Qwen: Qwen3 ASR 0.6B
Qwen3-ASR-0.6B הוא מודל זיהוי הדיבור הקומפקטי של Qwen, להמרת אודיו מדובר או מושר לטקסט עם זיהוי שפה. הוא חולק את הכיסוי המשפחתי של 30 שפות ו־22 דיאלקטים, עם תהליכים לא מקוונים ובהזרמה ויישור כפוי נפרד לטקסט מתוזמן.
על המודל
התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.
Qwen3-ASR-0.6B הוא המהדורה הקומפקטית של משפחת זיהוי הדיבור Qwen3-ASR של Qwen. הוא מקבל אודיו ומפיק תמליל עם תווית שפה. היצרן מציג את 0.6B כאיזון בין איכות הזיהוי ליעילות, ואילו 1.7B היא המהדורה הגדולה יותר בעלת השם הנפרד. שניהם נשענים על הבנת האודיו של Qwen3-Omni וחולקים את כיסוי הזיהוי המתועד ואת הגישה המאוחדת לעיבוד לא מקוון ובהזרמה. המהדורה הקומפקטית יכולה לספק את שלב התמלול בתהליך של הודעות קוליות, הכנת כתוביות או הקלטות הניתנות לחיפוש.
שפות, דיאלקטים והקלטות נתמכות
Qwen מתעדת זיהוי דיבור וזיהוי שפה עבור 30 שפות ו־22 דיאלקטים סיניים, עם תמיכה במבטאים באנגלית מאזורים שונים. טבלת השפות שלה כוללת סינית, אנגלית, קנטונזית, ערבית, גרמנית, צרפתית, ספרדית, פורטוגזית, אינדונזית, איטלקית, קוריאנית, רוסית, תאית, וייטנאמית, יפנית, טורקית, הינדי, מלאית, הולנדית, שוודית, דנית, פינית, פולנית, צ'כית, פיליפינית, פרסית, יוונית, הונגרית, מקדונית ורומנית. סוגי האודיו המזוהים כוללים דיבור, קול שר ושירים עם מוזיקת רקע. המהדורה הקטנה יותר שומרת על הכיסוי המשפחתי הזה; גודלה אינו מייצג רשימה אחרת של שפות נתמכות.
זיהוי לא מקוון והכנת הקלט
ערכת הכלים הרשמית יכולה לקבל אודיו באמצעות הפניה לקובץ, אודיו מקודד או צורת גל עם קצב הדגימה שלה. היא תומכת בעיבוד לא מקוון של כמה הקלטות, בזיהוי שפה אוטומטי ובקביעה של שפה נתמכת. התוצאה המתועדת כוללת את השפה ואת הטקסט שזוהה. בחרו את השפה המדוברת כאשר היא ידועה לכם, או אפשרו למודל לזהות אותה כאשר האוסף מכיל שפות לא ידועות. שמרו את המזהה של כל הקלטה לצד תוצאתה, כדי שאפשר יהיה לקשר את התמליל למקור הנכון.
לאוסף הודעות קוליות, שמרו תוצאה נפרדת לכל הודעה ובדקו שמות, מספרים וביטויים לא ברורים מול ההקלטה לפני הפיכת הטקסט למשימות או לסיכום. למדריך מדובר, השתמשו בתמליל לאיתור קטעים ולבדיקת הנוסח של כל הוראה. בשירה, האזינו לקו הקולי בעת בדיקת המילים, במקום לקבל מילה רק מפני שהיא הגיונית בתוך השיר. אלה שלבי הכנה ובדיקה של תוצר הטקסט; סיכום, תרגום או פרשנות של התמליל יכולים לבוא אחריהם כפעולות נפרדות.
טקסט מוזרם וסיום עיבוד ההקלטה
Qwen3-ASR משתמש באותו מודל לזיהוי לא מקוון ולזיהוי בהזרמה. בדוגמת ההזרמה של היצרן, מקטעי אודיו נכנסים מעדכנים מצב זיהוי שנשמר, ושלב סיום מפיק את הטקסט המלא ואת השפה. כך מתאפשרת תצוגה מתעדכנת, המועילה לתמליל שנוצר בזמן ההקלטה. התייחסו לתצוגת הביניים כאל מצב הזיהוי הנוכחי ושמרו את התוצאה הסופית לאחר סיום ההקלטה, כאשר מקור האודיו נותר זמין לתיקונים.
מימוש ההזרמה המתועד אינו תומך בהסקה באצווה או בהחזרת חותמות זמן בתהליך ההזרמה הזה. לכן טקסט מוזרם, אוסף תמלולים לא מקוונים והכנת כתוביות מתוזמנות הם תהליכים נפרדים של היצרן. גדלי המקטעים והגדרות הטוקנים שבדוגמאות היצרן ממחישים מימוש; הם אינם הבטחות כלליות להשהיה, למקביליות או לאורך אודיו. בחרו את התהליך בהתאם לשאלה אם התוצאה השימושית היא טקסט שמגיע במהלך ההקלטה, טקסט מלא לאוסף הקלטות או טקסט המיושר לציר זמן.
טקסט מתוזמן משתמש ב־Qwen3-ForcedAligner
Qwen3-ForcedAligner-0.6B הוא מודל יישור נפרד, אף שהוא חולק את תווית הגודל 0.6B עם מהדורת ASR זו. הוא מקבל זוג טקסט–אודיו וחוזה זמני התחלה וסיום ברמת המילה או התו. ערכת הכלים של היצרן ל־ASR לא מקוון יכולה להפעיל אותו כאשר מבקשים חותמות זמן. מערך השפות המתועד שלו כולל סינית, אנגלית, קנטונזית, צרפתית, גרמנית, איטלקית, יפנית, קוריאנית, פורטוגזית, רוסית וספרדית, וטווח היישור המוצהר שלו הוא עד חמש דקות דיבור. מערך השפות המצומצם יותר וטווח חמש הדקות שייכים ליישור הכפוי, ולא לכיסוי התמלול הכללי של מודל ה־ASR.
לכתוביות, הכינו תמליל שנבדק בשפת ההקלטה, יישרו אותו בזמן כאשר התהליך הנתמך מאפשר זאת, ובדקו את גבולות המקטעים תוך כדי השמעת המקור. תוצר כתוביות שימושי שומר יחד את הנוסח ואת התזמון. אם מילה בתמליל שגויה, תקנו את הנוסח לפי האודיו במקום להניח שטווח זמן מאמת אותה. ההפרדה הזו מבהירה אם הבעיה היא בזיהוי, בטקסט שסופק או במיקום גבול של כתובית.
פלט לאודיו ארוך ובדיקות הזיהוי
משפחת Qwen3-ASR תומכת בהקלטות ארוכות. דוגמאות ההסקה שלה ממליצות לאפשר יותר טוקנים שנוצרים עבור אודיו ארוך יותר, לכן ודאו שהתמלול מגיע עד סוף ההקלטה ושמכסת הפלט לא קטעה אותו. הדוגמאות שפורסמו אינן קובעות חלון הקשר מספרי כללי או משך הקלטה מרבי ל־ASR. שמרו יחד קטעים שימושיים ואת מיקומם במקור בעת ארגון הקלטה ממושכת לבדיקה. בדקו מול הצליל המקורי מילים מוסתרות או לא ברורות, חילופי שפות, דיבור חופף, שמות חריגים והברות מושרות. התוצאה המעשית היא טקסט שזוהה עם תווית שפה, מוכן לחיפוש או לשלב תוכן נוסף, עם תזמון המתווסף באמצעות תהליך היישור הנפרד לפי הצורך.
Ailoot Ultra · תמלול POST /v1/audio/transcriptions qwen/qwen3-asr-0.6b
qwen/qwen3-asr-0.6bהתחלה
Qwen3-ASR-0.6B הוא מודל זיהוי הדיבור הקומפקטי של Qwen, להמרת אודיו מדובר או מושר לטקסט עם זיהוי שפה. הוא חולק את הכיסוי המשפחתי של 30 שפות ו־22 דיאלקטים, עם תהליכים לא מקוונים ובהזרמה ויישור כפוי נפרד לטקסט מתוזמן.
- סוגי קלט נתמכים
- שמע
- תוצאות
- טקסט
זמין ב-Ailoot · קלט ושיטות
Ailoot Ultra · תמלול POST /v1/audio/transcriptions
- סוגי קלט
audio- סוגי פלט
text
| שדה | סוג | דרישה | ערכים ומגבלות | ברירת מחדל |
|---|---|---|---|---|
שדהmodel | סוגstring | דרישהחובה | ערכים ומגבלות qwen/qwen3-asr-0.6b | ברירת מחדל— |
שדהinput_audio | סוגobject | דרישהחובה | ערכים ומגבלות | ברירת מחדל— |
שדהlanguage | סוגstring | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהtemperature | סוגnumber | דרישהרשות | ערכים ומגבלות מינימום: 0 מקסימום: 1 | ברירת מחדל— |
שדהresponse_format | סוגstring | דרישהרשות | ערכים ומגבלות json, verbose_json | ברירת מחדלjson |
שדהtimestamp_granularities | סוגarray | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהprovider | סוגobject | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
פרמטרים ומחזור חיים של השיטה
| פרמטר | מפרט |
|---|---|
פרמטרcontent_type | מפרטapplication/json |
פרמטרrequired | מפרטmodel, input_audio |
פרמטרmaterial_types | מפרטaudio |
פרמטרmaterial_conditions | מפרטקראו קובץ WAV ממשי וקודדו את הבתים האמיתיים שלו עבור קלט ה־JSON input_audio שהוצהר; לא מוצג נתיב multipart להצהרה המדויקת הזו, התומכת ב־JSON בלבד. |
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}
תעריפים
אופן חישוב החיוב הסופי
התעריפים המוצגים מספקים אומדן לעלות לפני היצירה. החיוב הסופי מחושב לפי העלות שנרשמה עבור היצירה המקורית. משך הפלט שנמדד והכמויות החזויות אינם הכמות הסופית לחיוב.
מידע תעריפים אינו מוסיף אפשרויות לבקשה. הפרמטרים הנתמכים מפורטים בשיטה שנבחרה.
- מצב מהיר
- לא צוין כאשר נבחר מצב מהיר
- מצב Flex
- לא צוין כאשר נבחר מצב flex
- מאמץ חשיבה מרבי
- לא צוין כאשר מאמץ החשיבה המרבי משתמש בהתאמת ברירת המחדל (default)
תעריפים משוערים להשוואה
מחירים לפי תצורה
התאימו כל חיוב לתנאים המוצגים. השתמשו בתעריף אחד לכל קבוצה של תצורות חלופיות.
| תצורה | טבלת תעריפים | כמות חזויה | יחידת חיוב | חיוב |
|---|---|---|---|---|
| תצורהתעריפי בסיס לטוקנים | טבלת תעריפיםתעריף בסיס | כמות חזויה— | יחידת חיוב— | חיוב קלט · טוקני קלט · אומדן להשוואה בלבד — / 1K טוקנים פלט · טוקני פלט · אומדן להשוואה בלבד — / 1K טוקנים קלט · קריאה מהמטמון · אומדן להשוואה בלבד — / 1K טוקנים קלט · כתיבה למטמון · אומדן להשוואה בלבד — / 1K טוקנים קלט · כתיבה למטמון, 1 שעה · אומדן להשוואה בלבד — / 1K טוקנים |
| תצורהשניית שמע בקלט | טבלת תעריפים— | כמות חזויה— | יחידת חיובלכל שניית שמע בקלט | חיוב קלט · שניית שמע בקלט · אומדן להשוואה בלבד $0.00000666 לכל שניית שמע בקלט |
| תצורהעלות יצירה משוערת | טבלת תעריפים— | כמות חזויהאומדן ליצירה אחת | יחידת חיוב— | חיוב פלט · עלות יצירה משוערת · אומדן להשוואה בלבד $0.00000666 אומדן לפני היצירה אומדן זה אינו חיוב נוסף או תעריף קבוע עבור היצירה שהושלמה. |
לפני הבקשה Ailoot משריינת סכום משוער. לאחר קבלת התוצאה היא מסדירה את החיוב הסופי לפי השימוש המדוד. הסדרת חיוב בהזרמה משתמשת ברשומת השימוש הסופית. איך פועלים שריון הסכום והסדרת החיוב →
דוגמאות לבקשות
Ailoot Ultra · תמלול
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_AUDIO_FILE:?Set the path to your actual WAV recording}"
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
import base64
audio=Path(os.environ['AILOOT_AUDIO_FILE']).read_bytes()
if not (audio[:4]==b'RIFF' and audio[8:12]==b'WAVE'): raise SystemExit('Supply an actual WAV audio file')
if len(audio)>26214400: raise SystemExit('Use a documented supported large-file flow')
request={'model': 'qwen/qwen3-asr-0.6b', 'input_audio': {'data': '${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 $AILOOT_API_KEY" -H 'Content-Type: application/json' \
--data-binary @request.json -D response-headers.txt -o response.bin
# Keep the complete original response and headers. Read every returned segment, word and usage field.
# Preserve actual operation/task/asset IDs; continue reads of the original result without resubmitting.
קבלה ושמירה של תוצאות
Ailoot Ultra · תמלול
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
קריאות תוכן נוספות
set -eu
: "${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.
שמירת כל התוצאות שהושלמו
שמרו כל תגובה מלאה, קובץ ומקטע תוכן שהוחזרו.
שמרו את התשובה המלאה ואת הכותרות, כל פלט שהתקבל בפועל, את המזהים המקוריים שהוחזרו ואת כל שדות השימוש. שחזרו את הפעולה המקורית בלי לשלוח שוב בקשת יצירה.
כשצריך לבדוק את התגובה המקורית
שמרו את X-Client-Request-ID שהוחזר לצורך התאמת רישומים. קראו רק ערכי task_id/asset_id שהוחזרו בפועל או את ספריית המדיה שבבעלותכם; לעולם אל תבנו URL של משימה ממזהה הפעולה ואל תשלחו שוב בקשת יצירה.
שדות התגובה
| שדה | סוג |
|---|---|
שדהtext | סוג |
שדהusage | סוג |
שדהsegments[] | סוג |
שדהwords[] | סוג |
שדהspeaker fields | סוג |
שדהtimestamps | סוג |
כינויים
כינויים למודל
Ailoot Ultra qwen/qwen3-asr-0.6b
כינויים לנתיבי שיטות
השתמשו בנתיבי השיטות המוצגים למעלה.
מזהי מודלים קשורים IDs
FAQ · Qwen: Qwen3 ASR 0.6B
- אילו קלטים ותוצאות זמינים?
POST /v1/audio/transcriptions·qwen/qwen3-asr-0.6b:audio→text- באילו שדות הבקשה משתמשת?
POST /v1/audio/transcriptions·qwen/qwen3-asr-0.6b:model,input_audio,language,temperature,response_format,timestamp_granularities,provider- אילו מגבלות חלות?
POST /v1/audio/transcriptions·qwen/qwen3-asr-0.6b:temperature.minimum:0;temperature.maximum:1