asr-1.0
MiniMax ASR 1.0 transforme l’audio en texte et prend en charge le russe, la répartition des répliques par locuteur et l’horodatage.
À propos du modèle
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Transcrire un enregistrement de conversation
MiniMax ASR 1.0 reconnaît la parole dans un fichier audio. Le fabricant décrit des usages pour les réunions, les entretiens, les balados, 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.
Les langues et les participants
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.
La présentation du résultat
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 exigences de l’enregistrement
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.
Ailoot · Transcription de la parole en texte POST /v1/audio/transcriptions asr-1.0
asr-1.0Pour commencer
MiniMax ASR 1.0 transforme l’audio en texte et prend en charge le russe, la répartition des répliques par locuteur et l’horodatage.
- Entrées acceptées
- Audio
- Résultats
- Texte
Disponible dans Ailoot · entrées et méthodes
Ailoot · Transcription de la parole en texte POST /v1/audio/transcriptions
- Entrée
audio- Sortie
text- Format de sortie
- json
| 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— |
Combinaisons d’éléments d’entrée
speech_to_text · Obligatoire : actual audio file
Paramètres et cycle de vie de la méthode
| 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 ID sont exacts ; la capacité du fournisseur est distincte de l’admission des requêtes.
Tarifs
Tarifs des méthodes Ailoot
POST /v1/audio/transcriptions- Entrée
- 0,38 USD par heure d’audio
Ailoot 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 →
Exemples de requêtes
Ailoot · Transcription de la parole en texte
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
Recevoir et enregistrer les résultats
Ailoot · Transcription de la parole en texte
json
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
Conserver tous les résultats terminés
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez le JSON complet, pas seulement le texte; préservez chaque segment, locuteur et horodatage disponible, ainsi que les identifiants réels de tâche et de ressource.
Si la réponse d’origine doit être vérifiée
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.
Champs de la réponse
| Champ | Type |
|---|---|
Champtext | Typestring |
Champsegments[] | Typeobject |
Champtask_id | Typestring |
Champasset_url | Typestring |
Champusage | Typeobject |
Erreurs et étapes suivantes
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des éléments fournis ou valeur de paramètre invalides | 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. |
Alias
Alias du modèle
Ailoot asr-1.0
Alias des chemins de méthode
Utilisez les chemins de méthode indiqués ci-dessus.
ID d’appel associés
FAQ · asr-1.0
- Quelles entrées et quels résultats sont disponibles ?
POST /v1/audio/transcriptions·asr-1.0:audio→text- Quels champs la requête utilise-t-elle ?
POST /v1/audio/transcriptions·asr-1.0:model,file,response_format