Qwen: Qwen3 ASR 1.7B
Qwen3-ASR-1.7B muuntaa puheen ja laulun tekstiksi ja tunnistaa kielen. Qwen dokumentoi 30 kieltä, 22 kiinan murretta ja offline- tai suoratoistotunnistuksen; sanatason ajoitus käyttää erillistä Qwen3-ForcedAligner-työnkulkua.
Tietoa mallista
Tämä kuvaus kattaa mallin ominaisuudet. Ailootissa saatavilla olevat syötteet, tulosteet ja asetukset luetellaan alla valitulle menetelmälle.
Qwen3-ASR-1.7B on Qwenin suurempi puheentunnistusmalli Qwen3-ASR-perheessä. Se ottaa vastaan ääntä ja palauttaa tunnistetun tekstin yhdessä kielitunnisteen kanssa. Perhe rakentuu Qwen3-Omnin äänen ymmärtämisen perustalle ja käyttää yhtä ASR-mallia offline- ja suoratoistotunnistukseen. 1.7B-versio painottaa tunnistuksen laatua, kun taas erikseen nimetty 0.6B-versio painottaa tehokkuutta. Nämä versiot pysyvät erillisinä vaihtoehtoina, vaikka ne jakavat dokumentoidun kielikattavuuden ja tunnistustyönkulut.
Kielen tunnistus ja äänikattavuus
Valmistaja luettelee 30 kieltä ja 22 kiinan murretta sekä englannin aksentteja useilta alueilta. Kieliluetteloon kuuluvat 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. Tuettuja äänityyppejä ovat puhe, lauluääni ja taustamusiikkia sisältävät laulut. Nämä kyvyt tekevät litteroinnista hyödyllisen haastatteluihin, luentoihin, äänitallenteisiin ja laulunsanojen tarkistamiseen, kun alkuperäinen ääni säilytetään vaikeiden katkelmien tarkistamista varten.
Äänen valmistelu ja litteroinnin saaminen
Valmistajan työkalupaketti hyväksyy äänitiedostoviitteen, koodattua ääntä tai aaltomuodon yhdessä sen näytteenottotaajuuden kanssa, ja sen offline-työnkulku voi käsitellä tallennekokoelman. Se voi tunnistaa kielen automaattisesti tai käyttää määriteltyä tuettua kieltä. Valitse tuntemattomalle tallenteelle automaattinen tunnistus; anna todellinen puhuttu kieli, kun se on tiedossa ja tehtävän kannalta olennainen. Esimerkkitulos näyttää tunnistetun tai valitun kielen ja tunnistetun tekstin. Kieliasetus ohjaa tallenteen tunnistamista eikä määrittele pyyntöä sen sisällön kirjoittamisesta uudelleen toisella kielellä.
Säilytä haastattelutallenteen yhteys sen päivämäärään, aiheeseen ja lähdetunnisteeseen ja käytä sitten palautettua tekstiä haettavana litterointina. Säilytä luennon tarkistuksessa tekniset termit ja numeeriset ilmaukset sen sijaan, että korvaisit epäselviä sanoja huomaamatta uskottavalla selityksellä. Tarkista laulun tunnistetut sanat lauluääntä kuunnellen, erityisesti kun musiikki peittää tavun. Litterointi voi toimia erillisen tiivistämis-, käännös- tai toimitustyövaiheen syötteenä sen jälkeen, kun sanamuoto on tarkistettu ääntä vasten.
Suoratoistotunnistus ja sen laajuus
Sama ASR-perhe tukee tunnistamista äänen saapuessa. Valmistajan suoratoistoesimerkki syöttää peräkkäisiä äänilohkoja säilytettävään tunnistustilaan, näyttää väliaikaista tekstiä ja päättää sitten virran lopullisen kielen ja litteroinnin saamiseksi. Erota parhaillaan täydentyvä teksti valmiista tuloksesta valmistellessasi reaaliaikaisia tekstityksiä tai jatkuvaa litterointia. Dokumentoitu suoratoistototeutus ei yhdistä suoratoistoa erämuotoiseen päättelyyn eikä palauta aikaleimoja; ajoitettu litterointi käyttää eri työnkulkua. Nämä ovat valmistajan toteutustietoja, eivät lupaus sovelluksen tiedonsiirrosta tai reaaliaikaisen tekstityksen rajapinnasta.
Sanojen tai merkkien ajoitus erillisellä kohdistusmallilla
Qwen3-ForcedAligner-0.6B kohdistaa äänitallenteen annettuun tekstiin ja ennustaa sana- tai merkkitason alku- ja loppuajat. Se on erillinen malli molemmista Qwen3-ASR-versioista. ASR-työkalupaketti voi käyttää tätä kohdistusmallia, kun sen offline-litterointityönkulussa pyydetään aikaleimoja, tai kohdistus voidaan suorittaa olemassa olevalle teksti–ääni-parille. Kohdistusmallin dokumentoitu kattavuus on 11 kieltä: kiina, englanti, kantoninkiina, ranska, saksa, italia, japani, korea, portugali, venäjä ja espanja. Sen ilmoitettu puhejakso on enintään viisi minuuttia; tämä on kohdistusmallin käyttöala, ei ASR-litteroinnin viiden minuutin yläraja.
Hanki ja tarkista litterointi ensin tekstityksen valmistelua varten ja kohdista se sitten lähdetallenteeseen siellä, missä kyseinen kohdistustyönkulku sopii käyttöön. Käytä palautettuja alku- ja loppuaikoja tekstitysjaksojen valmisteluun ja tarkista niiden rajat kuunnellessasi. Kohdistus yhdistää annetut sanat ääneen; sitä ei pidä käsitellä näyttönä siitä, että virheellinen litterointi olisi korjattu. Hyödyllinen tuotos on tarkistettu litterointi ajoitustietoineen, joka säilyttää yhteytensä kuvaamaansa tallenteeseen.
Pitkät tallenteet ja käytännön rajat
Perhe tukee pitkän äänen litterointia, ja viralliset esimerkit ohjaavat sallimaan enemmän generoitua tekstiä pidemmälle syötteelle. Esimerkkien tokenasetukset ovat asetusten valintoja, eivät yleinen mallin konteksti- tai äänenkestoraja. Suunnittele tulostebudjetti tallenteen mukaan ja tarkista, että loppu on mukana. Tarkista nimet, määrät, kielenvaihdot, peittyneet sanat ja päällekkäinen puhe alkuperäistä ääntä vasten. Kielikattavuus ja haastavan äänen käsittelykyky eivät takaa virheetöntä litterointia jokaiselle aksentille, tallenteelle tai musiikkisovitukselle. Kokonainen tulos säilyttää tunnistetun sanamuodon, sen kielen ja yhteyden ääneen, jotta sitä voidaan hakea, muokata tai käyttää myöhemmässä sisältötyönkulussa.
Ailoot Ultra · Litterointi POST /v1/audio/transcriptions qwen/qwen3-asr-1.7b
qwen/qwen3-asr-1.7bAloitus
Qwen3-ASR-1.7B muuntaa puheen ja laulun tekstiksi ja tunnistaa kielen. Qwen dokumentoi 30 kieltä, 22 kiinan murretta ja offline- tai suoratoistotunnistuksen; sanatason ajoitus käyttää erillistä Qwen3-ForcedAligner-työnkulkua.
- 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-1.7b | 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 $0.000015 syöteäänen sekuntia kohden |
| AsetuksetArvioitu luontikustannus | Hinnasto— | Ennustettu määräyhden generoinnin arvio | Laskutusyksikkö— | Veloitus Tuloste · Arvioidut generointikustannukset · Arvio vain vertailua varten $0.000015 arvio ennen generointia Tämä arvio ei ole lisämaksu eikä valmistuneen generoinnin kiinteä hinta. |
Ailoot varaa arvioidun summan ennen pyyntöä. Tuloksen jälkeen lopullinen veloitus toteutetaan mitatun käytön perusteella. Suoratoiston veloituksessa käytetään lopullista käyttötietuetta. Varauksen ja lopullisen veloituksen toiminta →
Esimerkkipyynnöt
Ailoot Ultra · Litterointi
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_AUDIO_FILE:?Set the path to your actual WAV recording}"
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
import base64
audio=Path(os.environ['AILOOT_AUDIO_FILE']).read_bytes()
if not (audio[:4]==b'RIFF' and audio[8:12]==b'WAVE'): raise SystemExit('Supply an actual WAV audio file')
if len(audio)>26214400: raise SystemExit('Use a documented supported large-file flow')
request={'model': 'qwen/qwen3-asr-1.7b', 'input_audio': {'data': '${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-1.7b
Menetelmäpolkujen aliakset
Käytä yllä näytettyjä menetelmäpolkuja.
Liittyvät kutsujan ID:t
FAQ · Qwen: Qwen3 ASR 1.7B
- Mitä syötteitä ja tuloksia on saatavilla?
POST /v1/audio/transcriptions·qwen/qwen3-asr-1.7b:audio→text- Mitä kenttiä pyyntö käyttää?
POST /v1/audio/transcriptions·qwen/qwen3-asr-1.7b:model,input_audio,language,temperature,response_format,timestamp_granularities,provider- Mitä rajoja sovelletaan?
POST /v1/audio/transcriptions·qwen/qwen3-asr-1.7b:temperature.minimum:0;temperature.maximum:1