MiniMax ASR 1.0 reconnaît la parole dans un fichier audio. Le fabricant décrit des usages pour les réunions, les entretiens, les podcasts, la piste audio des vidéos, le contrôle du contenu et l’analyse des conversations. Le modèle est ajusté pour la parole conversationnelle, le bruit et le vocabulaire professionnel, avec une attention particulière à la réduction des passages inventés. Dans cette fiche Ailoot, l’entrée est de l’audio et le résultat du texte.
Le russe et l’ukrainien, l’anglais, le français, l’allemand, l’espagnol, l’italien, le portugais et le polonais sont pris en charge ; ainsi que le chinois, le cantonais, le japonais, le coréen, le thaï, le vietnamien, l’indonésien, le malais, le filipino, l’arabe et le turc. Si aucune langue n’est définie, le modèle détecte automatiquement la langue principale ; le fabricant décrit séparément le mélange de parole chinoise et anglaise.
Dans la présentation étendue du résultat, le modèle peut distinguer les locuteurs et associer les répliques à des temps. Le résultat renvoie le nombre total de participants et des segments avec une étiquette de locuteur, un début, une fin et un texte. Cela aide à déterminer qui a prononcé une réplique précise et à quel moment, sans mélanger les propos de différents participants.
Le fabricant prévoit un JSON habituel avec le texte et la durée, le format étendu verbose_json, ainsi que les sous-titres SRT et WebVTT. L’horodatage se fait par défaut au niveau de la phrase ou du segment. L’horodatage de chaque mot est décrit pour l’anglais, celui de chaque caractère pour le chinois ; ces annotations concernent les formats avec alignement.
Une sortie textuelle progressive est possible, mais ne peut pas être combinée à la distinction des locuteurs ni aux formats de sous-titres. Ce mode renvoie de nouveaux segments de texte reconnu à mesure que le fichier déjà transmis est traité. Il s’agit d’un flux de résultats, et non d’un envoi continu d’audio depuis un microphone.
Les formats d’entrée annoncés sont WAV, AIFF, FLAC, ALAC dans un conteneur M4A, MP3, AAC, Opus et Ogg. Le fichier doit contenir au maximum 500 secondes d’audio et occuper au maximum 50 Mo. Un dépassement de durée entraîne un rejet, et non une troncature silencieuse. Le PCM brut sans conteneur n’est pas pris en charge.
Pour préparer l’enregistrement, le fabricant recommande un son mono à 16 kHz ou un format audio compressé : une fréquence élevée et la stéréo ne sont pas nécessaires à la reconnaissance et augmentent la taille du fichier. Les possibilités de sortie étendue et de traitement en streaming concernent ASR 1.0 ; le format de réponse disponible pour une requête particulière est défini par les moyens d’Ailoot.
", "aboutText": "### Transcrire un enregistrement de conversation\n\nMiniMax ASR 1.0 reconnaît la parole dans un fichier audio. Le fabricant décrit des usages pour les réunions, les entretiens, les podcasts, la piste audio des vidéos, le contrôle du contenu et l’analyse des conversations. Le modèle est ajusté pour la parole conversationnelle, le bruit et le vocabulaire professionnel, avec une attention particulière à la réduction des passages inventés. Dans cette fiche Ailoot, l’entrée est de l’audio et le résultat du texte.\n\n### Les langues et les participants\n\nLe russe et l’ukrainien, l’anglais, le français, l’allemand, l’espagnol, l’italien, le portugais et le polonais sont pris en charge ; ainsi que le chinois, le cantonais, le japonais, le coréen, le thaï, le vietnamien, l’indonésien, le malais, le filipino, l’arabe et le turc. Si aucune langue n’est définie, le modèle détecte automatiquement la langue principale ; le fabricant décrit séparément le mélange de parole chinoise et anglaise.\n\nDans la présentation étendue du résultat, le modèle peut distinguer les locuteurs et associer les répliques à des temps. Le résultat renvoie le nombre total de participants et des segments avec une étiquette de locuteur, un début, une fin et un texte. Cela aide à déterminer qui a prononcé une réplique précise et à quel moment, sans mélanger les propos de différents participants.\n\n### La présentation du résultat\n\nLe fabricant prévoit un JSON habituel avec le texte et la durée, le format étendu `verbose_json`, ainsi que les sous-titres SRT et WebVTT. L’horodatage se fait par défaut au niveau de la phrase ou du segment. L’horodatage de chaque mot est décrit pour l’anglais, celui de chaque caractère pour le chinois ; ces annotations concernent les formats avec alignement.\n\nUne sortie textuelle progressive est possible, mais ne peut pas être combinée à la distinction des locuteurs ni aux formats de sous-titres. Ce mode renvoie de nouveaux segments de texte reconnu à mesure que le fichier déjà transmis est traité. Il s’agit d’un flux de résultats, et non d’un envoi continu d’audio depuis un microphone.\n\n### Les exigences de l’enregistrement\n\nLes formats d’entrée annoncés sont WAV, AIFF, FLAC, ALAC dans un conteneur M4A, MP3, AAC, Opus et Ogg. Le fichier doit contenir au maximum **500 secondes** d’audio et occuper au maximum **50 Mo**. Un dépassement de durée entraîne un rejet, et non une troncature silencieuse. Le PCM brut sans conteneur n’est pas pris en charge.\n\nPour préparer l’enregistrement, le fabricant recommande un son mono à 16 kHz ou un format audio compressé : une fréquence élevée et la stéréo ne sont pas nécessaires à la reconnaissance et augmentent la taille du fichier. Les possibilités de sortie étendue et de traitement en streaming concernent ASR 1.0 ; le format de réponse disponible pour une requête particulière est défini par les moyens d’Ailoot.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "50a90a1840a23606a3b755a16c026634222f463a17d0a355a77b1615b5d201fe", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "fr-be", "methods": [ { "html": "asr-1.0MiniMax ASR 1.0 transforme l’audio en texte et prend en charge le russe, la répartition des répliques par locuteur et l’horodatage.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
MiniMax ASR 1.0 reconnaît la parole dans un fichier audio. Le fabricant décrit des usages pour les réunions, les entretiens, les podcasts, la piste audio des vidéos, le contrôle du contenu et l’analyse des conversations. Le modèle est ajusté pour la parole conversationnelle, le bruit et le vocabulaire professionnel, avec une attention particulière à la réduction des passages inventés. Dans cette fiche Ailoot, l’entrée est de l’audio et le résultat du texte.
Le russe et l’ukrainien, l’anglais, le français, l’allemand, l’espagnol, l’italien, le portugais et le polonais sont pris en charge ; ainsi que le chinois, le cantonais, le japonais, le coréen, le thaï, le vietnamien, l’indonésien, le malais, le filipino, l’arabe et le turc. Si aucune langue n’est définie, le modèle détecte automatiquement la langue principale ; le fabricant décrit séparément le mélange de parole chinoise et anglaise.
Dans la présentation étendue du résultat, le modèle peut distinguer les locuteurs et associer les répliques à des temps. Le résultat renvoie le nombre total de participants et des segments avec une étiquette de locuteur, un début, une fin et un texte. Cela aide à déterminer qui a prononcé une réplique précise et à quel moment, sans mélanger les propos de différents participants.
Le fabricant prévoit un JSON habituel avec le texte et la durée, le format étendu verbose_json, ainsi que les sous-titres SRT et WebVTT. L’horodatage se fait par défaut au niveau de la phrase ou du segment. L’horodatage de chaque mot est décrit pour l’anglais, celui de chaque caractère pour le chinois ; ces annotations concernent les formats avec alignement.
Une sortie textuelle progressive est possible, mais ne peut pas être combinée à la distinction des locuteurs ni aux formats de sous-titres. Ce mode renvoie de nouveaux segments de texte reconnu à mesure que le fichier déjà transmis est traité. Il s’agit d’un flux de résultats, et non d’un envoi continu d’audio depuis un microphone.
Les formats d’entrée annoncés sont WAV, AIFF, FLAC, ALAC dans un conteneur M4A, MP3, AAC, Opus et Ogg. Le fichier doit contenir au maximum 500 secondes d’audio et occuper au maximum 50 Mo. Un dépassement de durée entraîne un rejet, et non une troncature silencieuse. Le PCM brut sans conteneur n’est pas pris en charge.
Pour préparer l’enregistrement, le fabricant recommande un son mono à 16 kHz ou un format audio compressé : une fréquence élevée et la stéréo ne sont pas nécessaires à la reconnaissance et augmentent la taille du fichier. Les possibilités de sortie étendue et de traitement en streaming concernent ASR 1.0 ; le format de réponse disponible pour une requête particulière est défini par les moyens d’Ailoot.
POST /v1/audio/transcriptionsaudiotext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites asr-1.0 | Par défaut— |
Champfile | Typefile | ExigenceObligatoire | Valeurs et limites Nombre maximal d’octets: 52 428 800 Formats de fichier: wav, mp3, m4a, ogg, webm, flac Type de contenu: multipart/form-data Durée maximale (exclue), en secondes: 500 | Par défaut— |
Champresponse_format | Typestring | ExigenceFacultatif | Valeurs et limites json | Par défaut— |
speech_to_text · Obligatoire : actual audio file
| Paramètre | Contrat |
|---|---|
Paramètrematerial_types | Contrataudio |
Paramètrerequired | Contratnull |
Paramètreoptional_controls | Contratnull |
Cycle de vie : synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · task_id effectivement renvoyé ou enregistrement de la bibliothèque multimédia
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Les structures des méthodes et les identifiants sont exacts ; la capacité du fournisseur est distincte de l’admission.
POST /v1/audio/transcriptionsAiloot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_AUDIO_FILE:?Set your actual MP3 recording}"\nexport AILOOT_AUDIO_FILE\npython3 - <<'PY_REQUEST'\nimport os\nfrom pathlib import Path\nf=Path(os.environ["AILOOT_AUDIO_FILE"])\nif not f.is_file() or f.suffix.lower()!=".mp3":raise SystemExit("Choose your actual MP3 recording")\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/transcriptions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" \\\n --form-string model=asr-1.0 -F "file=@$AILOOT_AUDIO_FILE" \\\n -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\njson
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez le JSON complet, au-delà du seul texte ; préservez chaque segment, locuteur et horodatage disponible ainsi que l’identité réelle de tâche ou de ressource.
Conservez l’operation_id/X-Client-Request-ID d’origine pour le rapprochement sans nouvelle soumission ; aucune route dédiée à l’interrogation du statut audio.
| Champ | Type |
|---|---|
Champtext | Typestring |
Champsegments[] | Typeobject |
Champtask_id | Typestring |
Champasset_url | Typestring |
Champusage | Typeobject |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des contenus ou valeur de paramètre non valides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Réponseserver_error | ConditionLa réponse renvoyée indique que l’opération ou le résultat nécessite une vérification | Étape suivanteConservez l’identifiant d’opération/de tâche initialement renvoyé, les en-têtes de la requête et la réponse ; poursuivez les lectures prises en charge de cette opération d’origine. Ne soumettez pas à nouveau la requête de création. |
Ailoot asr-1.0
Utilisez les chemins de méthode indiqués ci-dessus.