Source: https://ailoot.ai/models/de-at/qwen-qwen3-asr-1-7b/ Canonical: https://ailoot.ai/models/de-at/qwen-qwen3-asr-1-7b/ Language: de-at # Qwen: Qwen3 ASR 1.7B [Markdown](https://ailoot.ai/models/de-at/qwen-qwen3-asr-1-7b/index.md) · [JSON](https://ailoot.ai/models/de-at/qwen-qwen3-asr-1-7b/facts.json) ## [Qwen: Qwen3 ASR 1.7B](https://ailoot.ai/models/de-at/qwen-qwen3-asr-1-7b/) Qwen3-ASR-1.7B wandelt Sprache und Gesang in Text um und identifiziert die Sprache. Qwen dokumentiert 30 Sprachen, 22 chinesische Dialekte sowie Offline- oder Streaming-Erkennung; Zeitangaben auf Wortebene verwenden einen separaten Qwen3-ForcedAligner-Ablauf. - [**Ailoot Ultra · Transkription** `POST /v1/audio/transcriptions` `qwen/qwen3-asr-1.7b`](https://ailoot.ai/models/de-at/qwen-qwen3-asr-1-7b/#method-0) 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. Qwen3-ASR-1.7B ist Qwens größeres Spracherkennungsmodell der Qwen3-ASR-Familie. Es nimmt Audio entgegen und gibt erkannten Text zusammen mit einer Sprachkennung zurück. Die Familie baut auf der Audioverständnisgrundlage von Qwen3-Omni auf und verwendet ein ASR-Modell für Offline- und Streaming-Erkennung. Die 1.7B-Edition betont Erkennungsqualität, während die separat benannte 0.6B-Edition Effizienz hervorhebt. Diese Editionen bleiben unterschiedliche Optionen, auch wenn sie dokumentierte Sprachabdeckung und Erkennungsabläufe teilen. #### Sprachidentifikation und Audioabdeckung Der Hersteller nennt 30 Sprachen und 22 chinesische Dialekte sowie englische Akzente mehrerer Regionen. Die Sprachenliste umfasst Chinesisch, Englisch, Kantonesisch, Arabisch, Deutsch, Französisch, Spanisch, Portugiesisch, Indonesisch, Italienisch, Koreanisch, Russisch, Thai, Vietnamesisch, Japanisch, Türkisch, Hindi, Malaiisch, Niederländisch, Schwedisch, Dänisch, Finnisch, Polnisch, Tschechisch, Filipino, Persisch, Griechisch, Ungarisch, Mazedonisch und Rumänisch. Unterstützte Audiotypen sind Sprache, Gesang und Lieder mit Hintergrundmusik. Diese Fähigkeiten machen das Transkript für Interviews, Vorträge, Sprachaufnahmen und die Prüfung von Liedtexten nützlich; das ursprüngliche Audio bleibt zur Prüfung schwieriger Passagen erhalten. #### Audio vorbereiten und ein Transkript erhalten Das Toolkit des Herstellers akzeptiert eine Audiodateireferenz, kodiertes Audio oder eine Wellenform mit ihrer Abtastrate; sein Offline-Ablauf kann eine Sammlung von Aufnahmen verarbeiten. Es kann die Sprache automatisch erkennen oder eine vorgegebene unterstützte Sprache verwenden. Wählen Sie automatische Erkennung für eine unbekannte Aufnahme; geben Sie die tatsächlich gesprochene Sprache vor, wenn sie bekannt und für die Aufgabe relevant ist. Das Beispielergebnis enthält erkannte oder ausgewählte Sprache und erkannten Text. Die Spracheinstellung steuert die Erkennung der Aufnahme statt eine Anforderung zu definieren, ihren Inhalt in einer anderen Sprache neu zu schreiben. Bewahren Sie bei einem Interview die Aufnahme zusammen mit Datum, Thema und Quellkennung und verwenden Sie anschließend den zurückgegebenen Text als durchsuchbares Transkript. Bewahren Sie bei einem Vortrag Fachbegriffe und numerische Ausdrücke während der Prüfung, statt unklare Wörter stillschweigend durch eine plausible Erklärung zu ersetzen. Prüfen Sie bei einem Lied den erkannten Text beim Anhören der Gesangslinie, besonders wenn Musik eine Silbe verdeckt. Das Transkript kann nach Prüfung seines Wortlauts anhand des Audios die Eingabe für einen separaten Zusammenfassungs-, Übersetzungs- oder Redaktionsschritt werden. #### Streaming-Erkennung und ihr Umfang Dieselbe ASR-Familie unterstützt Erkennung während des Audioeingangs. Das Streaming-Beispiel des Herstellers speist aufeinanderfolgende Audioabschnitte in einen beibehaltenen Erkennungszustand ein, zeigt vorläufigen Text und beendet anschließend den Stream für die endgültige Sprache und das Transkript. Unterscheiden Sie bei Live-Untertiteln oder einem laufenden Transkript den aktuellen inkrementellen Text vom abgeschlossenen Ergebnis. Die dokumentierte Streaming-Implementierung verbindet Streaming nicht mit Batch-Inferenz und liefert keine Zeitstempel; ein zeitlich zugeordnetes Transkript verwendet einen anderen Ablauf. Dies sind Implementierungsdetails des Herstellers, kein Versprechen zum Transport oder zur Live-Untertiteloberfläche einer Anwendung. #### Wort- oder Zeichenzeiten mit einem separaten Aligner Qwen3-ForcedAligner-0.6B richtet eine Audioaufnahme an geliefertem Text aus und sagt Start- und Endzeiten auf Wort- oder Zeichenebene voraus. Es ist ein separates Modell, getrennt von beiden Qwen3-ASR-Editionen. Das ASR-Toolkit kann diesen Aligner verwenden, wenn in seinem Offline-Transkriptionsablauf Zeitstempel verlangt werden; alternativ kann die Ausrichtung auf einem vorhandenen Text-Audio-Paar laufen. Die dokumentierte Abdeckung des Aligners umfasst 11 Sprachen: Chinesisch, Englisch, Kantonesisch, Französisch, Deutsch, Italienisch, Japanisch, Koreanisch, Portugiesisch, Russisch und Spanisch. Seine genannte Sprachdauer beträgt bis zu fünf Minuten; dies ist der Umfang des Aligners, keine Fünf-Minuten-Grenze für ASR-Transkription. Erstellen und prüfen Sie zur Untertitelvorbereitung zunächst das Transkript und richten Sie es anschließend an der Quellaufnahme aus, wo dieser Ausrichtungsablauf geeignet ist. Verwenden Sie die zurückgegebenen Start- und Endzeiten für Untertitelsegmente und prüfen Sie ihre Grenzen beim Anhören. Ausrichtung ordnet gelieferte Wörter Audio zu; sie gilt nicht als Beleg, dass ein fehlerhaftes Transkript korrigiert wurde. Das nützliche Artefakt ist ein geprüftes Transkript mit Zeitinformationen, das mit seiner beschriebenen Aufnahme verbunden bleibt. #### Lange Aufnahmen und praktische Grenzen Die Familie unterstützt Transkription langer Audioaufnahmen; die offiziellen Beispiele weisen darauf hin, bei längerer Eingabe mehr generierten Text zuzulassen. Ihre beispielhaften Token-Einstellungen sind Konfigurationsentscheidungen, keine universelle Modellkontext- oder Audiodauergrenze. Planen Sie das Ausgabebudget nach der Aufnahme und prüfen Sie, dass das Ende vorhanden ist. Prüfen Sie Namen, Mengen, Sprachwechsel, verdeckte Wörter und überlappende Sprache anhand des ursprünglichen Tons. Sprachabdeckung und Robustheit gegenüber schwierigem Audio garantieren kein fehlerfreies Transkript für jeden Akzent, jede Aufnahme oder jedes musikalische Arrangement. Ein vollständiges Ergebnis bewahrt erkannten Wortlaut, Sprache und Beziehung zum Audio, damit es gesucht, bearbeitet oder in einem späteren Inhaltsablauf verwendet werden kann. **Ailoot Ultra · Transkription** `POST /v1/audio/transcriptions` `qwen/qwen3-asr-1.7b` [`qwen/qwen3-asr-1.7b`](https://ailoot.ai/models/de-at/#m=qwen%2Fqwen3-asr-1.7b&route=Ultra&caller=qwen%2Fqwen3-asr-1.7b&fmt=transcriptions) Alibaba /`qwen/qwen3-asr-1.7b` ### Einstieg Qwen3-ASR-1.7B wandelt Sprache und Gesang in Text um und identifiziert die Sprache. Qwen dokumentiert 30 Sprachen, 22 chinesische Dialekte sowie Offline- oder Streaming-Erkennung; Zeitangaben auf Wortebene verwenden einen separaten Qwen3-ForcedAligner-Ablauf. Zulässige Eingaben Audio Ergebnisse Text ### In Ailoot verfügbar · Eingaben und Methoden **Ailoot Ultra · Transkription** `POST /v1/audio/transcriptions` Eingabe `audio` Ausgabe `text` | Feld | Typ | Anforderung | Werte und Limits | Standard | | --- | --- | --- | --- | --- | | Feld`model` | Typ`string` | AnforderungErforderlich | Werte und Limits qwen/qwen3-asr-1.7b | Standard— | | Feld`input_audio` | Typ`object` | AnforderungErforderlich | Werte und Limits | Standard— | | Feld`language` | Typ`string` | AnforderungOptional | Werte und Limits | Standard— | | Feld`temperature` | Typ`number` | AnforderungOptional | Werte und Limits Minimum: 0 Maximum: 1 | Standard— | | Feld`response_format` | Typ`string` | AnforderungOptional | Werte und Limits json, verbose\_json | Standardjson | | Feld`timestamp_granularities` | Typ`array` | AnforderungOptional | Werte und Limits | Standard— | | Feld`provider` | Typ`object` | AnforderungOptional | Werte und Limits | Standard— | Methodenparameter und Lebenszyklus | Parameter | Vertrag | | --- | --- | | Parameter`content_type` | Vertragapplication/json | | Parameter`required` | Vertragmodel, input\_audio | | Parameter`material_types` | Vertragaudio | | Parameter`material_conditions` | VertragLesen Sie eine tatsächliche WAV-Datei und kodieren Sie deren echte Bytes für die deklarierte JSON-Eingabe input\_audio; für diese exakte reine JSON-Deklaration wird keine multipart-Route angeboten. | 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}` ### Tarife ##### So wird die endgültige Gebühr berechnet Die angezeigten Tarife dienen zur Kostenschätzung vor der Generierung. Der endgültige Betrag wird aus den für die ursprüngliche Generierung erfassten Kosten berechnet. Die gemessene Ausgabedauer und prognostizierte Mengen sind nicht die endgültige abrechenbare Menge. Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode. Schnellmodus Nicht angegeben Wenn der Schnellmodus ausgewählt ist Flex-Modus Nicht angegeben Wenn der Modus flex ausgewählt ist Maximaler Denkaufwand Nicht angegeben Wenn beim maximalen Denkaufwand die Standardanpassung (default) verwendet wird #### Geschätzte Tarife zum Vergleich #### Preise nach Konfiguration Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif. | Konfiguration | Tarifstaffel | Prognostizierte Menge | Abrechnungseinheit | Gebühr | | --- | --- | --- | --- | --- | | KonfigurationBasistarife für Tokens | TarifstaffelGrundtarif | Prognostizierte Menge— | Abrechnungseinheit— | Gebühr Eingabe · Eingabetoken · Schätzung nur zum Vergleich **—** / 1K Tokens Ausgabe · Ausgabetoken · Schätzung nur zum Vergleich **—** / 1K Tokens Eingabe · Cache lesen · Schätzung nur zum Vergleich **—** / 1K Tokens Eingabe · In Cache schreiben · Schätzung nur zum Vergleich **—** / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde · Schätzung nur zum Vergleich **—** / 1K Tokens | | KonfigurationAudioeingabesekunde | Tarifstaffel— | Prognostizierte Menge— | Abrechnungseinheitpro Sekunde Eingabeaudio | Gebühr Eingabe · Audioeingabesekunde · Schätzung nur zum Vergleich **$0.000015** pro Sekunde Eingabeaudio | | KonfigurationGeschätzte Generierungskosten | Tarifstaffel— | Prognostizierte MengeSchätzung für eine Generierung | Abrechnungseinheit— | Gebühr Ausgabe · Geschätzte Generierungskosten · Schätzung nur zum Vergleich **$0.000015** Schätzung vor der Generierung Diese Schätzung ist weder eine zusätzliche Gebühr noch ein fester Tarif für die abgeschlossene Generierung. | Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. [So funktionieren Reservierung und Abrechnung →](https://ailoot.ai/docs/de-at/billing/reserve/) ### Beispielanfragen #### Ailoot Ultra · Transkription curl · exakter nativer Request-Body und vollständiges Ergebnis ```bash set -eu : "${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 $AILOOT_API_KEY" -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o response.bin # Keep the complete original response and headers. Read every returned segment, word and usage field. # Preserve actual operation/task/asset IDs; continue reads of the original result without resubmitting. ``` ### Ergebnisse abrufen und speichern #### Ailoot Ultra · Transkription - `GET /v1/media/tasks/{task_id}` - `GET /v1/media/assets/{asset_id}/content` - `GET /v1/media/assets` - `GET /v1/media/assets/{asset_id}` Abrufe anderer Inhalte Vorhandene eigene Dateien abrufen ```bash set -eu : "${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. ``` ##### Alle fertiggestellten Ergebnisse aufbewahren Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf. Die vollständige Antwort und ihre Header, jede tatsächliche Ausgabe, die ursprünglich zurückgegebenen Kennungen und alle Nutzungsfelder aufbewahren. Den ursprünglichen Vorgang wiederaufnehmen, ohne die Erstellung erneut anzufordern. ##### Wenn die ursprüngliche Antwort geprüft werden muss Die zurückgegebene X-Client-Request-ID zum Abgleich aufbewahren. Nur tatsächlich zurückgegebene task\_id-/asset\_id-Werte oder die eigene Medienbibliothek abfragen; niemals eine Aufgaben-URL aus der Vorgangs-ID bilden und die Erstellung niemals erneut anfordern. Antwortfelder | Feld | Typ | | --- | --- | | Feld`text` | Typ | | Feld`usage` | Typ | | Feld`segments[]` | Typ | | Feld`words[]` | Typ | | Feld`speaker fields` | Typ | | Feld`timestamps` | Typ | ### Aliasnamen #### Modellaliasnamen **Ailoot Ultra** [`qwen/qwen3-asr-1.7b`](https://ailoot.ai/models/de-at/#m=qwen%2Fqwen3-asr-1.7b&route=Ultra&caller=qwen%2Fqwen3-asr-1.7b&fmt=transcriptions) #### Aliasnamen für Methodenpfade Verwenden Sie die oben angezeigten Methodenpfade. #### Zugehörige Aufrufer-IDs [`qwen/qwen3-asr-1.7b`](https://ailoot.ai/models/de-at/#m=qwen%2Fqwen3-asr-1.7b&route=Ultra&caller=qwen%2Fqwen3-asr-1.7b&fmt=transcriptions) FAQ · Qwen: Qwen3 ASR 1.7B Welche Eingaben und Ergebnisse sind verfügbar? `POST /v1/audio/transcriptions` · `qwen/qwen3-asr-1.7b`: `audio` → `text` Welche Felder verwendet die Anfrage? `POST /v1/audio/transcriptions` · `qwen/qwen3-asr-1.7b`: `model`, `input_audio`, `language`, `temperature`, `response_format`, `timestamp_granularities`, `provider` Welche Grenzen gelten? `POST /v1/audio/transcriptions` · `qwen/qwen3-asr-1.7b`: `temperature.minimum`: `0`; `temperature.maximum`: `1` Verbinden Sie Ailoot mit Claude Code, OpenCode, Hermes oder Ihrer eigenen Anwendung. ## Das Unternehmen und sein Projektportfolio Das Unternehmen und sein Projektportfolio: Millionen von Kunden; monatliche Umsätze in Milliardenhöhe. ## Tokens mit Rabatt kaufen. Aborabatt für regelmäßige Arbeit. Aktionscodes bieten bis 50% beim Tokenkauf. Abo Wählen Sie einen Tarif mit Rabatt für Ihre regelmäßigen Anfragen. Aktionscode bis 50% Geben Sie den Code beim Kauf ein. Der Preis wird nach den gültigen Aktionsbedingungen berechnet. Ausgaben in der Historie Modell, Tokens und Betrag werden für jede Anfrage gespeichert. [Abo wählen](https://ailoot.ai/docs/de-at/billing/subscriptions/) · [Modellpreise ansehen](https://ailoot.ai/models/de-at/) ## Verbinden Sie die API mit dem Produkt, das Sie verkaufen. SaaS, Anwendungen und Bots nach dem offiziellen Angebot und Lizenzvertrag von Ailoot. Fordern Sie für den Weiterverkauf eine Reseller-Lizenz an. Kommerzielle Anwendung Integrieren Sie Text-, Bild-, Video- und Audioerzeugung in kostenpflichtige Funktionen Ihres Dienstes. Reseller-Lizenz Senden Sie Projektbeschreibung und Zugangsmodell. Fordern Sie schriftliche Nutzungs- und Weiterverkaufsbedingungen an. Dokumente auf der Website Offizielles Angebot, Lizenzvertrag und Datenschutzerklärung sind vor der Verbindung zugänglich. [Reseller-Lizenz anfordern](mailto:support@ailoot.ai) · [Offizielles Angebot und Lizenzvertrag](https://ailoot.ai/legal/offer?lang=de-at) ## Ailoot · Das Unternehmen und sein Projektportfolio Ailoot baut auf bewährte Betriebserfahrung, einen großen Kundenstamm, stabilen Service und kontinuierliche KPI-Kontrolle. Das Unternehmen und sein Projektportfolio: Millionen von Kunden; monatliche Umsätze in Milliardenhöhe. Ailoot nutzt diese Betriebserfahrung für den API-Zugang zu KI-Funktionen in Kundenprodukten, Agenten, Anwendungen und Automatisierungen.