svarfelter
| Felt | Type |
|---|---|
Felttext | Typestring |
Feltsegments[] | Typeobject |
Felttask_id | Typestring |
Feltasset_url | Typestring |
Feltusage | Typeobject |
Fejl og næste trin
| Svar | Betingelse | Næste trin |
|---|---|---|
Svar400 · invalid_request_error | BetingelseUgyldige obligatoriske felter, materialerepræsentation eller parameterværdi | Næste trinRet de angivne felter før en ny oprettelsesanmodning. |
Svarserver_error | BetingelseDet returnerede svar angiver, at operationen eller resultatet skal kontrolleres | Næste trinGem det oprindeligt returnerede operations-/opgave-ID, anmodningens headere og svaret; fortsæt med de understøttede læseanmodninger for den oprindelige operation. Send ikke oprettelsesanmodningen igen. |
Aliaser
Modelaliaser
Ailoot qwen-audio-3.0-asr-flash, qwen-asr, qwen-asr-latest
Aliaser for metodestier
Brug metodestierne vist ovenfor.
Relaterede kalder-ID’er
Ailoot · Tale til tekst POST /v1/audio/transcriptions qwen-asr
qwen-asrqwen-audio-3.0-asr-flashqwen-asrqwen-asr-latest
Start
Model til talegenkendelse, der omsætter lyd til læsbar tekst med tegnsætning og normalisering af tal. Understøtter russisk og andre sprog samt kinesiske dialekter.
- Accepterede input
- Lyd
- Resultater
- Tekst
Tilgængelig i Ailoot · input og metoder
Ailoot · Tale til tekst POST /v1/audio/transcriptions
- Inputtyper
audio- Outputtyper
text- Outputformat
- json
| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser qwen-asr | Standard— |
Feltfile | Typefile | KravPåkrævet | Værdier og grænser Maksimalt antal bytes: 10.485.760 Filformater: wav, mp3, m4a, ogg, webm, flac Indholdstype: multipart/form-data Maksimal varighed, sekunder: 300 | Standard— |
Feltresponse_format | Typestring | KravValgfrit | Værdier og grænser json | Standard— |
Kombinationer af inputmaterialer
speech_to_text · Påkrævet: actual audio file
Metodeparametre og livscyklus
| Parameter | Kontrakt |
|---|---|
Parametermaterial_types | Kontraktaudio |
Parameterrequired | Kontraktnull |
Parameteroptional_controls | Kontraktnull |
Livscyklus: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · det faktisk returnerede task_id eller posten i mediebiblioteket
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Metodernes strukturer og ID’er er præcise; leverandørens muligheder er adskilt fra adgangstilladelse.
Priser
Ailoot-metodetakster
POST /v1/audio/transcriptions- Input
- 0,0021 US$ pr. minut lyd
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
Eksempelanmodninger
Ailoot · Tale til tekst
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
Hent og gem resultater
Ailoot · Tale til tekst
json
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
Behold alle færdige resultater
Gem hvert fuldstændigt returneret svar, hver fil og hver indholdsdel.
Behold hele JSON-svaret, ikke kun teksten; bevar hvert tilgængeligt segment, hver taler og hvert tidsstempel samt den faktiske opgave- og aktividentitet.
Hvis det oprindelige svar skal kontrolleres
Gem det oprindelige operation_id/X-Client-Request-ID til afstemning uden genindsendelse; der er ingen særskilt rute til polling af lyd.
Svarfelter
| Felt | Type |
|---|---|
Felttext | Typestring |
Feltsegments[] | Typeobject |
Felttask_id | Typestring |
Feltasset_url | Typestring |
Feltusage | Typeobject |
Fejl og næste trin
| Svar | Betingelse | Næste trin |
|---|---|---|
Svar400 · invalid_request_error | BetingelseUgyldige obligatoriske felter, materialerepræsentation eller parameterværdi | Næste trinRet de angivne felter før en ny oprettelsesanmodning. |
Svarserver_error | BetingelseDet returnerede svar angiver, at operationen eller resultatet skal kontrolleres | Næste trinGem det oprindeligt returnerede operations-/opgave-ID, anmodningens headere og svaret; fortsæt med de understøttede læseanmodninger for den oprindelige operation. Send ikke oprettelsesanmodningen igen. |
Aliaser
Modelaliaser
Ailoot qwen-audio-3.0-asr-flash, qwen-asr, qwen-asr-latest
Aliaser for metodestier
Brug metodestierne vist ovenfor.
Relaterede kalder-ID’er
Ailoot · Tale til tekst POST /v1/audio/transcriptions qwen-asr-latest
qwen-asr-latestqwen-audio-3.0-asr-flashqwen-asrqwen-asr-latest
Start
Model til talegenkendelse, der omsætter lyd til læsbar tekst med tegnsætning og normalisering af tal. Understøtter russisk og andre sprog samt kinesiske dialekter.
- Accepterede input
- Lyd
- Resultater
- Tekst
Tilgængelig i Ailoot · input og metoder
Ailoot · Tale til tekst POST /v1/audio/transcriptions
- Inputtyper
audio- Outputtyper
text- Outputformat
- json
| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser qwen-asr-latest | Standard— |
Feltfile | Typefile | KravPåkrævet | Værdier og grænser Maksimalt antal bytes: 10.485.760 Filformater: wav, mp3, m4a, ogg, webm, flac Indholdstype: multipart/form-data Maksimal varighed, sekunder: 300 | Standard— |
Feltresponse_format | Typestring | KravValgfrit | Værdier og grænser json | Standard— |
Kombinationer af inputmaterialer
speech_to_text · Påkrævet: actual audio file
Metodeparametre og livscyklus
| Parameter | Kontrakt |
|---|---|
Parametermaterial_types | Kontraktaudio |
Parameterrequired | Kontraktnull |
Parameteroptional_controls | Kontraktnull |
Livscyklus: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · det faktisk returnerede task_id eller posten i mediebiblioteket
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Metodernes strukturer og ID’er er præcise; leverandørens muligheder er adskilt fra adgangstilladelse.
Priser
Ailoot-metodetakster
POST /v1/audio/transcriptions- Input
- 0,0021 US$ pr. minut lyd
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
Eksempelanmodninger
Ailoot · Tale til tekst
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
Hent og gem resultater
Ailoot · Tale til tekst
json
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
Behold alle færdige resultater
Gem hvert fuldstændigt returneret svar, hver fil og hver indholdsdel.
Behold hele JSON-svaret, ikke kun teksten; bevar hvert tilgængeligt segment, hver taler og hvert tidsstempel samt den faktiske opgave- og aktividentitet.
Hvis det oprindelige svar skal kontrolleres
Gem det oprindelige operation_id/X-Client-Request-ID til afstemning uden genindsendelse; der er ingen særskilt rute til polling af lyd.
Svarfelter
| Felt | Type |
|---|---|
Felttext | Typestring |
Feltsegments[] | Typeobject |
Felttask_id | Typestring |
Feltasset_url | Typestring |
Feltusage | Typeobject |
Fejl og næste trin
| Svar | Betingelse | Næste trin |
|---|---|---|
Svar400 · invalid_request_error | BetingelseUgyldige obligatoriske felter, materialerepræsentation eller parameterværdi | Næste trinRet de angivne felter før en ny oprettelsesanmodning. |
Svarserver_error | BetingelseDet returnerede svar angiver, at operationen eller resultatet skal kontrolleres | Næste trinGem det oprindeligt returnerede operations-/opgave-ID, anmodningens headere og svaret; fortsæt med de understøttede læseanmodninger for den oprindelige operation. Send ikke oprettelsesanmodningen igen. |
Aliaser
Modelaliaser
Ailoot qwen-audio-3.0-asr-flash, qwen-asr, qwen-asr-latest
Aliaser for metodestier
Brug metodestierne vist ovenfor.
Relaterede kalder-ID’er
FAQ · qwen-audio-3.0-asr-flash
- Hvilke input og resultater er tilgængelige?
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- Hvilke felter bruger anmodningen?
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