asr-1.0

MiniMax ASR 1.0 muuntaa äänen tekstiksi ja tukee venäjää, repliikkien erottelua puhujittain sekä aikaleimoja.

Ailoot · Puheesta tekstiksi POST /v1/audio/transcriptions asr-1.0

Tietoa mallista

Tämä kuvaus kattaa mallin ominaisuudet. Ailootissa saatavilla olevat syötteet, tulosteet ja asetukset luetellaan alla valitulle menetelmälle.

Keskustelutallenne tekstiksi

MiniMax ASR 1.0 tunnistaa äänitiedoston puheen. Valmistaja kuvaa käyttötapauksiksi kokoukset, haastattelut, podcastit, videon ääniraidan, sisällön valvonnan ja keskustelujen analysoinnin. Malli on säädetty puhekieleen, meluun ja ammattisanastoon painottaen keksittyjen jaksojen vähentämistä. Tässä Ailoot-kortissa syöte on ääntä ja tulos tekstiä.

Kieli ja useat osallistujat

Tuettuja kieliä ovat venäjä ja ukraina, englanti, ranska, saksa, espanja, italia, portugali ja puola sekä kiina, kantoninkiina, japani, korea, thai, vietnam, indonesia, malaiji, filipino, arabia ja turkki. Jos kieltä ei aseteta, malli tunnistaa pääkielen automaattisesti; valmistaja kuvaa erikseen kiinan- ja englanninkielisen puheen yhdistämisen.

Laajennetussa tulosesityksessä malli voi erottaa puhujat ja sitoa repliikit aikaan. Siinä palautetaan osallistujien kokonaismäärä sekä segmentit, joissa on puhujatunniste, alku, loppu ja teksti. Tämä auttaa selvittämään, kuka sanoi tietyn repliikin ja milloin, sekoittamatta eri osallistujien puheenvuoroja.

Tuloksen esitysmuoto

Valmistaja mahdollistaa tavallisen JSON-tuloksen tekstillä ja kestolla, laajennetun verbose_json-muodon sekä SRT- ja WebVTT-tekstitykset. Aikaleimojen oletustaso on lause tai segmentti. Yksittäisten sanojen aikaleimat kuvataan englannille ja yksittäisten merkkien kiinalle; nämä merkinnät kuuluvat kohdistusta käyttäviin formaatteihin.

Asteittainen tekstitulostus on mahdollista, mutta sitä ei voi yhdistää puhujien erotteluun eikä tekstitysformaatteihin. Tila palauttaa uusia tunnistettuja tekstijaksoja sitä mukaa kuin jo lähetettyä tiedostoa käsitellään. Tämä on tuloksen suoratoistoa, ei jatkuvaa äänen lähettämistä mikrofonista.

Tallenteen vaatimukset

Ilmoitetut syöteformaatit ovat WAV, AIFF, FLAC, ALAC M4A-säiliössä, MP3, AAC, Opus ja Ogg. Tiedosto saa sisältää enintään 500 sekuntia ääntä ja olla enintään 50 Mt kokoinen. Liian pitkä tallenne hylätään eikä sitä katkaista huomaamatta. Raakaa PCM-ääntä ilman säiliötä ei tueta.

Tallenteen valmisteluun valmistaja suosittelee 16 kHz:n monoääntä tai pakattua ääniformaattia: suurta näytteenottotaajuutta ja stereoääntä ei tarvita tunnistukseen, ja ne kasvattavat tiedostoa. Laajennetun tulosteen ja suoratoistokäsittelyn ominaisuudet koskevat ASR 1.0 -mallia; yksittäisen pyynnön käytettävissä oleva vastausformaatti asetetaan Ailootin välineillä.

Ailoot · Puheesta tekstiksi POST /v1/audio/transcriptions asr-1.0

asr-1.0

MiniMax /asr-1.0

Aloitus

MiniMax ASR 1.0 muuntaa äänen tekstiksi ja tukee venäjää, repliikkien erottelua puhujittain sekä aikaleimoja.

Hyväksytyt syötteet: Ääni
Tulokset: Teksti

Saatavilla Ailootissa · syötteet & menetelmät

Ailoot · Puheesta tekstiksi POST /v1/audio/transcriptions

Syötetyypit: audio
Tulostyypit: text
Tulosteen muoto: json

Kenttä	Tyyppi	Vaatimus	Arvot & rajat	Oletus
Kenttä`model`	Tyyppi`string`	VaatimusPakollinen	Arvot & rajat asr-1.0	Oletus—
Kenttä`file`	Tyyppi`file`	VaatimusPakollinen	Arvot & rajat Tavujen enimmäismäärä: 52 428 800 Tiedostomuodot: wav, mp3, m4a, ogg, webm, flac Sisältötyyppi: multipart/form-data Enimmäiskesto (raja-arvo pois lukien), sekuntia: 500	Oletus—
Kenttä`response_format`	Tyyppi`string`	VaatimusValinnainen	Arvot & rajat json	Oletus—

Syöteaineistojen yhdistelmät

speech_to_text · Pakollinen: actual audio file

Menetelmän parametrit ja elinkaari

Parametri	Sopimus
Parametri`material_types`	Sopimusaudio
Parametri`required`	Sopimusnull
Parametri`optional_controls`	Sopimusnull

Elinkaari: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · todellisuudessa palautettu task_id tai mediakirjaston tietue

GET /v1/media/assets/{asset_id}/content

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Menetelmien rakenteet ja ID:t ovat täsmällisiä; toimittajan kyvykkyys on erillinen pyynnön hyväksymisestä.

Hinnoittelu

Ailoot-menetelmien hinnat

Ailoot Puheesta tekstiksiPOST /v1/audio/transcriptions

Syöte: 0,38 $ äänituntia kohden

Ailoot varaa arvioidun summan ennen pyyntöä. Tuloksen jälkeen lopullinen veloitus toteutetaan mitatun käytön perusteella. Suoratoiston veloituksessa käytetään lopullista käyttötietuetta. Varauksen ja lopullisen veloituksen toiminta →

Esimerkkipyynnöt

Ailoot · Puheesta tekstiksi

Litterointiesimerkki

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

Vastaanota ja tallenna tulokset

Ailoot · Puheesta tekstiksi

json

GET /v1/media/tasks/{task_id}
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}

Säilytä kaikki valmistuneet tulokset

Säilytä jokainen kokonainen palautettu vastaus, tiedosto ja sisällön osa.

Säilytä koko JSON, älä pelkkää tekstiä; säilytä jokainen saatavilla oleva segmentti, puhuja ja aikaleima sekä todellinen tehtävä- ja aineistotunniste.

Jos alkuperäinen vastaus on tarkistettava

Säilytä alkuperäinen operation_id/X-Client-Request-ID täsmäytystä varten lähettämättä pyyntöä uudelleen; erillistä äänen tilakyselyreittiä ei ole.

Vastauksen kentät

Kenttä	Tyyppi
Kenttä`text`	Tyyppistring
Kenttä`segments[]`	Tyyppiobject
Kenttä`task_id`	Tyyppistring
Kenttä`asset_url`	Tyyppistring
Kenttä`usage`	Tyyppiobject

Virheet ja seuraavat vaiheet

Vastaus	Ehto	Seuraava vaihe
Vastaus400 · `invalid_request_error`	EhtoVirheelliset pakolliset kentät, aineiston esitysmuoto tai parametrin arvo	Seuraava vaiheKorjaa ilmoitetut kentät ennen uutta luontipyyntöä.
Vastaus`server_error`	EhtoPalautettu vastaus ilmoittaa, että operaatio tai tulos edellyttää tarkistusta	Seuraava vaiheSäilytä alkuperäinen palautettu operaation tai tehtävän ID, pyynnön otsakkeet ja vastaus; jatka kyseisen alkuperäisen operaation tuettuja lukutoimintoja. Älä lähetä luontipyyntöä uudelleen.

Aliakset

Mallin aliakset

Ailoot asr-1.0

Menetelmäpolkujen aliakset

Käytä yllä näytettyjä menetelmäpolkuja.

Liittyvät kutsujan ID:t

asr-1.0

FAQ · asr-1.0

Mitä syötteitä ja tuloksia on saatavilla?: POST /v1/audio/transcriptions · asr-1.0: audio → text
Mitä kenttiä pyyntö käyttää?: POST /v1/audio/transcriptions · asr-1.0: model, file, response_format

asr-1.0

asr-1.0

Keskustelutallenne tekstiksi

Kieli ja useat osallistujat

Tuloksen esitysmuoto

Tallenteen vaatimukset

Aloitus

Saatavilla Ailootissa · syötteet & menetelmät

Hinnoittelu

Ailoot-menetelmien hinnat

Esimerkkipyynnöt

Ailoot · Puheesta tekstiksi

Vastaanota ja tallenna tulokset

Ailoot · Puheesta tekstiksi

Säilytä kaikki valmistuneet tulokset

Jos alkuperäinen vastaus on tarkistettava

Aliakset

Mallin aliakset

Menetelmäpolkujen aliakset

Liittyvät kutsujan ID:t

Yritys ja sen projektisalkku

Osta tokenit alennuksella.

Yhdistä API tuotteeseen, jonka myyt.