asr-1.0
MiniMax ASR 1.0 ממיר אודיו לטקסט, תומך ברוסית, בהפרדת אמירות לפי דוברים ובחותמות זמן.
על המודל
התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.
הקלטת שיחה לטקסט
MiniMax ASR 1.0 מזהה דיבור בקובץ אודיו. היצרן מתאר שימוש לפגישות, לריאיונות, לפודקאסטים, לפס הקול של וידאו, לבקרת תוכן ולניתוח שיחות. המודל מותאם לדיבור שיחתי, לרעש ולאוצר מילים מקצועי, עם דגש על צמצום מקטעים מומצאים. בכרטיס זה של Ailoot הקלט הוא אודיו והתוצאה טקסט.
שפה וכמה משתתפים
נתמכות רוסית ואוקראינית, אנגלית, צרפתית, גרמנית, ספרדית, איטלקית, פורטוגזית ופולנית; וכן סינית, קנטונזית, יפנית, קוריאנית, תאית, וייטנאמית, אינדונזית, מלאית, פיליפינית, ערבית וטורקית. אם לא מוגדרת שפה, המודל מזהה את השפה המרכזית אוטומטית; היצרן מתאר בנפרד שילוב של דיבור סיני ואנגלי.
בייצוג מורחב של התוצאה המודל יכול לזהות דוברים ולקשר אמירות לזמן. מוחזרים בו מספר המשתתפים הכולל ומקטעים עם תווית דובר, התחלה, סוף וטקסט. כך אפשר לברר מי אמר אמירה מסוימת ומתי, בלי לערבב אמירות של משתתפים שונים.
ייצוג התוצאה
היצרן מספק JSON רגיל עם טקסט ומשך, verbose_json מורחב, וכן כתוביות SRT ו־WebVTT. לחותמות הזמן משתמשים כברירת מחדל ברמת המשפט או המקטע. חותמות למילים בודדות מתוארות לאנגלית, ולתווים בודדים לסינית; חותמות כאלה שייכות לפורמטים עם יישור.
אפשר לקבל פלט טקסטואלי הדרגתי, אך אי אפשר לשלבו עם הפרדה בין דוברים ועם פורמטי כתוביות. מצב כזה מחזיר מקטעים חדשים של הטקסט שזוהה תוך כדי עיבוד קובץ שכבר נמסר. זו זרימת התוצאה, ולא שליחה רציפה של אודיו ממיקרופון.
דרישות ההקלטה
פורמטי הקלט המוצהרים הם WAV, AIFF, FLAC, ALAC במכל M4A, MP3, AAC, Opus ו־Ogg. הקובץ חייב להכיל לא יותר מ־500 שניות אודיו ולתפוס לא יותר מ־50 מגה־בייט. חריגה מהמשך נדחית, ולא נחתכת ללא הודעה. PCM גולמי ללא מכל אינו נתמך.
להכנת ההקלטה היצרן ממליץ על מונו בקצב 16 קילו־הרץ או על פורמט אודיו דחוס: קצב גבוה וסטריאו אינם דרושים לזיהוי ומגדילים את הקובץ. היכולות של פלט מורחב ועיבוד זורם מתייחסות ל־ASR 1.0; פורמט התשובה הזמין בבקשה מסוימת נקבע באמצעי Ailoot.
Ailoot · המרת דיבור לטקסט POST /v1/audio/transcriptions asr-1.0
asr-1.0התחלה
MiniMax ASR 1.0 ממיר אודיו לטקסט, תומך ברוסית, בהפרדת אמירות לפי דוברים ובחותמות זמן.
- סוגי קלט נתמכים
- שמע
- תוצאות
- טקסט
זמין ב-Ailoot · קלט ושיטות
Ailoot · המרת דיבור לטקסט POST /v1/audio/transcriptions
- סוגי קלט
audio- סוגי פלט
text- פורמט פלט
- json
| שדה | סוג | דרישה | ערכים ומגבלות | ברירת מחדל |
|---|---|---|---|---|
שדהmodel | סוגstring | דרישהחובה | ערכים ומגבלות asr-1.0 | ברירת מחדל— |
שדהfile | סוגfile | דרישהחובה | ערכים ומגבלות מספר בייטים מרבי: 52,428,800 פורמטי קבצים: wav, mp3, m4a, ogg, webm, flac סוג תוכן: multipart/form-data משך מרבי ללא ערך הגבול, בשניות: 500 | ברירת מחדל— |
שדהresponse_format | סוגstring | דרישהרשות | ערכים ומגבלות json | ברירת מחדל— |
שילובים של חומרי קלט
speech_to_text · נדרש: actual audio file
פרמטרים ומחזור חיים של השיטה
| פרמטר | מפרט |
|---|---|
פרמטרmaterial_types | מפרטaudio |
פרמטרrequired | מפרטnull |
פרמטרoptional_controls | מפרטnull |
מחזור חיים: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · ערך task_id שהוחזר בפועל או רשומה בספריית המדיה
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
מבני המתודות והמזהים מדויקים; יכולת הספק נפרדת מקבלת הבקשה לביצוע.
תעריפים
תעריפי שיטות Ailoot
POST /v1/audio/transcriptions- קלט
- 0.38 $ לכל שעת שמע
לפני הבקשה Ailoot משריינת סכום משוער. לאחר קבלת התוצאה היא מסדירה את החיוב הסופי לפי השימוש המדוד. הסדרת חיוב בהזרמה משתמשת ברשומת השימוש הסופית. איך פועלים שריון הסכום והסדרת החיוב →
דוגמאות לבקשות
Ailoot · המרת דיבור לטקסט
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
קבלה ושמירה של תוצאות
Ailoot · המרת דיבור לטקסט
json
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
שמירת כל התוצאות שהושלמו
שמרו כל תגובה מלאה, קובץ ומקטע תוכן שהוחזרו.
יש לשמור JSON מלא, ולא רק טקסט; יש לשמר כל מקטע, דובר וחותמת זמן זמינים ואת זהות המשימה או הנכס בפועל.
כשצריך לבדוק את התגובה המקורית
שמרו את operation_id/X-Client-Request-ID המקורי לצורך התאמת רישומים ללא שליחה מחדש; אין נתיב ייעודי לתשאול סטטוס אודיו.
שדות התגובה
| שדה | סוג |
|---|---|
שדהtext | סוגstring |
שדהsegments[] | סוגobject |
שדהtask_id | סוגstring |
שדהasset_url | סוגstring |
שדהusage | סוגobject |
שגיאות והשלבים הבאים
| תגובה | תנאי | השלב הבא |
|---|---|---|
תגובה400 · invalid_request_error | תנאישדות נדרשים, ייצוג חומר או ערך פרמטר שאינם תקינים | השלב הבאתקנו את השדות שצוינו לפני בקשת יצירה חדשה. |
תגובהserver_error | תנאיהתשובה שהוחזרה מציינת שהפעולה או התוצאה דורשת בדיקה | השלב הבאשמרו את מזהה הפעולה/המשימה המקורי שהוחזר, את כותרות הבקשה ואת התשובה; המשיכו לבצע פעולות קריאה נתמכות של אותה פעולה מקורית. אל תשלחו שוב את בקשת היצירה. |
כינויים
כינויים למודל
Ailoot asr-1.0
כינויים לנתיבי שיטות
השתמשו בנתיבי השיטות המוצגים למעלה.
מזהי מודלים קשורים IDs
FAQ · asr-1.0
- אילו קלטים ותוצאות זמינים?
POST /v1/audio/transcriptions·asr-1.0:audio→text- באילו שדות הבקשה משתמשת?
POST /v1/audio/transcriptions·asr-1.0:model,file,response_format