Qwen: Qwen3 ASR 0.6B
Qwen3-ASR-0.6B on Qwenin kompakti puheentunnistusmalli, joka muuttaa puhutun tai lauletun äänen tekstiksi ja tunnistaa kielen. Se jakaa malliperheen 30 kielen ja 22 murteen kattavuuden, offline- ja suoratoistotyönkulut sekä erillisen pakotetun kohdistuksen ajoitettua tekstiä varten.
Tietoa mallista
Tämä kuvaus kattaa mallin ominaisuudet. Ailootissa saatavilla olevat syötteet, tulosteet ja asetukset luetellaan alla valitulle menetelmälle.
Qwen3-ASR-0.6B on Qwenin Qwen3-ASR-puheentunnistusperheen kompakti versio. Se vastaanottaa ääntä ja tuottaa litteroinnin kielitunnisteineen. Valmistaja asemoi 0.6B-version tunnistuslaadun ja tehokkuuden tasapainon ympärille, kun taas 1.7B on erikseen nimetty suurempi versio. Molemmat hyödyntävät Qwen3-Omnin äänen ymmärtämistä ja jakavat dokumentoidun tunnistuskattavuuden sekä yhtenäisen offline- ja suoratoistolähestymistavan. Kompakti versio voi toteuttaa litterointivaiheen äänimuistiinpanojen, tekstitysten valmistelun tai haettavien tallenteiden työnkulussa.
Kielet, murteet ja tuetut tallenteet
Qwen dokumentoi puheentunnistuksen ja kielen tunnistamisen 30 kielelle ja 22 kiinan murteelle sekä tuen eri alueiden englannin aksenteille. Sen kielitaulukossa luetellaan kiina, englanti, kantoninkiina, arabia, saksa, ranska, espanja, portugali, indonesia, italia, korea, venäjä, thai, vietnam, japani, turkki, hindi, malaiji, hollanti, ruotsi, tanska, suomi, puola, tšekki, filipino, persia, kreikka, unkari, makedonia ja romania. Tunnistettaviin äänityyppeihin kuuluvat puhe, lauluääni ja taustamusiikkia sisältävät laulut. Pienempi versio säilyttää tämän malliperheen kattavuuden; sen koko ei tarkoita eri tuettujen kielten luetteloa.
Offline-tunnistus ja syötteen valmistelu
Virallinen työkalupaketti voi vastaanottaa äänen tiedostoviitteenä, koodattuna äänenä tai aaltomuotona näytteenottotaajuuksineen. Se tukee useiden tallenteiden offline-käsittelyä, automaattista kielen tunnistusta ja tuetun kielen määrittämistä. Dokumentoitu tulos sisältää kielen ja tunnistetun tekstin. Valitse puhuttu kieli, jos tiedät sen, tai anna mallin tunnistaa se, kun kokoelma sisältää tuntemattomia kieliä. Säilytä jokaisen tallenteen tunniste sen tuloksen yhteydessä, jotta litterointi voidaan jäljittää oikeaan lähteeseen.
Säilytä äänimuistiinpanojen joukossa erillinen tulos jokaiselle muistiinpanolle ja tarkista nimet, numerot ja epäselvät ilmaukset tallenteesta ennen tekstin muuttamista tehtäviksi tai tiivistelmäksi. Käytä puhutun opastusmateriaalin litterointia kohtien löytämiseen ja kunkin ohjeen sanamuodon tarkistamiseen. Kuuntele laulussa laululinjaa sanoituksia tarkistaessasi sen sijaan, että hyväksyisit sanan vain siksi, että se sopii laulun merkitykseen. Nämä ovat tekstimuotoisen tuloksen valmistelu- ja tarkistusvaiheita; litteroinnin tiivistäminen, kääntäminen tai tulkitseminen voivat seurata erillisinä toimintoina.
Suoratoistettava teksti ja tallenteen viimeistely
Qwen3-ASR käyttää samaa mallia offline- ja suoratoistotunnistukseen. Valmistajan suoratoistoesimerkissä saapuvat äänijaksot päivittävät säilytettävää tunnistustilaa, ja viimeistelyvaihe tuottaa valmiin tekstin ja kielen. Tämä mahdollistaa vaiheittaisen näyttämisen, josta on hyötyä jatkuvasti päivittyvässä litteroinnissa. Käsittele väliaikaista näyttötekstiä nykyisenä tunnistustilana ja säilytä lopullinen tulos tallennuksen päätyttyä niin, että lähdeääni on käytettävissä korjauksia varten.
Dokumentoitu suoratoistototeutus ei tue erämuotoista inferenssiä tai aikaleimojen palauttamista kyseisessä suoratoistotyönkulussa. Suoratoistettava teksti, offline-litterointien kokoelma ja ajoitettujen tekstitysten valmistelu ovat siksi valmistajan erillisiä työnkulkuja. Esimerkkien jaksokoot ja tokenasetukset havainnollistavat toteutusta; ne eivät ole yleisiä lupauksia viiveestä, samanaikaisuudesta tai äänen pituudesta. Valitse työnkulku sen mukaan, onko hyödyllinen tulos tallennuksen aikana saapuva teksti, kokoelman valmis teksti vai aikajanalle kohdistettu teksti.
Ajoitettu teksti käyttää Qwen3-ForcedAligner-mallia
Qwen3-ForcedAligner-0.6B on erillinen kohdistusmalli, vaikka sillä on sama 0.6B-kokomerkintä kuin tällä ASR-versiolla. Se vastaanottaa teksti–ääniparin ja ennustaa alku- ja loppuajat sanan tai merkin tasolla. Valmistajan offline-ASR-työkalupaketti voi kutsua sitä, kun aikaleimoja pyydetään. Sen dokumentoitu kielivalikoima on kiina, englanti, kantoninkiina, ranska, saksa, italia, japani, korea, portugali, venäjä ja espanja, ja ilmoitettu kohdistettava jakso on enintään viisi minuuttia puhetta. Tämä suppeampi kielivalikoima ja viiden minuutin jakso kuuluvat pakotettuun kohdistukseen, eivät ASR-mallin yleiseen litterointikattavuuteen.
Valmistele tekstitystä varten tarkistettu litterointi tallenteen kielellä, kohdista se tuetun työnkulun soveltuessa ja tarkista jaksojen rajat lähdettä toistaessasi. Käyttökelpoinen tekstitystulos säilyttää sanamuodot ja ajoitukset yhdessä. Jos litteroinnin sana on virheellinen, korjaa sanamuoto äänen perusteella sen sijaan, että olettaisit aikajakson vahvistavan sen oikeaksi. Tämä erottelu selventää, onko ongelma tunnistuksessa, annetussa tekstissä vai tekstitysrajan sijoittelussa.
Pitkän äänen tuloste ja tunnistuksen tarkistukset
Qwen3-ASR-perhe tukee pitkiä tallenteita. Sen inferenssiesimerkit neuvovat sallimaan enemmän generoituja tokeneita pidemmälle äänelle. Varmista siksi, että litterointi ulottuu tallenteen loppuun eikä tulosteen tokenbudjetti ole katkaissut sitä. Julkaistut esimerkit eivät määrittele yleistä numeerista konteksti-ikkunaa tai ASR-tallenteen enimmäiskestoa. Säilytä hyödyllisten osioiden yhteys niiden sijaintiin lähteessä, kun järjestät pitkää tallennetta tarkistettavaksi. Tarkista peittyneet sanat, kielen vaihtumiset, päällekkäinen puhe, epätavalliset nimet ja lauletut tavut alkuperäisestä äänestä. Käytännön tulos on tunnistettu teksti kielitunnisteineen, valmiina hakuun tai seuraavaan sisältövaiheeseen. Ajoitus lisätään tarvittaessa erillisessä kohdistustyönkulussa.
Ailoot Ultra · Litterointi POST /v1/audio/transcriptions qwen/qwen3-asr-0.6b
qwen/qwen3-asr-0.6bAloitus
Qwen3-ASR-0.6B on Qwenin kompakti puheentunnistusmalli, joka muuttaa puhutun tai lauletun äänen tekstiksi ja tunnistaa kielen. Se jakaa malliperheen 30 kielen ja 22 murteen kattavuuden, offline- ja suoratoistotyönkulut sekä erillisen pakotetun kohdistuksen ajoitettua tekstiä varten.
- Hyväksytyt syötteet
- Ääni
- Tulokset
- Teksti
Saatavilla Ailootissa · syötteet & menetelmät
Ailoot Ultra · Litterointi POST /v1/audio/transcriptions
- Syötetyypit
audio- Tulostyypit
text
| Kenttä | Tyyppi | Vaatimus | Arvot & rajat | Oletus |
|---|---|---|---|---|
Kenttämodel | Tyyppistring | VaatimusPakollinen | Arvot & rajat qwen/qwen3-asr-0.6b | Oletus— |
Kenttäinput_audio | Tyyppiobject | VaatimusPakollinen | Arvot & rajat | Oletus— |
Kenttälanguage | Tyyppistring | VaatimusValinnainen | Arvot & rajat | Oletus— |
Kenttätemperature | Tyyppinumber | VaatimusValinnainen | Arvot & rajat Vähimmäismäärä: 0 Enimmäismäärä: 1 | Oletus— |
Kenttäresponse_format | Tyyppistring | VaatimusValinnainen | Arvot & rajat json, verbose_json | Oletusjson |
Kenttätimestamp_granularities | Tyyppiarray | VaatimusValinnainen | Arvot & rajat | Oletus— |
Kenttäprovider | Tyyppiobject | VaatimusValinnainen | Arvot & rajat | Oletus— |
Menetelmän parametrit ja elinkaari
| Parametri | Sopimus |
|---|---|
Parametricontent_type | Sopimusapplication/json |
Parametrirequired | Sopimusmodel, input_audio |
Parametrimaterial_types | Sopimusaudio |
Parametrimaterial_conditions | SopimusLue todellinen WAV-tiedosto ja koodaa sen todelliset tavut määriteltyyn JSON input_audio -syötteeseen; tälle täsmälliselle, vain JSON-muotoa käyttävälle määrittelylle ei ilmoiteta multipart-reittiä. |
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}
Hinnoittelu
Lopullisen veloituksen laskenta
Näytettyjen hintojen avulla arvioidaan kustannukset ennen generointia. Lopullinen veloitus lasketaan alkuperäiselle generoinnille kirjatun kustannuksen perusteella. Lopullisena laskutettavana määränä ei käytetä tulosteen mitattua kestoa eikä ennustettuja määriä.
Hintatiedot eivät lisää pyyntövalintoja. Tuetut parametrit on lueteltu valitulle menetelmälle.
- Nopea tila
- Ei määritetty Kun nopea tila on valittu
- Flex-tila
- Ei määritetty Kun flex-tila on valittu
- Päättelyn enimmäisteho
- Ei määritetty Kun päättelyn enimmäistehoon sovelletaan default-oletussäätöä
Arvioidut vertailuhinnat
Hinnat asetusten mukaan
Kohdista kukin veloitus näytettyihin ehtoihin. Käytä yhtä hintaa kutakin vaihtoehtoisten asetusten ryhmää kohden.
| Asetukset | Hinnasto | Ennustettu määrä | Laskutusyksikkö | Veloitus |
|---|---|---|---|---|
| AsetuksetTokenien perushinnat | HinnastoPerushinta | Ennustettu määrä— | Laskutusyksikkö— | Veloitus Syöte · Syötetokenit · Arvio vain vertailua varten — / 1K tokenia Tuloste · Tulostokenit · Arvio vain vertailua varten — / 1K tokenia Syöte · Välimuistin luku · Arvio vain vertailua varten — / 1K tokenia Syöte · Välimuistiin kirjoitus · Arvio vain vertailua varten — / 1K tokenia Syöte · Välimuistiin kirjoitus, 1 tunti · Arvio vain vertailua varten — / 1K tokenia |
| Asetuksetäänisyötteen sekunti | Hinnasto— | Ennustettu määrä— | Laskutusyksikkösyöteäänen sekuntia kohden | Veloitus Syöte · äänisyötteen sekunti · Arvio vain vertailua varten $0.00000666 syöteäänen sekuntia kohden |
| AsetuksetArvioitu luontikustannus | Hinnasto— | Ennustettu määräyhden generoinnin arvio | Laskutusyksikkö— | Veloitus Tuloste · Arvioidut generointikustannukset · Arvio vain vertailua varten $0.00000666 arvio ennen generointia Tämä arvio ei ole lisämaksu eikä valmistuneen generoinnin kiinteä hinta. |
Ailoot varaa arvioidun summan ennen pyyntöä. Tuloksen jälkeen lopullinen veloitus toteutetaan mitatun käytön perusteella. Suoratoiston veloituksessa käytetään lopullista käyttötietuetta. Varauksen ja lopullisen veloituksen toiminta →
Esimerkkipyynnöt
Ailoot Ultra · Litterointi
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_AUDIO_FILE:?Set the path to your actual WAV recording}"
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
import base64
audio=Path(os.environ['AILOOT_AUDIO_FILE']).read_bytes()
if not (audio[:4]==b'RIFF' and audio[8:12]==b'WAVE'): raise SystemExit('Supply an actual WAV audio file')
if len(audio)>26214400: raise SystemExit('Use a documented supported large-file flow')
request={'model': 'qwen/qwen3-asr-0.6b', 'input_audio': {'data': '${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 $AILOOT_API_KEY" -H 'Content-Type: application/json' \
--data-binary @request.json -D response-headers.txt -o response.bin
# Keep the complete original response and headers. Read every returned segment, word and usage field.
# Preserve actual operation/task/asset IDs; continue reads of the original result without resubmitting.
Vastaanota ja tallenna tulokset
Ailoot Ultra · Litterointi
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
Muut sisällön lukukerrat
set -eu
: "${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.
Säilytä kaikki valmistuneet tulokset
Säilytä jokainen kokonainen palautettu vastaus, tiedosto ja sisällön osa.
Säilytä koko vastaus ja otsakkeet, jokainen todellinen tuloste, alkuperäiset palautetut tunnisteet ja kaikki käyttötietokentät. Selvitä alkuperäisen operaation tila lähettämättä luontipyyntöä uudelleen.
Jos alkuperäinen vastaus on tarkistettava
Säilytä palautettu X-Client-Request-ID täsmäytystä varten. Tee lukukyselyt vain todellisuudessa palautetuilla task_id/asset_id-arvoilla tai käytä omistamaasi mediakirjastoa; älä koskaan rakenna tehtävän URL-osoitetta operaation ID:n perusteella äläkä lähetä luontipyyntöä uudelleen.
Vastauksen kentät
| Kenttä | Tyyppi |
|---|---|
Kenttätext | Tyyppi |
Kenttäusage | Tyyppi |
Kenttäsegments[] | Tyyppi |
Kenttäwords[] | Tyyppi |
Kenttäspeaker fields | Tyyppi |
Kenttätimestamps | Tyyppi |
Aliakset
Mallin aliakset
Ailoot Ultra qwen/qwen3-asr-0.6b
Menetelmäpolkujen aliakset
Käytä yllä näytettyjä menetelmäpolkuja.
Liittyvät kutsujan ID:t
FAQ · Qwen: Qwen3 ASR 0.6B
- Mitä syötteitä ja tuloksia on saatavilla?
POST /v1/audio/transcriptions·qwen/qwen3-asr-0.6b:audio→text- Mitä kenttiä pyyntö käyttää?
POST /v1/audio/transcriptions·qwen/qwen3-asr-0.6b:model,input_audio,language,temperature,response_format,timestamp_granularities,provider- Mitä rajoja sovelletaan?
POST /v1/audio/transcriptions·qwen/qwen3-asr-0.6b:temperature.minimum:0;temperature.maximum:1