Qwen3-ASR-0.6B est l’édition compacte de la famille de reconnaissance vocale Qwen3-ASR de Qwen. Elle reçoit de l’audio et produit une transcription accompagnée d’une indication de langue. Le fabricant positionne 0.6B sur l’équilibre entre qualité de reconnaissance et efficacité, tandis que 1.7B est l’édition plus grande portant un nom distinct. Toutes deux s’appuient sur la compréhension audio de Qwen3-Omni et partagent la couverture de reconnaissance documentée ainsi que l’approche unifiée hors ligne et en streaming. L’édition compacte peut assurer l’étape de transcription dans un processus de traitement de notes vocales, de préparation de sous-titres ou de création d’enregistrements interrogeables.
Qwen documente la reconnaissance et l’identification de 30 langues et 22 dialectes chinois, avec la prise en charge d’accents anglais de différentes régions. Son tableau des langues répertorie le chinois, l’anglais, le cantonais, l’arabe, l’allemand, le français, l’espagnol, le portugais, l’indonésien, l’italien, le coréen, le russe, le thaï, le vietnamien, le japonais, le turc, l’hindi, le malais, le néerlandais, le suédois, le danois, le finnois, le polonais, le tchèque, le filipino, le persan, le grec, le hongrois, le macédonien et le roumain. Les types d’audio reconnus comprennent la parole, la voix chantée et les chansons avec musique de fond. L’édition plus petite conserve cette couverture familiale ; sa taille n’implique pas une autre liste de langues prises en charge.
La boîte à outils officielle peut recevoir de l’audio sous forme de référence de fichier, d’audio encodé ou de forme d’onde accompagnée de sa fréquence d’échantillonnage. Elle prend en charge le traitement hors ligne de plusieurs enregistrements, la détection automatique de la langue et l’indication d’une langue prise en charge. Le résultat documenté contient la langue et le texte reconnu. Sélectionnez la langue parlée lorsque vous la connaissez, ou laissez le modèle l’identifier lorsqu’un ensemble d’enregistrements contient des langues inconnues. Conservez l’identifiant de chaque enregistrement à côté de son résultat pour pouvoir relier une transcription à la bonne source.
Pour un ensemble de notes vocales, conservez un résultat distinct par note et vérifiez les noms, les nombres et les phrases peu claires à l’écoute de l’enregistrement avant de transformer le texte en tâches ou en résumé. Pour un tutoriel oral, utilisez la transcription pour retrouver les passages et vérifier la formulation de chaque instruction. Pour le chant, écoutez la ligne vocale en vérifiant les paroles, plutôt que d’accepter un mot uniquement parce qu’il paraît cohérent dans la chanson. Ce sont des étapes de préparation et de vérification du texte produit ; la synthèse, la traduction ou l’interprétation de la transcription peuvent ensuite constituer des opérations séparées.
Qwen3-ASR utilise le même modèle pour la reconnaissance hors ligne et en streaming. Dans l’exemple de streaming du fabricant, les blocs audio entrants actualisent un état de reconnaissance conservé, puis une étape de finalisation fournit le texte complet et la langue. Cela permet un affichage progressif utile pour une transcription en cours. Traitez l’affichage provisoire comme l’état actuel de la reconnaissance et conservez le résultat final après la fin de l’enregistrement, en gardant la source audio disponible pour les corrections.
L’implémentation de streaming documentée ne prend en charge ni l’inférence par lots ni le renvoi d’horodatages dans ce processus en streaming. Le texte en streaming, un ensemble de transcriptions hors ligne et la préparation de sous-titres horodatés sont donc des processus distincts du fabricant. Les tailles de blocs et les paramètres de jetons de son exemple illustrent une implémentation ; ils ne constituent pas des promesses universelles de latence, de concurrence ou de durée audio. Choisissez le processus selon le résultat utile : du texte pendant l’enregistrement, un texte complet pour un ensemble d’enregistrements ou un texte aligné sur une chronologie.
Qwen3-ForcedAligner-0.6B est un modèle d’alignement distinct, malgré l’indication de taille 0.6B qu’il partage avec cette édition ASR. Il reçoit une paire texte–audio et prédit les instants de début et de fin au niveau des mots ou des caractères. La boîte à outils ASR hors ligne du fabricant peut l’appeler lorsque des horodatages sont demandés. Les langues documentées sont le chinois, l’anglais, le cantonais, le français, l’allemand, l’italien, le japonais, le coréen, le portugais, le russe et l’espagnol, et la durée d’alignement annoncée va jusqu’à cinq minutes de parole. Cet ensemble plus restreint de langues et cette durée de cinq minutes concernent l’alignement forcé, et non la couverture générale de transcription du modèle ASR.
Pour des sous-titres, préparez une transcription vérifiée dans la langue de l’enregistrement, alignez-la lorsque le processus pris en charge le permet, puis examinez les limites des segments en lisant la source. Un fichier de sous-titres exploitable conserve ensemble le texte et les repères temporels. Si un mot de la transcription est erroné, corrigez-le à l’écoute de l’audio plutôt que de supposer qu’une plage temporelle le valide. Cette séparation permet de déterminer clairement si un problème vient de la reconnaissance, du texte fourni ou du placement d’une limite de sous-titre.
La famille Qwen3-ASR prend en charge les enregistrements longs. Ses exemples d’inférence conseillent d’autoriser davantage de jetons générés pour un audio plus long : vérifiez donc que la transcription atteint la fin de l’enregistrement et qu’une limite de sortie ne l’a pas tronquée. Les exemples publiés n’établissent pas de fenêtre de contexte numérique universelle ni de durée maximale d’enregistrement ASR. Lors de l’organisation d’un enregistrement long à des fins de vérification, conservez le lien entre les sections utiles et leur position dans la source. Vérifiez les mots masqués, les changements de langue, les chevauchements de parole, les noms inhabituels et les syllabes chantées à l’écoute du son original. Le résultat pratique est un texte reconnu accompagné d’une indication de langue, prêt pour la recherche ou une étape de traitement du contenu ultérieure, auquel des repères temporels peuvent être ajoutés si nécessaire par le processus d’alignement distinct.
", "aboutText": "Qwen3-ASR-0.6B est l’édition compacte de la famille de reconnaissance vocale Qwen3-ASR de Qwen. Elle reçoit de l’audio et produit une transcription accompagnée d’une indication de langue. Le fabricant positionne 0.6B sur l’équilibre entre qualité de reconnaissance et efficacité, tandis que 1.7B est l’édition plus grande portant un nom distinct. Toutes deux s’appuient sur la compréhension audio de Qwen3-Omni et partagent la couverture de reconnaissance documentée ainsi que l’approche unifiée hors ligne et en streaming. L’édition compacte peut assurer l’étape de transcription dans un processus de traitement de notes vocales, de préparation de sous-titres ou de création d’enregistrements interrogeables.\n\n### Langues, dialectes et enregistrements pris en charge\n\nQwen documente la reconnaissance et l’identification de 30 langues et 22 dialectes chinois, avec la prise en charge d’accents anglais de différentes régions. Son tableau des langues répertorie le chinois, l’anglais, le cantonais, l’arabe, l’allemand, le français, l’espagnol, le portugais, l’indonésien, l’italien, le coréen, le russe, le thaï, le vietnamien, le japonais, le turc, l’hindi, le malais, le néerlandais, le suédois, le danois, le finnois, le polonais, le tchèque, le filipino, le persan, le grec, le hongrois, le macédonien et le roumain. Les types d’audio reconnus comprennent la parole, la voix chantée et les chansons avec musique de fond. L’édition plus petite conserve cette couverture familiale ; sa taille n’implique pas une autre liste de langues prises en charge.\n\n### Reconnaissance hors ligne et préparation des entrées\n\nLa boîte à outils officielle peut recevoir de l’audio sous forme de référence de fichier, d’audio encodé ou de forme d’onde accompagnée de sa fréquence d’échantillonnage. Elle prend en charge le traitement hors ligne de plusieurs enregistrements, la détection automatique de la langue et l’indication d’une langue prise en charge. Le résultat documenté contient la langue et le texte reconnu. Sélectionnez la langue parlée lorsque vous la connaissez, ou laissez le modèle l’identifier lorsqu’un ensemble d’enregistrements contient des langues inconnues. Conservez l’identifiant de chaque enregistrement à côté de son résultat pour pouvoir relier une transcription à la bonne source.\n\nPour un ensemble de notes vocales, conservez un résultat distinct par note et vérifiez les noms, les nombres et les phrases peu claires à l’écoute de l’enregistrement avant de transformer le texte en tâches ou en résumé. Pour un tutoriel oral, utilisez la transcription pour retrouver les passages et vérifier la formulation de chaque instruction. Pour le chant, écoutez la ligne vocale en vérifiant les paroles, plutôt que d’accepter un mot uniquement parce qu’il paraît cohérent dans la chanson. Ce sont des étapes de préparation et de vérification du texte produit ; la synthèse, la traduction ou l’interprétation de la transcription peuvent ensuite constituer des opérations séparées.\n\n### Texte en streaming et finalisation d’un enregistrement\n\nQwen3-ASR utilise le même modèle pour la reconnaissance hors ligne et en streaming. Dans l’exemple de streaming du fabricant, les blocs audio entrants actualisent un état de reconnaissance conservé, puis une étape de finalisation fournit le texte complet et la langue. Cela permet un affichage progressif utile pour une transcription en cours. Traitez l’affichage provisoire comme l’état actuel de la reconnaissance et conservez le résultat final après la fin de l’enregistrement, en gardant la source audio disponible pour les corrections.\n\nL’implémentation de streaming documentée ne prend en charge ni l’inférence par lots ni le renvoi d’horodatages dans ce processus en streaming. Le texte en streaming, un ensemble de transcriptions hors ligne et la préparation de sous-titres horodatés sont donc des processus distincts du fabricant. Les tailles de blocs et les paramètres de jetons de son exemple illustrent une implémentation ; ils ne constituent pas des promesses universelles de latence, de concurrence ou de durée audio. Choisissez le processus selon le résultat utile : du texte pendant l’enregistrement, un texte complet pour un ensemble d’enregistrements ou un texte aligné sur une chronologie.\n\n### Le texte horodaté utilise Qwen3-ForcedAligner\n\nQwen3-ForcedAligner-0.6B est un modèle d’alignement distinct, malgré l’indication de taille 0.6B qu’il partage avec cette édition ASR. Il reçoit une paire texte–audio et prédit les instants de début et de fin au niveau des mots ou des caractères. La boîte à outils ASR hors ligne du fabricant peut l’appeler lorsque des horodatages sont demandés. Les langues documentées sont le chinois, l’anglais, le cantonais, le français, l’allemand, l’italien, le japonais, le coréen, le portugais, le russe et l’espagnol, et la durée d’alignement annoncée va jusqu’à cinq minutes de parole. Cet ensemble plus restreint de langues et cette durée de cinq minutes concernent l’alignement forcé, et non la couverture générale de transcription du modèle ASR.\n\nPour des sous-titres, préparez une transcription vérifiée dans la langue de l’enregistrement, alignez-la lorsque le processus pris en charge le permet, puis examinez les limites des segments en lisant la source. Un fichier de sous-titres exploitable conserve ensemble le texte et les repères temporels. Si un mot de la transcription est erroné, corrigez-le à l’écoute de l’audio plutôt que de supposer qu’une plage temporelle le valide. Cette séparation permet de déterminer clairement si un problème vient de la reconnaissance, du texte fourni ou du placement d’une limite de sous-titre.\n\n### Sortie pour l’audio long et vérification de la reconnaissance\n\nLa famille Qwen3-ASR prend en charge les enregistrements longs. Ses exemples d’inférence conseillent d’autoriser davantage de jetons générés pour un audio plus long : vérifiez donc que la transcription atteint la fin de l’enregistrement et qu’une limite de sortie ne l’a pas tronquée. Les exemples publiés n’établissent pas de fenêtre de contexte numérique universelle ni de durée maximale d’enregistrement ASR. Lors de l’organisation d’un enregistrement long à des fins de vérification, conservez le lien entre les sections utiles et leur position dans la source. Vérifiez les mots masqués, les changements de langue, les chevauchements de parole, les noms inhabituels et les syllabes chantées à l’écoute du son original. Le résultat pratique est un texte reconnu accompagné d’une indication de langue, prêt pour la recherche ou une étape de traitement du contenu ultérieure, auquel des repères temporels peuvent être ajoutés si nécessaire par le processus d’alignement distinct.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "3f47fff508b5869cf13e6c9fc471299b7d22c808e0f2103b035ca03f6a340cd1", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "fr", "methods": [ { "html": "qwen/qwen3-asr-0.6bQwen3-ASR-0.6B est le modèle compact de reconnaissance vocale de Qwen. Il transforme la parole ou le chant en texte en identifiant la langue. Il partage la couverture de 30 langues et 22 dialectes de la famille, avec des processus hors ligne et en streaming, et un alignement forcé distinct pour le texte horodaté.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Qwen3-ASR-0.6B est l’édition compacte de la famille de reconnaissance vocale Qwen3-ASR de Qwen. Elle reçoit de l’audio et produit une transcription accompagnée d’une indication de langue. Le fabricant positionne 0.6B sur l’équilibre entre qualité de reconnaissance et efficacité, tandis que 1.7B est l’édition plus grande portant un nom distinct. Toutes deux s’appuient sur la compréhension audio de Qwen3-Omni et partagent la couverture de reconnaissance documentée ainsi que l’approche unifiée hors ligne et en streaming. L’édition compacte peut assurer l’étape de transcription dans un processus de traitement de notes vocales, de préparation de sous-titres ou de création d’enregistrements interrogeables.
Qwen documente la reconnaissance et l’identification de 30 langues et 22 dialectes chinois, avec la prise en charge d’accents anglais de différentes régions. Son tableau des langues répertorie le chinois, l’anglais, le cantonais, l’arabe, l’allemand, le français, l’espagnol, le portugais, l’indonésien, l’italien, le coréen, le russe, le thaï, le vietnamien, le japonais, le turc, l’hindi, le malais, le néerlandais, le suédois, le danois, le finnois, le polonais, le tchèque, le filipino, le persan, le grec, le hongrois, le macédonien et le roumain. Les types d’audio reconnus comprennent la parole, la voix chantée et les chansons avec musique de fond. L’édition plus petite conserve cette couverture familiale ; sa taille n’implique pas une autre liste de langues prises en charge.
La boîte à outils officielle peut recevoir de l’audio sous forme de référence de fichier, d’audio encodé ou de forme d’onde accompagnée de sa fréquence d’échantillonnage. Elle prend en charge le traitement hors ligne de plusieurs enregistrements, la détection automatique de la langue et l’indication d’une langue prise en charge. Le résultat documenté contient la langue et le texte reconnu. Sélectionnez la langue parlée lorsque vous la connaissez, ou laissez le modèle l’identifier lorsqu’un ensemble d’enregistrements contient des langues inconnues. Conservez l’identifiant de chaque enregistrement à côté de son résultat pour pouvoir relier une transcription à la bonne source.
Pour un ensemble de notes vocales, conservez un résultat distinct par note et vérifiez les noms, les nombres et les phrases peu claires à l’écoute de l’enregistrement avant de transformer le texte en tâches ou en résumé. Pour un tutoriel oral, utilisez la transcription pour retrouver les passages et vérifier la formulation de chaque instruction. Pour le chant, écoutez la ligne vocale en vérifiant les paroles, plutôt que d’accepter un mot uniquement parce qu’il paraît cohérent dans la chanson. Ce sont des étapes de préparation et de vérification du texte produit ; la synthèse, la traduction ou l’interprétation de la transcription peuvent ensuite constituer des opérations séparées.
Qwen3-ASR utilise le même modèle pour la reconnaissance hors ligne et en streaming. Dans l’exemple de streaming du fabricant, les blocs audio entrants actualisent un état de reconnaissance conservé, puis une étape de finalisation fournit le texte complet et la langue. Cela permet un affichage progressif utile pour une transcription en cours. Traitez l’affichage provisoire comme l’état actuel de la reconnaissance et conservez le résultat final après la fin de l’enregistrement, en gardant la source audio disponible pour les corrections.
L’implémentation de streaming documentée ne prend en charge ni l’inférence par lots ni le renvoi d’horodatages dans ce processus en streaming. Le texte en streaming, un ensemble de transcriptions hors ligne et la préparation de sous-titres horodatés sont donc des processus distincts du fabricant. Les tailles de blocs et les paramètres de jetons de son exemple illustrent une implémentation ; ils ne constituent pas des promesses universelles de latence, de concurrence ou de durée audio. Choisissez le processus selon le résultat utile : du texte pendant l’enregistrement, un texte complet pour un ensemble d’enregistrements ou un texte aligné sur une chronologie.
Qwen3-ForcedAligner-0.6B est un modèle d’alignement distinct, malgré l’indication de taille 0.6B qu’il partage avec cette édition ASR. Il reçoit une paire texte–audio et prédit les instants de début et de fin au niveau des mots ou des caractères. La boîte à outils ASR hors ligne du fabricant peut l’appeler lorsque des horodatages sont demandés. Les langues documentées sont le chinois, l’anglais, le cantonais, le français, l’allemand, l’italien, le japonais, le coréen, le portugais, le russe et l’espagnol, et la durée d’alignement annoncée va jusqu’à cinq minutes de parole. Cet ensemble plus restreint de langues et cette durée de cinq minutes concernent l’alignement forcé, et non la couverture générale de transcription du modèle ASR.
Pour des sous-titres, préparez une transcription vérifiée dans la langue de l’enregistrement, alignez-la lorsque le processus pris en charge le permet, puis examinez les limites des segments en lisant la source. Un fichier de sous-titres exploitable conserve ensemble le texte et les repères temporels. Si un mot de la transcription est erroné, corrigez-le à l’écoute de l’audio plutôt que de supposer qu’une plage temporelle le valide. Cette séparation permet de déterminer clairement si un problème vient de la reconnaissance, du texte fourni ou du placement d’une limite de sous-titre.
La famille Qwen3-ASR prend en charge les enregistrements longs. Ses exemples d’inférence conseillent d’autoriser davantage de jetons générés pour un audio plus long : vérifiez donc que la transcription atteint la fin de l’enregistrement et qu’une limite de sortie ne l’a pas tronquée. Les exemples publiés n’établissent pas de fenêtre de contexte numérique universelle ni de durée maximale d’enregistrement ASR. Lors de l’organisation d’un enregistrement long à des fins de vérification, conservez le lien entre les sections utiles et leur position dans la source. Vérifiez les mots masqués, les changements de langue, les chevauchements de parole, les noms inhabituels et les syllabes chantées à l’écoute du son original. Le résultat pratique est un texte reconnu accompagné d’une indication de langue, prêt pour la recherche ou une étape de traitement du contenu ultérieure, auquel des repères temporels peuvent être ajoutés si nécessaire par le processus d’alignement distinct.
POST /v1/audio/transcriptionsaudiotext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites qwen/qwen3-asr-0.6b | Par défaut— |
Champinput_audio | Typeobject | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champlanguage | Typestring | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champtemperature | Typenumber | ExigenceFacultatif | Valeurs et limites Minimum: 0 Maximum: 1 | Par défaut— |
Champresponse_format | Typestring | ExigenceFacultatif | Valeurs et limites json, verbose_json | Par défautjson |
Champtimestamp_granularities | Typearray | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champprovider | Typeobject | ExigenceFacultatif | Valeurs et limites | Par défaut— |
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, input_audio |
Paramètrematerial_types | Contrataudio |
Paramètrematerial_conditions | ContratLisez un fichier WAV réel et encodez ses octets réels pour l’entrée JSON input_audio déclarée ; aucune route multipart n’est annoncée pour cette déclaration exacte limitée au JSON. |
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 tarifs affichés servent à estimer le coût avant la génération. Le montant final est calculé à partir du coût enregistré pour la génération d’origine. La durée mesurée du résultat et les quantités prévisionnelles ne constituent pas la quantité finale facturable.
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
Associez chaque coût aux conditions indiquées. Utilisez un seul tarif pour chaque ensemble de configurations alternatives.
| Configuration | Barème tarifaire | Quantité prévisionnelle | Unité de facturation | Coût |
|---|---|---|---|---|
| ConfigurationTarifs de base par jeton | Barème tarifaireTarif de base | Quantité prévisionnelle— | Unité de facturation— | Coût Entrée · Tokens en entrée · Estimation à des fins de comparaison uniquement — / 1K tokens Sortie · Tokens en sortie · Estimation à des fins de comparaison uniquement — / 1K tokens Entrée · Lecture du cache · Estimation à des fins de comparaison uniquement — / 1K tokens Entrée · Écriture dans le cache · Estimation à des fins de comparaison uniquement — / 1K tokens Entrée · Écriture dans le cache, 1 h · Estimation à des fins de comparaison uniquement — / 1K tokens |
| Configurationseconde d’audio en entrée | Barème tarifaire— | Quantité prévisionnelle— | Unité de facturationpar seconde d’audio en entrée | Coût Entrée · seconde d’audio en entrée · Estimation à des fins de comparaison uniquement $0.00000666 par seconde d’audio en entrée |
| ConfigurationCoût de génération estimé | Barème tarifaire— | Quantité prévisionnelleEstimation pour une génération | Unité de facturation— | Coût Sortie · Coût estimé de génération · Estimation à des fins de comparaison uniquement $0.00000666 estimation avant génération Cette estimation ne constitue ni des frais supplémentaires ni un tarif fixe pour la génération terminée. |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_AUDIO_FILE:?Set the path to your actual WAV recording}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\nimport base64\naudio=Path(os.environ['AILOOT_AUDIO_FILE']).read_bytes()\nif not (audio[:4]==b'RIFF' and audio[8:12]==b'WAVE'): raise SystemExit('Supply an actual WAV audio file')\nif len(audio)>26214400: raise SystemExit('Use a documented supported large-file flow')\nrequest={'model': 'qwen/qwen3-asr-0.6b', 'input_audio': {'data': '${BASE64_ACTUAL_WAV_BYTES}', 'format': 'wav'}}\nrequest['input_audio']['data']=base64.b64encode(audio).decode('ascii')\nPath('request.json').write_text(json.dumps(request,ensure_ascii=False),encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/transcriptions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o response.bin\n# Keep the complete original response and headers. Read every returned segment, word and usage field.\n# Preserve actual operation/task/asset IDs; continue reads of the original result without resubmitting.\nGET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -o owned-assets.json\n# Preserve every returned asset and follow its exact signed content URL. Do not construct a signed token.\nConservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez la réponse complète et les en-têtes, chaque sortie effective, les identifiants initialement renvoyés et tous les champs d’utilisation. Récupérez l’opération d’origine sans soumettre à nouveau sa création.
Conservez le X-Client-Request-ID renvoyé pour le rapprochement. Consultez uniquement les valeurs task_id/asset_id effectivement renvoyées ou votre bibliothèque multimédia ; ne construisez jamais une URL de tâche à partir de l’identifiant de l’opération et ne soumettez jamais à nouveau la création.
| Champ | Type |
|---|---|
Champtext | Type |
Champusage | Type |
Champsegments[] | Type |
Champwords[] | Type |
Champspeaker fields | Type |
Champtimestamps | Type |
Ailoot Ultra qwen/qwen3-asr-0.6b
Utilisez les chemins de méthode indiqués ci-dessus.