asr-1.0
MiniMax ASR 1.0 convierte audio en texto y admite ruso, separación de intervenciones por hablante y marcas de tiempo.
Sobre el modelo
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Una conversación grabada se convierte en texto
MiniMax ASR 1.0 reconoce voz en un archivo de audio. El fabricante describe reuniones, entrevistas, pódcast, pistas de audio de video, revisión de contenido y análisis de conversaciones. Está adaptado a habla conversacional, ruido y vocabulario profesional, con énfasis en reducir fragmentos inventados. En esta ficha de Ailoot, la entrada es audio y el resultado es texto.
Idioma y varios participantes
Se admiten ruso, ucraniano, inglés, francés, alemán, español, italiano, portugués y polaco; también chino, cantonés, japonés, coreano, tailandés, vietnamita, indonesio, malayo, filipino, árabe y turco. Si no se especifica idioma, detecta automáticamente el principal; el fabricante también describe combinar chino e inglés.
En la representación ampliada puede identificar hablantes y asociar intervenciones al tiempo. Devuelve el número total de participantes y segmentos con etiqueta de hablante, inicio, final y texto. Ayuda a saber quién dijo cada intervención y cuándo, sin mezclar participantes.
Representación del resultado
El fabricante contempla JSON normal con texto y duración, verbose_json ampliado y subtítulos SRT y WebVTT. Por defecto, las marcas de tiempo se aplican a frases o segmentos. Se describen marcas por palabra para inglés y por carácter para chino, correspondientes a formatos con alineación.
Puede devolver texto progresivamente, pero no combinarlo con separación de hablantes ni formatos de subtítulos. Este modo entrega fragmentos reconocidos a medida que procesa un archivo ya enviado. Es streaming del resultado, no envío continuo de audio desde un micrófono.
Requisitos de la grabación
Los formatos anunciados son WAV, AIFF, FLAC, ALAC en un contenedor M4A, MP3, AAC, Opus y Ogg. El archivo debe contener como máximo 500 segundos de audio y ocupar hasta 50 MB. Superar la duración se rechaza, no se recorta en silencio. No se admite PCM sin contenedor.
Para preparar la grabación, el fabricante recomienda mono a 16 kHz o audio comprimido: una frecuencia alta y estéreo no son necesarios para reconocer voz y aumentan el tamaño. La salida ampliada y el procesamiento en streaming corresponden a ASR 1.0; las opciones de Ailoot determinan el formato disponible de cada respuesta.
Ailoot · Voz a texto POST /v1/audio/transcriptions asr-1.0
asr-1.0Inicio
MiniMax ASR 1.0 convierte audio en texto y admite ruso, separación de intervenciones por hablante y marcas de tiempo.
- Entradas aceptadas
- Audio
- Resultados
- Texto
Disponible en Ailoot · entradas y métodos
Ailoot · Voz a texto POST /v1/audio/transcriptions
- Entrada
audio- Salida
text- Formato de salida
- json
| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites asr-1.0 | Predeterminado— |
Campofile | Tipofile | RequisitoObligatorio | Valores y límites Máximo de bytes: 52,428,800 Formatos de archivo: wav, mp3, m4a, ogg, webm, flac Tipo de contenido: multipart/form-data Duración máxima (exclusiva), segundos: 500 | Predeterminado— |
Camporesponse_format | Tipostring | RequisitoOpcional | Valores y límites json | Predeterminado— |
Combinaciones de materiales de entrada
speech_to_text · Obligatorio: actual audio file
Parámetros del método y ciclo de vida
| Parámetro | Contrato |
|---|---|
Parámetromaterial_types | Contratoaudio |
Parámetrorequired | Contratonull |
Parámetrooptional_controls | Contratonull |
Ciclo de vida: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · El task_id real devuelto o el registro de la biblioteca multimedia
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Las estructuras e ID de los métodos son exactos; la capacidad del proveedor y la admisión son conceptos distintos.
Tarifas
Tarifas de métodos Ailoot
POST /v1/audio/transcriptions- Entrada
- USD 0.38 por hora de audio
Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
Solicitudes de ejemplo
Ailoot · Voz a texto
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
Recibir y guardar resultados
Ailoot · Voz a texto
json
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
Conserva todos los resultados completados
Conserva todas las respuestas, archivos y partes de contenido completos recibidos.
Conserva el JSON completo, no solo el texto; conserva cada segmento, hablante y marca de tiempo disponible, así como la identidad real de tarea y recurso.
Si es necesario revisar la respuesta original
Conserva el operation_id/X-Client-Request-ID original para la conciliación sin volver a enviar la solicitud; no hay una ruta específica para consultar el estado del audio.
Campos de respuesta
| Campo | Tipo |
|---|---|
Campotext | Tipostring |
Camposegments[] | Tipoobject |
Campotask_id | Tipostring |
Campoasset_url | Tipostring |
Campousage | Tipoobject |
Errores y siguientes pasos
| Respuesta | Condición | Siguiente paso |
|---|---|---|
Respuesta400 · invalid_request_error | CondiciónCampos obligatorios, representación del material o valor del parámetro no válidos | Siguiente pasoCorrige los campos indicados antes de una nueva solicitud de creación. |
Respuestaserver_error | CondiciónLa respuesta devuelta indica que la operación o el resultado requiere una revisión | Siguiente pasoConserva el ID original de operación o tarea devuelto, los encabezados de la solicitud y la respuesta; continúa con las consultas admitidas de esa operación original. No vuelvas a enviar la solicitud de creación. |
Alias
Alias del modelo
Ailoot asr-1.0
Alias de rutas de métodos
Usa las rutas de método indicadas arriba.
ID de modelo relacionados
FAQ · asr-1.0
- ¿Qué entradas y resultados están disponibles?
POST /v1/audio/transcriptions·asr-1.0:audio→text- ¿Qué campos utiliza la solicitud?
POST /v1/audio/transcriptions·asr-1.0:model,file,response_format