Qwen: Qwen3 ASR 1.7B
Qwen3-ASR-1.7B ממיר דיבור ושירה לטקסט ומזהה את השפה. Qwen מתעד 30 שפות, 22 ניבים סיניים וזיהוי במצב לא מקוון או בהזרמה; תזמון ברמת המילה משתמש בתהליך עבודה נפרד של Qwen3-ForcedAligner.
על המודל
התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.
Qwen3-ASR-1.7B הוא מודל זיהוי הדיבור הגדול יותר של Qwen במשפחת Qwen3-ASR. הוא מקבל אודיו ומחזיר טקסט שזוהה יחד עם תווית שפה. המשפחה נשענת על בסיס הבנת האודיו של Qwen3-Omni ומשתמשת במודל ASR אחד לזיהוי לא מקוון ובהזרמה. מהדורת 1.7B מדגישה איכות זיהוי, בעוד שמהדורת 0.6B בעלת השם הנפרד מדגישה יעילות. המהדורות נשארות אפשרויות נפרדות, אף שהן חולקות את כיסוי השפות ואת תהליכי הזיהוי המתועדים.
זיהוי שפה וכיסוי אודיו
היצרן מציין 30 שפות ו־22 ניבים סיניים, וכן מבטאים באנגלית ממגוון אזורים. רשימת השפות 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 הנתמכים כוללים דיבור, קול שר ושירים עם מוזיקת רקע. יכולות אלה הופכות את התמליל לשימושי לראיונות, להרצאות, להקלטות קול ולבדיקת מילות שירים, תוך שמירת האודיו המקורי לבדיקת קטעים קשים.
הכנת אודיו וקבלת תמליל
ערכת הכלים של היצרן מקבלת הפניה לקובץ אודיו, אודיו מקודד או צורת גל בצירוף קצב הדגימה שלה, ותהליך העבודה הלא מקוון שלה יכול לעבד אוסף הקלטות. היא יכולה לזהות את השפה אוטומטית או להשתמש בשפה נתמכת שהוגדרה. בחרו זיהוי אוטומטי להקלטה ששפתה אינה ידועה; ספקו את השפה המדוברת בפועל כשהיא ידועה ורלוונטית למשימה. תוצאת הדוגמה חושפת את השפה שזוהתה או שנבחרה ואת הטקסט שזוהה. הגדרת השפה מנחה את זיהוי ההקלטה, ולא מגדירה בקשה לניסוח התוכן מחדש בשפה אחרת.
לראיון, שמרו את הקשר בין ההקלטה לבין התאריך, הנושא ומזהה המקור שלה, ואז השתמשו בטקסט שהוחזר כתמליל שניתן לחפש בו. להרצאה, שמרו מונחים טכניים וביטויים מספריים בעת הבדיקה, במקום להחליף בשתיקה מילים לא ברורות בהסבר שנראה סביר. לשיר, בדקו את המילים שזוהו תוך האזנה לקו השירה, במיוחד כאשר המוזיקה מסתירה הברה. התמליל יכול להפוך לקלט לשלב נפרד של סיכום, תרגום או עריכה, לאחר שנוסחו נבדק מול האודיו.
זיהוי בהזרמה והיקפו
אותה משפחת ASR תומכת בזיהוי בזמן שהאודיו מגיע. דוגמת ההזרמה של היצרן מזינה מקטעי אודיו עוקבים למצב זיהוי שנשמר, מציגה טקסט ביניים, ואז מסיימת את הזרם כדי לקבל את השפה ואת התמליל הסופיים. שמרו על הבחנה בין הטקסט המצטבר הנוכחי לבין התוצאה שהושלמה כשמכינים כתוביות בזמן אמת או תמליל מתמשך. מימוש ההזרמה המתועד אינו משלב הזרמה עם הסקה באצווה ואינו מחזיר חותמות זמן; תמליל מתוזמן משתמש בתהליך עבודה אחר. אלה פרטי מימוש של היצרן, ולא הבטחה לגבי תעבורת הנתונים של יישום או ממשק הכתוביות בזמן אמת שלו.
תזמון מילים או תווים באמצעות מודל יישור נפרד
Qwen3-ForcedAligner-0.6B מיישר הקלטת אודיו עם טקסט שסופק וחוזה זמני התחלה וסיום ברמת המילה או התו. הוא מודל נפרד משתי מהדורות Qwen3-ASR. ערכת הכלים של ASR יכולה להשתמש במודל היישור הזה כשמבקשים חותמות זמן בתהליך התמלול הלא מקוון שלה, או שאפשר לבצע יישור על זוג קיים של טקסט ואודיו. הכיסוי המתועד של מודל היישור הוא 11 שפות: סינית, אנגלית, קנטונזית, צרפתית, גרמנית, איטלקית, יפנית, קוריאנית, פורטוגזית, רוסית וספרדית. משך הדיבור המוצהר שלו הוא עד חמש דקות; זהו היקפו של מודל היישור, ולא תקרה של חמש דקות לתמלול ASR.
להכנת כתוביות, קבלו תחילה את התמליל ובדקו אותו, ואז יישרו אותו להקלטת המקור במקום שבו תהליך יישור זה מתאים. השתמשו בזמני ההתחלה והסיום שהוחזרו כדי להכין מקטעי כתוביות, ובדקו את גבולותיהם תוך האזנה. היישור משייך מילים שסופקו לאודיו; אין להתייחס אליו כהוכחה שתמליל שגוי תוקן. התוצר השימושי הוא תמליל שנבדק עם מידע תזמון, שנשאר קשור להקלטה שהוא מתאר.
הקלטות ארוכות ומגבלות מעשיות
המשפחה תומכת בתמלול אודיו ארוך, והדוגמאות הרשמיות מנחות משתמשים לאפשר יותר טקסט שנוצר עבור קלט ארוך יותר. הגדרות הטוקנים להמחשה הן בחירות תצורה, ולא גבול אוניברסלי להקשר המודל או למשך האודיו. תכננו את הקצאת הפלט לפי ההקלטה ובדקו שסופה נוכח. בדקו שמות, כמויות, שינויי שפה, מילים מוסתרות ודיבור חופף מול הצליל המקורי. כיסוי השפות והעמידות בפני אודיו מאתגר אינם מבטיחים תמליל מושלם לכל מבטא, הקלטה או עיבוד מוזיקלי. תוצאה מלאה שומרת על הנוסח שזוהה, על שפתו ועל הקשר שלו לאודיו, כך שניתן לחפש בה, לערוך אותה או להשתמש בה בתהליך תוכן בהמשך.
Ailoot Ultra · תמלול POST /v1/audio/transcriptions qwen/qwen3-asr-1.7b
qwen/qwen3-asr-1.7bהתחלה
Qwen3-ASR-1.7B ממיר דיבור ושירה לטקסט ומזהה את השפה. Qwen מתעד 30 שפות, 22 ניבים סיניים וזיהוי במצב לא מקוון או בהזרמה; תזמון ברמת המילה משתמש בתהליך עבודה נפרד של Qwen3-ForcedAligner.
- 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-1.7b | 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 $0.000015 לכל שניית שמע בקלט |
| תצורהעלות יצירה משוערת | טבלת תעריפים— | כמות חזויהאומדן ליצירה אחת | יחידת חיוב— | חיוב פלט · עלות יצירה משוערת · אומדן להשוואה בלבד $0.000015 אומדן לפני היצירה אומדן זה אינו חיוב נוסף או תעריף קבוע עבור היצירה שהושלמה. |
לפני הבקשה Ailoot משריינת סכום משוער. לאחר קבלת התוצאה היא מסדירה את החיוב הסופי לפי השימוש המדוד. הסדרת חיוב בהזרמה משתמשת ברשומת השימוש הסופית. איך פועלים שריון הסכום והסדרת החיוב →
דוגמאות לבקשות
Ailoot Ultra · תמלול
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_AUDIO_FILE:?Set the path to your actual WAV recording}"
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
import base64
audio=Path(os.environ['AILOOT_AUDIO_FILE']).read_bytes()
if not (audio[:4]==b'RIFF' and audio[8:12]==b'WAVE'): raise SystemExit('Supply an actual WAV audio file')
if len(audio)>26214400: raise SystemExit('Use a documented supported large-file flow')
request={'model': 'qwen/qwen3-asr-1.7b', 'input_audio': {'data': '${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-1.7b
כינויים לנתיבי שיטות
השתמשו בנתיבי השיטות המוצגים למעלה.
מזהי מודלים קשורים IDs
FAQ · Qwen: Qwen3 ASR 1.7B
- אילו קלטים ותוצאות זמינים?
POST /v1/audio/transcriptions·qwen/qwen3-asr-1.7b:audio→text- באילו שדות הבקשה משתמשת?
POST /v1/audio/transcriptions·qwen/qwen3-asr-1.7b:model,input_audio,language,temperature,response_format,timestamp_granularities,provider- אילו מגבלות חלות?
POST /v1/audio/transcriptions·qwen/qwen3-asr-1.7b:temperature.minimum:0;temperature.maximum:1