qwen-audio-3.0-asr-flash
Puheentunnistusmalli, joka muuntaa äänen luettavaksi tekstiksi välimerkkeineen ja normalisoituine lukuineen. Tukee venäjää ja muita kieliä sekä kiinan murteita.
- Ailoot · Puheesta tekstiksi
POST /v1/audio/transcriptionsqwen-audio-3.0-asr-flash - Ailoot · Puheesta tekstiksi
POST /v1/audio/transcriptionsqwen-asr - Ailoot · Puheesta tekstiksi
POST /v1/audio/transcriptionsqwen-asr-latest
Tietoa mallista
Tämä kuvaus kattaa mallin ominaisuudet. Ailootissa saatavilla olevat syötteet, tulosteet ja asetukset luetellaan alla valitulle menetelmälle.
Qwen-Audio-3.0-ASR-Flash on tarkoitettu puhetallenteen muuntamiseen tekstiksi. Alibaba korostaa monikielistä tunnistusta ja ilmeikästä puhetta, kuten runollista rytmiä, klassista kiinaa ja kulttuurista kerrontaa. Syöte on ääntä ja tulos litterointi.
Puhe kirjoitettuna
Malli lisää välimerkit ja muuntaa puhutut luvut, päivämäärät ja rahasummat tavanomaiseen kirjoitusasuun. Tämä auttaa ääniviesteissä, haastatteluotteissa ja opetuksessa, kun tarvitaan luettavaa tekstiä pelkän tunnistettujen sanojen jonon sijaan.
Tuettuja kieliä on 30, mukaan lukien venäjä, englanti, ranska, saksa, japani ja arabia. Lisäksi huomioidaan seitsemän kiinan päämurreryhmää ja yli 20 alueellista ääntämistapaa. Valikoima on tarkoitettu eri kielten ja aksenttien tunnistamiseen.
Erikoistermeille voidaan antaa tehtäväkonteksti ja vihjesanoja. Ne ohjaavat nimien ja alan sanaston tunnistamista. Aikaleimat ovat tässä versiossa aina käytössä, joten tulos voidaan liittää tallenteen vastaaviin kohtiin. Lyhyen tiedoston litterointi voidaan palauttaa kerralla tai käsittelyn edetessä.
Materiaali ja rajoitukset
Tallenteen enimmäiskesto on viisi minuuttia. Yhdessä tehtävässä käytetään yhtä tiedostoa. AAC, AMR, AVI, FLAC, FLV, M4A, MKV, MOV, MP3, MP4, MPEG, OGG, OPUS, WAV, WEBM, WMA ja WMV ovat tuettuja; näytteenottotaajuus voi olla mikä tahansa. Luettelon videosäiliömuodot tarkoittavat puheen poimimista niiden ääniraidasta, eivät ruutujen visuaalista analysointia.
Qwen-Audio-3.0-ASR-Flash ei tarjoa puhujien erottelua tai tunteiden tunnistamista. Päätulos on teksti ja tunnistetun sisällön yhdistäminen tallenteen aikaan. Naapurimallien pidemmät tallenteet ja muut äänianalyysitavat eivät koske tätä versiota.
Ailoot · Puheesta tekstiksi POST /v1/audio/transcriptions qwen-audio-3.0-asr-flash
qwen-audio-3.0-asr-flashqwen-audio-3.0-asr-flashqwen-asrqwen-asr-latest
Aloitus
Puheentunnistusmalli, joka muuntaa äänen luettavaksi tekstiksi välimerkkeineen ja normalisoituine lukuineen. Tukee venäjää ja muita kieliä sekä kiinan murteita.
- 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 |
|---|---|---|---|---|
Kenttämodel | Tyyppistring | VaatimusPakollinen | Arvot & rajat qwen-audio-3.0-asr-flash | Oletus— |
Kenttäfile | Tyyppifile | VaatimusPakollinen | Arvot & rajat Tavujen enimmäismäärä: 10 485 760 Tiedostomuodot: wav, mp3, m4a, ogg, webm, flac Sisältötyyppi: multipart/form-data Enimmäiskesto, sekuntia: 300 | Oletus— |
Kenttäresponse_format | Tyyppistring | VaatimusValinnainen | Arvot & rajat json | Oletus— |
Syöteaineistojen yhdistelmät
speech_to_text · Pakollinen: actual audio file
Menetelmän parametrit ja elinkaari
| Parametri | Sopimus |
|---|---|
Parametrimaterial_types | Sopimusaudio |
Parametrirequired | Sopimusnull |
Parametrioptional_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
POST /v1/audio/transcriptions- Syöte
- 0,0021 $ ääniminuuttia 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
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
Vastaanota ja tallenna tulokset
Ailoot · Puheesta tekstiksi
json
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /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 |
|---|---|
Kenttätext | Tyyppistring |
Kenttäsegments[] | Tyyppiobject |
Kenttätask_id | Tyyppistring |
Kenttäasset_url | Tyyppistring |
Kenttäusage | 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. |
Vastausserver_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 qwen-audio-3.0-asr-flash, qwen-asr, qwen-asr-latest
Menetelmäpolkujen aliakset
Käytä yllä näytettyjä menetelmäpolkuja.
Liittyvät kutsujan ID:t
Ailoot · Puheesta tekstiksi POST /v1/audio/transcriptions qwen-asr
qwen-asrqwen-audio-3.0-asr-flashqwen-asrqwen-asr-latest
Aloitus
Puheentunnistusmalli, joka muuntaa äänen luettavaksi tekstiksi välimerkkeineen ja normalisoituine lukuineen. Tukee venäjää ja muita kieliä sekä kiinan murteita.
- 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 |
|---|---|---|---|---|
Kenttämodel | Tyyppistring | VaatimusPakollinen | Arvot & rajat qwen-asr | Oletus— |
Kenttäfile | Tyyppifile | VaatimusPakollinen | Arvot & rajat Tavujen enimmäismäärä: 10 485 760 Tiedostomuodot: wav, mp3, m4a, ogg, webm, flac Sisältötyyppi: multipart/form-data Enimmäiskesto, sekuntia: 300 | Oletus— |
Kenttäresponse_format | Tyyppistring | VaatimusValinnainen | Arvot & rajat json | Oletus— |
Syöteaineistojen yhdistelmät
speech_to_text · Pakollinen: actual audio file
Menetelmän parametrit ja elinkaari
| Parametri | Sopimus |
|---|---|
Parametrimaterial_types | Sopimusaudio |
Parametrirequired | Sopimusnull |
Parametrioptional_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
POST /v1/audio/transcriptions- Syöte
- 0,0021 $ ääniminuuttia 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
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
Vastaanota ja tallenna tulokset
Ailoot · Puheesta tekstiksi
json
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /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 |
|---|---|
Kenttätext | Tyyppistring |
Kenttäsegments[] | Tyyppiobject |
Kenttätask_id | Tyyppistring |
Kenttäasset_url | Tyyppistring |
Kenttäusage | 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. |
Vastausserver_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 qwen-audio-3.0-asr-flash, qwen-asr, qwen-asr-latest
Menetelmäpolkujen aliakset
Käytä yllä näytettyjä menetelmäpolkuja.
Liittyvät kutsujan ID:t
Ailoot · Puheesta tekstiksi POST /v1/audio/transcriptions qwen-asr-latest
qwen-asr-latestqwen-audio-3.0-asr-flashqwen-asrqwen-asr-latest
Aloitus
Puheentunnistusmalli, joka muuntaa äänen luettavaksi tekstiksi välimerkkeineen ja normalisoituine lukuineen. Tukee venäjää ja muita kieliä sekä kiinan murteita.
- 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 |
|---|---|---|---|---|
Kenttämodel | Tyyppistring | VaatimusPakollinen | Arvot & rajat qwen-asr-latest | Oletus— |
Kenttäfile | Tyyppifile | VaatimusPakollinen | Arvot & rajat Tavujen enimmäismäärä: 10 485 760 Tiedostomuodot: wav, mp3, m4a, ogg, webm, flac Sisältötyyppi: multipart/form-data Enimmäiskesto, sekuntia: 300 | Oletus— |
Kenttäresponse_format | Tyyppistring | VaatimusValinnainen | Arvot & rajat json | Oletus— |
Syöteaineistojen yhdistelmät
speech_to_text · Pakollinen: actual audio file
Menetelmän parametrit ja elinkaari
| Parametri | Sopimus |
|---|---|
Parametrimaterial_types | Sopimusaudio |
Parametrirequired | Sopimusnull |
Parametrioptional_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
POST /v1/audio/transcriptions- Syöte
- 0,0021 $ ääniminuuttia 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
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
Vastaanota ja tallenna tulokset
Ailoot · Puheesta tekstiksi
json
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /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 |
|---|---|
Kenttätext | Tyyppistring |
Kenttäsegments[] | Tyyppiobject |
Kenttätask_id | Tyyppistring |
Kenttäasset_url | Tyyppistring |
Kenttäusage | 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. |
Vastausserver_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 qwen-audio-3.0-asr-flash, qwen-asr, qwen-asr-latest
Menetelmäpolkujen aliakset
Käytä yllä näytettyjä menetelmäpolkuja.
Liittyvät kutsujan ID:t
FAQ · qwen-audio-3.0-asr-flash
- Mitä syötteitä ja tuloksia on saatavilla?
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- Mitä kenttiä pyyntö käyttää?
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