qwen-audio-3.0-asr-flash
Spracherkennungsmodell, das Audio in lesbaren Text mit Satzzeichen und normalisierten Zahlen umwandelt. Unterstützt Russisch und weitere Sprachen sowie chinesische Dialekte.
- Ailoot · Sprache zu Text
POST /v1/audio/transcriptionsqwen-audio-3.0-asr-flash - Ailoot · Sprache zu Text
POST /v1/audio/transcriptionsqwen-asr - Ailoot · Sprache zu Text
POST /v1/audio/transcriptionsqwen-asr-latest
Über das Modell
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Qwen-Audio-3.0-ASR-Flash dient dazu, Sprachaufnahmen in Text umzuwandeln. Alibaba hebt die mehrsprachige Erkennung und den Umgang mit ausdrucksstarker Sprache hervor, darunter poetischer Rhythmus, klassisches Chinesisch und kulturelles Erzählen. Die Eingabe ist Audio, das Ergebnis eine Transkription.
Gesprochene Sprache in Schriftform
Das Modell setzt Satzzeichen und überführt gesprochene Zahlen, Datumsangaben und Geldbeträge in die übliche Schriftform. Das ist bei Sprachnachrichten, Interviewausschnitten und gesprochener Sprache in Lernmaterialien hilfreich, wenn lesbarer Text statt einer bloßen Folge erkannter Wörter benötigt wird.
Unterstützt werden 30 Sprachen, darunter Russisch, Englisch, Französisch, Deutsch, Japanisch und Arabisch. Zusätzlich werden sieben große chinesische Dialektsysteme und mehr als 20 regionale Aussprachevarianten berücksichtigt. Diese Auswahl dient zur Erkennung unterschiedlicher Sprach- und Akzentmerkmale.
Für Fachbegriffe können Kontext zur Aufgabe und Hinweiswörter mitgegeben werden. Sie helfen, die Erkennung von Namen und Fachvokabular zu steuern. Zeitstempel sind bei dieser Version dauerhaft aktiviert: Das Ergebnis lässt sich den entsprechenden Abschnitten der Aufnahme zuordnen. Die Transkription einer kurzen Datei kann vollständig oder während der Verarbeitung zurückgegeben werden.
Material und Einschränkungen
Eine Aufnahme darf höchstens fünf Minuten dauern. Pro Aufgabe wird eine Datei verwendet. Unterstützt werden AAC, AMR, AVI, FLAC, FLV, M4A, MKV, MOV, MP3, MP4, MPEG, OGG, OPUS, WAV, WEBM, WMA und WMV; jede Abtastrate ist zulässig. Videocontainer in der Formatliste beziehen sich auf die Erkennung der Sprache aus ihrer Tonspur, nicht auf eine visuelle Analyse der Frames.
Qwen-Audio-3.0-ASR-Flash bietet weder Sprechertrennung noch Emotionserkennung. Das wichtigste Ergebnis ist Text, dessen erkannter Inhalt mit den Zeitpunkten in der Aufnahme verknüpft ist. Möglichkeiten für längere Aufnahmen und weitere Verfahren zur Audioanalyse, die für benachbarte Modelle angegeben werden, gelten nicht für diese Version.
Ailoot · Sprache zu 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
Einstieg
Spracherkennungsmodell, das Audio in lesbaren Text mit Satzzeichen und normalisierten Zahlen umwandelt. Unterstützt Russisch und weitere Sprachen sowie chinesische Dialekte.
- Zulässige Eingaben
- Audio
- Ergebnisse
- Text
In Ailoot verfügbar · Eingaben und Methoden
Ailoot · Sprache zu Text POST /v1/audio/transcriptions
- Eingabe
audio- Ausgabe
text- Ausgabeformat
- json
| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits qwen-audio-3.0-asr-flash | Standard— |
Feldfile | Typfile | AnforderungErforderlich | Werte und Limits Maximale Anzahl Bytes: 10 485 760 Dateiformate: wav, mp3, m4a, ogg, webm, flac Inhaltstyp: multipart/form-data Maximale Dauer, Sekunden: 300 | Standard— |
Feldresponse_format | Typstring | AnforderungOptional | Werte und Limits json | Standard— |
Kombinationen von Eingabematerialien
speech_to_text · Erforderlich: actual audio file
Methodenparameter und Lebenszyklus
| Parameter | Vertrag |
|---|---|
Parametermaterial_types | Vertragaudio |
Parameterrequired | Vertragnull |
Parameteroptional_controls | Vertragnull |
Lebenszyklus: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · die tatsächlich zurückgegebene task_id oder ein Eintrag in der Medienbibliothek
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Methodenstrukturen und IDs sind exakt; die Fähigkeiten des Anbieters sind von der Zulassung einer Anfrage zu unterscheiden.
Tarife
Ailoot-Methodentarife
POST /v1/audio/transcriptions- Eingabe
- $ 0,0021 pro Minute Audio
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
Beispielanfragen
Ailoot · Sprache zu 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
Ergebnisse abrufen und speichern
Ailoot · Sprache zu Text
json
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
Alle fertiggestellten Ergebnisse aufbewahren
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Bewahren Sie das vollständige JSON auf, nicht nur den Text; erhalten Sie jedes verfügbare Segment/jeden Sprecher/Zeitstempel und die tatsächliche Aufgaben-/Asset-Kennung.
Wenn die ursprüngliche Antwort geprüft werden muss
Die ursprüngliche operation_id/X-Client-Request-ID für den Abgleich ohne erneute Einreichung aufbewahren; es gibt keine eigene Route zur Abfrage des Audiostatus.
Antwortfelder
| Feld | Typ |
|---|---|
Feldtext | Typstring |
Feldsegments[] | Typobject |
Feldtask_id | Typstring |
Feldasset_url | Typstring |
Feldusage | Typobject |
Fehler und nächste Schritte
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Antwortserver_error | BedingungDie zurückgegebene Antwort gibt an, dass der Vorgang oder das Ergebnis eine Prüfung erfordert | Nächster SchrittDie ursprünglich zurückgegebene Vorgangs-/Aufgaben-ID, die Anfrageheader und die Antwort aufbewahren; mit unterstützten Leseaufrufen für diesen ursprünglichen Vorgang fortfahren. Die Erstellungsanfrage nicht erneut senden. |
Aliasnamen
Modellaliasnamen
Ailoot qwen-audio-3.0-asr-flash, qwen-asr, qwen-asr-latest
Aliasnamen für Methodenpfade
Verwenden Sie die oben angezeigten Methodenpfade.
Zugehörige Aufrufer-IDs
Ailoot · Sprache zu Text POST /v1/audio/transcriptions qwen-asr
qwen-asrqwen-audio-3.0-asr-flashqwen-asrqwen-asr-latest
Einstieg
Spracherkennungsmodell, das Audio in lesbaren Text mit Satzzeichen und normalisierten Zahlen umwandelt. Unterstützt Russisch und weitere Sprachen sowie chinesische Dialekte.
- Zulässige Eingaben
- Audio
- Ergebnisse
- Text
In Ailoot verfügbar · Eingaben und Methoden
Ailoot · Sprache zu Text POST /v1/audio/transcriptions
- Eingabe
audio- Ausgabe
text- Ausgabeformat
- json
| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits qwen-asr | Standard— |
Feldfile | Typfile | AnforderungErforderlich | Werte und Limits Maximale Anzahl Bytes: 10 485 760 Dateiformate: wav, mp3, m4a, ogg, webm, flac Inhaltstyp: multipart/form-data Maximale Dauer, Sekunden: 300 | Standard— |
Feldresponse_format | Typstring | AnforderungOptional | Werte und Limits json | Standard— |
Kombinationen von Eingabematerialien
speech_to_text · Erforderlich: actual audio file
Methodenparameter und Lebenszyklus
| Parameter | Vertrag |
|---|---|
Parametermaterial_types | Vertragaudio |
Parameterrequired | Vertragnull |
Parameteroptional_controls | Vertragnull |
Lebenszyklus: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · die tatsächlich zurückgegebene task_id oder ein Eintrag in der Medienbibliothek
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Methodenstrukturen und IDs sind exakt; die Fähigkeiten des Anbieters sind von der Zulassung einer Anfrage zu unterscheiden.
Tarife
Ailoot-Methodentarife
POST /v1/audio/transcriptions- Eingabe
- $ 0,0021 pro Minute Audio
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
Beispielanfragen
Ailoot · Sprache zu 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
Ergebnisse abrufen und speichern
Ailoot · Sprache zu Text
json
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
Alle fertiggestellten Ergebnisse aufbewahren
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Bewahren Sie das vollständige JSON auf, nicht nur den Text; erhalten Sie jedes verfügbare Segment/jeden Sprecher/Zeitstempel und die tatsächliche Aufgaben-/Asset-Kennung.
Wenn die ursprüngliche Antwort geprüft werden muss
Die ursprüngliche operation_id/X-Client-Request-ID für den Abgleich ohne erneute Einreichung aufbewahren; es gibt keine eigene Route zur Abfrage des Audiostatus.
Antwortfelder
| Feld | Typ |
|---|---|
Feldtext | Typstring |
Feldsegments[] | Typobject |
Feldtask_id | Typstring |
Feldasset_url | Typstring |
Feldusage | Typobject |
Fehler und nächste Schritte
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Antwortserver_error | BedingungDie zurückgegebene Antwort gibt an, dass der Vorgang oder das Ergebnis eine Prüfung erfordert | Nächster SchrittDie ursprünglich zurückgegebene Vorgangs-/Aufgaben-ID, die Anfrageheader und die Antwort aufbewahren; mit unterstützten Leseaufrufen für diesen ursprünglichen Vorgang fortfahren. Die Erstellungsanfrage nicht erneut senden. |
Aliasnamen
Modellaliasnamen
Ailoot qwen-audio-3.0-asr-flash, qwen-asr, qwen-asr-latest
Aliasnamen für Methodenpfade
Verwenden Sie die oben angezeigten Methodenpfade.
Zugehörige Aufrufer-IDs
Ailoot · Sprache zu Text POST /v1/audio/transcriptions qwen-asr-latest
qwen-asr-latestqwen-audio-3.0-asr-flashqwen-asrqwen-asr-latest
Einstieg
Spracherkennungsmodell, das Audio in lesbaren Text mit Satzzeichen und normalisierten Zahlen umwandelt. Unterstützt Russisch und weitere Sprachen sowie chinesische Dialekte.
- Zulässige Eingaben
- Audio
- Ergebnisse
- Text
In Ailoot verfügbar · Eingaben und Methoden
Ailoot · Sprache zu Text POST /v1/audio/transcriptions
- Eingabe
audio- Ausgabe
text- Ausgabeformat
- json
| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits qwen-asr-latest | Standard— |
Feldfile | Typfile | AnforderungErforderlich | Werte und Limits Maximale Anzahl Bytes: 10 485 760 Dateiformate: wav, mp3, m4a, ogg, webm, flac Inhaltstyp: multipart/form-data Maximale Dauer, Sekunden: 300 | Standard— |
Feldresponse_format | Typstring | AnforderungOptional | Werte und Limits json | Standard— |
Kombinationen von Eingabematerialien
speech_to_text · Erforderlich: actual audio file
Methodenparameter und Lebenszyklus
| Parameter | Vertrag |
|---|---|
Parametermaterial_types | Vertragaudio |
Parameterrequired | Vertragnull |
Parameteroptional_controls | Vertragnull |
Lebenszyklus: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · die tatsächlich zurückgegebene task_id oder ein Eintrag in der Medienbibliothek
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Methodenstrukturen und IDs sind exakt; die Fähigkeiten des Anbieters sind von der Zulassung einer Anfrage zu unterscheiden.
Tarife
Ailoot-Methodentarife
POST /v1/audio/transcriptions- Eingabe
- $ 0,0021 pro Minute Audio
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
Beispielanfragen
Ailoot · Sprache zu 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
Ergebnisse abrufen und speichern
Ailoot · Sprache zu Text
json
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
Alle fertiggestellten Ergebnisse aufbewahren
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Bewahren Sie das vollständige JSON auf, nicht nur den Text; erhalten Sie jedes verfügbare Segment/jeden Sprecher/Zeitstempel und die tatsächliche Aufgaben-/Asset-Kennung.
Wenn die ursprüngliche Antwort geprüft werden muss
Die ursprüngliche operation_id/X-Client-Request-ID für den Abgleich ohne erneute Einreichung aufbewahren; es gibt keine eigene Route zur Abfrage des Audiostatus.
Antwortfelder
| Feld | Typ |
|---|---|
Feldtext | Typstring |
Feldsegments[] | Typobject |
Feldtask_id | Typstring |
Feldasset_url | Typstring |
Feldusage | Typobject |
Fehler und nächste Schritte
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Antwortserver_error | BedingungDie zurückgegebene Antwort gibt an, dass der Vorgang oder das Ergebnis eine Prüfung erfordert | Nächster SchrittDie ursprünglich zurückgegebene Vorgangs-/Aufgaben-ID, die Anfrageheader und die Antwort aufbewahren; mit unterstützten Leseaufrufen für diesen ursprünglichen Vorgang fortfahren. Die Erstellungsanfrage nicht erneut senden. |
Aliasnamen
Modellaliasnamen
Ailoot qwen-audio-3.0-asr-flash, qwen-asr, qwen-asr-latest
Aliasnamen für Methodenpfade
Verwenden Sie die oben angezeigten Methodenpfade.
Zugehörige Aufrufer-IDs
FAQ · qwen-audio-3.0-asr-flash
- Welche Eingaben und Ergebnisse sind verfügbar?
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- Welche Felder verwendet die Anfrage?
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