qwen-audio-3.0-asr-flash
Modelo de reconocimiento de voz que convierte audio en texto legible, con puntuación y normalización de números. Admite ruso y otros idiomas, además de dialectos chinos.
- Ailoot · Voz a texto
POST /v1/audio/transcriptionsqwen-audio-3.0-asr-flash - Ailoot · Voz a texto
POST /v1/audio/transcriptionsqwen-asr - Ailoot · Voz a texto
POST /v1/audio/transcriptionsqwen-asr-latest
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.
Qwen-Audio-3.0-ASR-Flash está diseñado para convertir una grabación de voz en texto. Alibaba destaca el reconocimiento multilingüe y el tratamiento del habla expresiva, incluido el ritmo poético, el chino clásico y la narración cultural. La entrada es audio y el resultado, una transcripción.
De la voz al texto escrito
El modelo añade puntuación y convierte números, fechas e importes pronunciados a la forma escrita habitual. Es útil para mensajes de voz, fragmentos de entrevistas y contenidos educativos hablados que requieren un texto legible, no solo una secuencia de palabras reconocidas.
Se admiten 30 idiomas, entre ellos ruso, inglés, francés, alemán, japonés y árabe. Además, se contemplan siete grandes sistemas dialectales chinos y más de 20 variantes regionales de pronunciación. Este conjunto está destinado a reconocer distintas características lingüísticas y de acento.
Para términos especializados se puede aportar contexto de la tarea y palabras de referencia. Ayudan a orientar el reconocimiento de nombres y vocabulario del ámbito. Las marcas de tiempo están siempre activadas en esta versión y permiten relacionar el resultado con los fragmentos correspondientes de la grabación. La transcripción de un archivo corto puede devolverse completa o a medida que se procesa.
Material y límites
La duración máxima de la grabación es de cinco minutos. Cada tarea utiliza un único archivo. Se admiten AAC, AMR, AVI, FLAC, FLV, M4A, MKV, MOV, MP3, MP4, MPEG, OGG, OPUS, WAV, WEBM, WMA y WMV; se acepta cualquier frecuencia de muestreo. La presencia de contenedores de video en la lista se refiere a extraer voz de su pista de audio, no a analizar visualmente sus fotogramas.
Qwen-Audio-3.0-ASR-Flash no ofrece separación de hablantes ni reconocimiento de emociones. Su resultado principal es texto y la relación entre el contenido reconocido y el tiempo de la grabación. Las capacidades para grabaciones más largas y otros análisis de sonido anunciados para modelos de la misma familia no corresponden a esta versión.
Ailoot · Voz a texto POST /v1/audio/transcriptions qwen-audio-3.0-asr-flash
qwen-audio-3.0-asr-flashqwen-audio-3.0-asr-flashqwen-asrqwen-asr-latest
Inicio
Modelo de reconocimiento de voz que convierte audio en texto legible, con puntuación y normalización de números. Admite ruso y otros idiomas, además de dialectos chinos.
- 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 qwen-audio-3.0-asr-flash | Predeterminado— |
Campofile | Tipofile | RequisitoObligatorio | Valores y límites Máximo de bytes: 10,485,760 Formatos de archivo: wav, mp3, m4a, ogg, webm, flac Tipo de contenido: multipart/form-data Duración máxima, segundos: 300 | 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 0.0021 por minuto 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 $AILOOT_API_KEY" \
--form-string model=qwen-audio-3.0-asr-flash -F "file=@$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
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 qwen-audio-3.0-asr-flash, qwen-asr, qwen-asr-latest
Alias de rutas de métodos
Usa las rutas de método indicadas arriba.
ID de modelo relacionados
Ailoot · Voz a texto POST /v1/audio/transcriptions qwen-asr
qwen-asrqwen-audio-3.0-asr-flashqwen-asrqwen-asr-latest
Inicio
Modelo de reconocimiento de voz que convierte audio en texto legible, con puntuación y normalización de números. Admite ruso y otros idiomas, además de dialectos chinos.
- 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 qwen-asr | Predeterminado— |
Campofile | Tipofile | RequisitoObligatorio | Valores y límites Máximo de bytes: 10,485,760 Formatos de archivo: wav, mp3, m4a, ogg, webm, flac Tipo de contenido: multipart/form-data Duración máxima, segundos: 300 | 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 0.0021 por minuto 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 $AILOOT_API_KEY" \
--form-string model=qwen-asr -F "file=@$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
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 qwen-audio-3.0-asr-flash, qwen-asr, qwen-asr-latest
Alias de rutas de métodos
Usa las rutas de método indicadas arriba.
ID de modelo relacionados
Ailoot · Voz a texto POST /v1/audio/transcriptions qwen-asr-latest
qwen-asr-latestqwen-audio-3.0-asr-flashqwen-asrqwen-asr-latest
Inicio
Modelo de reconocimiento de voz que convierte audio en texto legible, con puntuación y normalización de números. Admite ruso y otros idiomas, además de dialectos chinos.
- 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 qwen-asr-latest | Predeterminado— |
Campofile | Tipofile | RequisitoObligatorio | Valores y límites Máximo de bytes: 10,485,760 Formatos de archivo: wav, mp3, m4a, ogg, webm, flac Tipo de contenido: multipart/form-data Duración máxima, segundos: 300 | 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 0.0021 por minuto 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 $AILOOT_API_KEY" \
--form-string model=qwen-asr-latest -F "file=@$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
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 qwen-audio-3.0-asr-flash, qwen-asr, qwen-asr-latest
Alias de rutas de métodos
Usa las rutas de método indicadas arriba.
ID de modelo relacionados
FAQ · qwen-audio-3.0-asr-flash
- ¿Qué entradas y resultados están disponibles?
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- ¿Qué campos utiliza la solicitud?
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