A Qwen3-ASR-0.6B a Qwen Qwen3-ASR beszédfelismerő modellcsaládjának kompakt kiadása. Hangot fogad, és nyelvjelöléssel ellátott átiratot készít. A gyártó a 0.6B változatot a felismerési minőség és a hatékonyság egyensúlyára pozicionálja, míg az 1.7B a külön néven szereplő nagyobb kiadás. Mindkettő a Qwen3-Omni hangmegértésére épít, és közös a dokumentált felismerési lefedettségük, valamint az egységes offline/streaming megközelítésük. A kompakt kiadás hangjegyzetekhez, felirat-előkészítéshez vagy kereshető felvételekhez kapcsolódó munkafolyamatban biztosíthatja az átírás lépését.
A Qwen 30 nyelv és 22 kínai nyelvjárás felismerését és nyelvazonosítását dokumentálja, különböző régiókból származó angol akcentusok támogatásával. Nyelvtáblázata a kínait, angolt, kantonit, arabot, németet, franciát, spanyolt, portugált, indonézt, olaszt, koreait, oroszt, thait, vietnámit, japánt, törököt, hindit, malájt, hollandot, svédet, dánt, finnt, lengyelt, csehet, filippínót, perzsát, görögöt, magyart, macedónt és románt sorolja fel. A felismerhető hangtípusok közé tartozik a beszéd, az énekhang és a háttérzenével kísért dal. A kisebb kiadás megtartja a család e lefedettségét; a mérete nem jelent eltérő támogatott nyelvlistát.
A hivatalos eszközkészlet fájlhivatkozásként, kódolt hangként vagy mintavételi frekvenciával megadott hullámformaként fogadhat hangot. Támogatja több felvétel offline feldolgozását, az automatikus nyelvfelismerést és egy támogatott nyelv kézi megadását. A dokumentált eredmény a nyelvet és a felismert szöveget tartalmazza. Válassza ki a beszéd nyelvét, ha ismeri, vagy hagyja, hogy a modell azonosítsa, ha a gyűjteményben ismeretlen nyelvű felvételek vannak. Minden felvétel azonosítóját őrizze meg az eredménye mellett, hogy az átirat visszakövethető legyen a megfelelő forráshoz.
Hangjegyzetek gyűjteményénél minden jegyzethez külön eredményt tartson meg, és a felvétel alapján ellenőrizze a neveket, számokat és nem egyértelmű kifejezéseket, mielőtt feladatokat vagy összefoglalót készítene a szövegből. Elmondott oktatóanyagnál az átirat segítségével keresse meg a szövegrészeket, és ellenőrizze az egyes utasítások megfogalmazását. Éneklésnél a dalszöveg ellenőrzésekor az énekszólamra figyeljen, ne fogadjon el egy szót pusztán azért, mert értelmesnek tűnik a dalban. Ezek a szöveges eredmény előkészítési és ellenőrzési lépései; az átirat összefoglalása, fordítása vagy értelmezése külön műveletként következhet.
A Qwen3-ASR ugyanazt a modellt használja offline és streaming felismeréshez. A gyártó streaming példájában a beérkező hangdarabok frissítik a megőrzött felismerési állapotot, majd egy lezáró lépés adja vissza a kész szöveget és a nyelvet. Ez lehetővé teszi a fokozatos megjelenítést, amely hasznos a folyamatosan készülő átirathoz. Az ideiglenes megjelenítést az aktuális felismerési állapotként kezelje, és a felvétel vége után őrizze meg a végleges eredményt, a javításhoz elérhető hangforrással együtt.
A dokumentált streaming megvalósítás ebben a streaming folyamatban nem támogat kötegelt modellfuttatást vagy időbélyegek visszaadását. A streaming szöveg, az offline átiratok gyűjteménye és az időzített feliratok előkészítése ezért külön gyártói munkafolyamatok. A gyártó példaként megadott darabméretei és tokenbeállításai egy megvalósítást szemléltetnek; nem általános ígéretek késleltetésre, párhuzamosságra vagy hanghosszra. Aszerint válasszon folyamatot, hogy a hasznos eredmény a felvétel közben érkező szöveg, egy gyűjtemény kész átirata vagy idővonalhoz igazított szöveg.
A Qwen3-ForcedAligner-0.6B külön illesztőmodell, noha ugyanazt a 0.6B méretjelölést viseli, mint ez az ASR-kiadás. Szöveg–hang párt fogad, és szó- vagy karakterszintű kezdő- és végidőket jelez előre. A gyártó offline ASR-eszközkészlete meghívhatja, amikor időbélyegeket kérnek. Dokumentált nyelvkészlete a kínai, angol, kantoni, francia, német, olasz, japán, koreai, portugál, orosz és spanyol, a megadott illesztési tartománya pedig legfeljebb öt percnyi beszéd. Ez a szűkebb nyelvkészlet és az ötperces tartomány a hanghoz igazításhoz tartozik, nem az ASR-modell általános átírási lefedettségéhez.
Feliratokhoz készítsen ellenőrzött átiratot a felvétel nyelvén, a támogatott munkafolyamat szerint igazítsa a hanghoz, és a forrás lejátszása közben vizsgálja meg a szegmensek határait. A használható felirateredmény együtt tartja a szöveget és az időzítést. Ha egy átírt szó hibás, a hang alapján javítsa a szöveget, ne feltételezze, hogy az időtartomány igazolja a szót. Ez a szétválasztás egyértelművé teszi, hogy a probléma a felismerésben, a megadott szövegben vagy egy felirathatár elhelyezésében van-e.
A Qwen3-ASR család hosszú felvételeket is támogat. Modellfuttatási példái hosszabb hanghoz több generált token engedélyezését javasolják, ezért győződjön meg arról, hogy az átírás a felvétel végéig eljutott, és nem vágta le egy kimeneti keret. A közzétett példák nem határoznak meg általános számszerű kontextusablakot vagy maximális ASR-felvételhosszt. Hosszabb felvétel ellenőrzésének megszervezésekor a hasznos szakaszokat tartsa összekapcsolva a forrásbeli helyükkel. A nehezen hallható szavakat, nyelvváltásokat, átfedő beszédet, szokatlan neveket és énekelt szótagokat ellenőrizze az eredeti hang alapján. A gyakorlati eredmény nyelvjelöléssel ellátott felismert szöveg, amely készen áll keresésre vagy egy további tartalmi lépésre; szükség esetén az időzítést a külön illesztési folyamat adja hozzá.
", "aboutText": "A Qwen3-ASR-0.6B a Qwen Qwen3-ASR beszédfelismerő modellcsaládjának kompakt kiadása. Hangot fogad, és nyelvjelöléssel ellátott átiratot készít. A gyártó a 0.6B változatot a felismerési minőség és a hatékonyság egyensúlyára pozicionálja, míg az 1.7B a külön néven szereplő nagyobb kiadás. Mindkettő a Qwen3-Omni hangmegértésére épít, és közös a dokumentált felismerési lefedettségük, valamint az egységes offline/streaming megközelítésük. A kompakt kiadás hangjegyzetekhez, felirat-előkészítéshez vagy kereshető felvételekhez kapcsolódó munkafolyamatban biztosíthatja az átírás lépését.\n\n### Nyelvek, nyelvjárások és támogatott felvételek\n\nA Qwen 30 nyelv és 22 kínai nyelvjárás felismerését és nyelvazonosítását dokumentálja, különböző régiókból származó angol akcentusok támogatásával. Nyelvtáblázata a kínait, angolt, kantonit, arabot, németet, franciát, spanyolt, portugált, indonézt, olaszt, koreait, oroszt, thait, vietnámit, japánt, törököt, hindit, malájt, hollandot, svédet, dánt, finnt, lengyelt, csehet, filippínót, perzsát, görögöt, magyart, macedónt és románt sorolja fel. A felismerhető hangtípusok közé tartozik a beszéd, az énekhang és a háttérzenével kísért dal. A kisebb kiadás megtartja a család e lefedettségét; a mérete nem jelent eltérő támogatott nyelvlistát.\n\n### Offline felismerés és a bemenet előkészítése\n\nA hivatalos eszközkészlet fájlhivatkozásként, kódolt hangként vagy mintavételi frekvenciával megadott hullámformaként fogadhat hangot. Támogatja több felvétel offline feldolgozását, az automatikus nyelvfelismerést és egy támogatott nyelv kézi megadását. A dokumentált eredmény a nyelvet és a felismert szöveget tartalmazza. Válassza ki a beszéd nyelvét, ha ismeri, vagy hagyja, hogy a modell azonosítsa, ha a gyűjteményben ismeretlen nyelvű felvételek vannak. Minden felvétel azonosítóját őrizze meg az eredménye mellett, hogy az átirat visszakövethető legyen a megfelelő forráshoz.\n\nHangjegyzetek gyűjteményénél minden jegyzethez külön eredményt tartson meg, és a felvétel alapján ellenőrizze a neveket, számokat és nem egyértelmű kifejezéseket, mielőtt feladatokat vagy összefoglalót készítene a szövegből. Elmondott oktatóanyagnál az átirat segítségével keresse meg a szövegrészeket, és ellenőrizze az egyes utasítások megfogalmazását. Éneklésnél a dalszöveg ellenőrzésekor az énekszólamra figyeljen, ne fogadjon el egy szót pusztán azért, mert értelmesnek tűnik a dalban. Ezek a szöveges eredmény előkészítési és ellenőrzési lépései; az átirat összefoglalása, fordítása vagy értelmezése külön műveletként következhet.\n\n### Streaming szöveg és a felvétel lezárása\n\nA Qwen3-ASR ugyanazt a modellt használja offline és streaming felismeréshez. A gyártó streaming példájában a beérkező hangdarabok frissítik a megőrzött felismerési állapotot, majd egy lezáró lépés adja vissza a kész szöveget és a nyelvet. Ez lehetővé teszi a fokozatos megjelenítést, amely hasznos a folyamatosan készülő átirathoz. Az ideiglenes megjelenítést az aktuális felismerési állapotként kezelje, és a felvétel vége után őrizze meg a végleges eredményt, a javításhoz elérhető hangforrással együtt.\n\nA dokumentált streaming megvalósítás ebben a streaming folyamatban nem támogat kötegelt modellfuttatást vagy időbélyegek visszaadását. A streaming szöveg, az offline átiratok gyűjteménye és az időzített feliratok előkészítése ezért külön gyártói munkafolyamatok. A gyártó példaként megadott darabméretei és tokenbeállításai egy megvalósítást szemléltetnek; nem általános ígéretek késleltetésre, párhuzamosságra vagy hanghosszra. Aszerint válasszon folyamatot, hogy a hasznos eredmény a felvétel közben érkező szöveg, egy gyűjtemény kész átirata vagy idővonalhoz igazított szöveg.\n\n### Időzített szöveg Qwen3-ForcedAligner használatával\n\nA Qwen3-ForcedAligner-0.6B külön illesztőmodell, noha ugyanazt a 0.6B méretjelölést viseli, mint ez az ASR-kiadás. Szöveg–hang párt fogad, és szó- vagy karakterszintű kezdő- és végidőket jelez előre. A gyártó offline ASR-eszközkészlete meghívhatja, amikor időbélyegeket kérnek. Dokumentált nyelvkészlete a kínai, angol, kantoni, francia, német, olasz, japán, koreai, portugál, orosz és spanyol, a megadott illesztési tartománya pedig legfeljebb öt percnyi beszéd. Ez a szűkebb nyelvkészlet és az ötperces tartomány a hanghoz igazításhoz tartozik, nem az ASR-modell általános átírási lefedettségéhez.\n\nFeliratokhoz készítsen ellenőrzött átiratot a felvétel nyelvén, a támogatott munkafolyamat szerint igazítsa a hanghoz, és a forrás lejátszása közben vizsgálja meg a szegmensek határait. A használható felirateredmény együtt tartja a szöveget és az időzítést. Ha egy átírt szó hibás, a hang alapján javítsa a szöveget, ne feltételezze, hogy az időtartomány igazolja a szót. Ez a szétválasztás egyértelművé teszi, hogy a probléma a felismerésben, a megadott szövegben vagy egy felirathatár elhelyezésében van-e.\n\n### Hosszú hanganyag kimenete és a felismerés ellenőrzése\n\nA Qwen3-ASR család hosszú felvételeket is támogat. Modellfuttatási példái hosszabb hanghoz több generált token engedélyezését javasolják, ezért győződjön meg arról, hogy az átírás a felvétel végéig eljutott, és nem vágta le egy kimeneti keret. A közzétett példák nem határoznak meg általános számszerű kontextusablakot vagy maximális ASR-felvételhosszt. Hosszabb felvétel ellenőrzésének megszervezésekor a hasznos szakaszokat tartsa összekapcsolva a forrásbeli helyükkel. A nehezen hallható szavakat, nyelvváltásokat, átfedő beszédet, szokatlan neveket és énekelt szótagokat ellenőrizze az eredeti hang alapján. A gyakorlati eredmény nyelvjelöléssel ellátott felismert szöveg, amely készen áll keresésre vagy egy további tartalmi lépésre; szükség esetén az időzítést a külön illesztési folyamat adja hozzá.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "4c259d2bbcec1ee9164e28d99bbf370f348d676712eec3d7fb2adddcffe0060e", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "hu", "methods": [ { "html": "qwen/qwen3-asr-0.6bA Qwen3-ASR-0.6B a Qwen kompakt beszédfelismerő modellje, amely beszédet vagy énekhangot alakít szöveggé nyelvazonosítással. A modellcsalád 30 nyelvet és 22 nyelvjárást lefedő támogatását kínálja, offline és streaming folyamatokkal, valamint az időzített szöveghez külön hanghoz igazítással.
Ez a leírás a modell képességeit ismerteti. Az Ailootban elérhető bemenetek, kimenetek és lehetőségek alább, a kiválasztott metódusnál láthatók.
A Qwen3-ASR-0.6B a Qwen Qwen3-ASR beszédfelismerő modellcsaládjának kompakt kiadása. Hangot fogad, és nyelvjelöléssel ellátott átiratot készít. A gyártó a 0.6B változatot a felismerési minőség és a hatékonyság egyensúlyára pozicionálja, míg az 1.7B a külön néven szereplő nagyobb kiadás. Mindkettő a Qwen3-Omni hangmegértésére épít, és közös a dokumentált felismerési lefedettségük, valamint az egységes offline/streaming megközelítésük. A kompakt kiadás hangjegyzetekhez, felirat-előkészítéshez vagy kereshető felvételekhez kapcsolódó munkafolyamatban biztosíthatja az átírás lépését.
A Qwen 30 nyelv és 22 kínai nyelvjárás felismerését és nyelvazonosítását dokumentálja, különböző régiókból származó angol akcentusok támogatásával. Nyelvtáblázata a kínait, angolt, kantonit, arabot, németet, franciát, spanyolt, portugált, indonézt, olaszt, koreait, oroszt, thait, vietnámit, japánt, törököt, hindit, malájt, hollandot, svédet, dánt, finnt, lengyelt, csehet, filippínót, perzsát, görögöt, magyart, macedónt és románt sorolja fel. A felismerhető hangtípusok közé tartozik a beszéd, az énekhang és a háttérzenével kísért dal. A kisebb kiadás megtartja a család e lefedettségét; a mérete nem jelent eltérő támogatott nyelvlistát.
A hivatalos eszközkészlet fájlhivatkozásként, kódolt hangként vagy mintavételi frekvenciával megadott hullámformaként fogadhat hangot. Támogatja több felvétel offline feldolgozását, az automatikus nyelvfelismerést és egy támogatott nyelv kézi megadását. A dokumentált eredmény a nyelvet és a felismert szöveget tartalmazza. Válassza ki a beszéd nyelvét, ha ismeri, vagy hagyja, hogy a modell azonosítsa, ha a gyűjteményben ismeretlen nyelvű felvételek vannak. Minden felvétel azonosítóját őrizze meg az eredménye mellett, hogy az átirat visszakövethető legyen a megfelelő forráshoz.
Hangjegyzetek gyűjteményénél minden jegyzethez külön eredményt tartson meg, és a felvétel alapján ellenőrizze a neveket, számokat és nem egyértelmű kifejezéseket, mielőtt feladatokat vagy összefoglalót készítene a szövegből. Elmondott oktatóanyagnál az átirat segítségével keresse meg a szövegrészeket, és ellenőrizze az egyes utasítások megfogalmazását. Éneklésnél a dalszöveg ellenőrzésekor az énekszólamra figyeljen, ne fogadjon el egy szót pusztán azért, mert értelmesnek tűnik a dalban. Ezek a szöveges eredmény előkészítési és ellenőrzési lépései; az átirat összefoglalása, fordítása vagy értelmezése külön műveletként következhet.
A Qwen3-ASR ugyanazt a modellt használja offline és streaming felismeréshez. A gyártó streaming példájában a beérkező hangdarabok frissítik a megőrzött felismerési állapotot, majd egy lezáró lépés adja vissza a kész szöveget és a nyelvet. Ez lehetővé teszi a fokozatos megjelenítést, amely hasznos a folyamatosan készülő átirathoz. Az ideiglenes megjelenítést az aktuális felismerési állapotként kezelje, és a felvétel vége után őrizze meg a végleges eredményt, a javításhoz elérhető hangforrással együtt.
A dokumentált streaming megvalósítás ebben a streaming folyamatban nem támogat kötegelt modellfuttatást vagy időbélyegek visszaadását. A streaming szöveg, az offline átiratok gyűjteménye és az időzített feliratok előkészítése ezért külön gyártói munkafolyamatok. A gyártó példaként megadott darabméretei és tokenbeállításai egy megvalósítást szemléltetnek; nem általános ígéretek késleltetésre, párhuzamosságra vagy hanghosszra. Aszerint válasszon folyamatot, hogy a hasznos eredmény a felvétel közben érkező szöveg, egy gyűjtemény kész átirata vagy idővonalhoz igazított szöveg.
A Qwen3-ForcedAligner-0.6B külön illesztőmodell, noha ugyanazt a 0.6B méretjelölést viseli, mint ez az ASR-kiadás. Szöveg–hang párt fogad, és szó- vagy karakterszintű kezdő- és végidőket jelez előre. A gyártó offline ASR-eszközkészlete meghívhatja, amikor időbélyegeket kérnek. Dokumentált nyelvkészlete a kínai, angol, kantoni, francia, német, olasz, japán, koreai, portugál, orosz és spanyol, a megadott illesztési tartománya pedig legfeljebb öt percnyi beszéd. Ez a szűkebb nyelvkészlet és az ötperces tartomány a hanghoz igazításhoz tartozik, nem az ASR-modell általános átírási lefedettségéhez.
Feliratokhoz készítsen ellenőrzött átiratot a felvétel nyelvén, a támogatott munkafolyamat szerint igazítsa a hanghoz, és a forrás lejátszása közben vizsgálja meg a szegmensek határait. A használható felirateredmény együtt tartja a szöveget és az időzítést. Ha egy átírt szó hibás, a hang alapján javítsa a szöveget, ne feltételezze, hogy az időtartomány igazolja a szót. Ez a szétválasztás egyértelművé teszi, hogy a probléma a felismerésben, a megadott szövegben vagy egy felirathatár elhelyezésében van-e.
A Qwen3-ASR család hosszú felvételeket is támogat. Modellfuttatási példái hosszabb hanghoz több generált token engedélyezését javasolják, ezért győződjön meg arról, hogy az átírás a felvétel végéig eljutott, és nem vágta le egy kimeneti keret. A közzétett példák nem határoznak meg általános számszerű kontextusablakot vagy maximális ASR-felvételhosszt. Hosszabb felvétel ellenőrzésének megszervezésekor a hasznos szakaszokat tartsa összekapcsolva a forrásbeli helyükkel. A nehezen hallható szavakat, nyelvváltásokat, átfedő beszédet, szokatlan neveket és énekelt szótagokat ellenőrizze az eredeti hang alapján. A gyakorlati eredmény nyelvjelöléssel ellátott felismert szöveg, amely készen áll keresésre vagy egy további tartalmi lépésre; szükség esetén az időzítést a külön illesztési folyamat adja hozzá.
POST /v1/audio/transcriptionsaudiotext| Mező | Típus | Követelmény | Értékek és korlátok | Alapértelmezett |
|---|---|---|---|---|
Mezőmodel | Típusstring | KövetelményKötelező | Értékek és korlátok qwen/qwen3-asr-0.6b | Alapértelmezett— |
Mezőinput_audio | Típusobject | KövetelményKötelező | Értékek és korlátok | Alapértelmezett— |
Mezőlanguage | Típusstring | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— |
Mezőtemperature | Típusnumber | KövetelményOpcionális | Értékek és korlátok Minimum: 0 Maximum: 1 | Alapértelmezett— |
Mezőresponse_format | Típusstring | KövetelményOpcionális | Értékek és korlátok json, verbose_json | Alapértelmezettjson |
Mezőtimestamp_granularities | Típusarray | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— |
Mezőprovider | Típusobject | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— |
| Paraméter | Szerződés |
|---|---|
Paramétercontent_type | Szerződésapplication/json |
Paraméterrequired | Szerződésmodel, input_audio |
Paramétermaterial_types | Szerződésaudio |
Paramétermaterial_conditions | SzerződésOlvasson be tényleges WAV-fájlt, és kódolja a valós bájtjait a deklarált JSON input_audio bemenethez; ehhez a pontosan csak JSON-t engedő deklarációhoz nem hirdetünk multipart útvonalat. |
Életciklus: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · A ténylegesen visszaadott task_id vagy a médiatár bejegyzése
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
A megjelenített díjtételek a generálás előtti költségbecsléshez szolgálnak. A végleges díj az eredeti generáláshoz rögzített költségből számítódik. A kimenet mért időtartama és az előre jelzett mennyiségek nem azonosak a véglegesen elszámolandó mennyiséggel.
A díjszabás nem ad új kérési lehetőségeket. A támogatott paraméterek a kiválasztott módszernél szerepelnek.
Minden díjat a megjelenített feltételekhez rendeljen. Az alternatív beállítások minden csoportjához egy díjtételt használjon.
| Beállítás | Díjtáblázat | Előre jelzett mennyiség | Elszámolási egység | Díj |
|---|---|---|---|---|
| BeállításTokenek alapdíjai | DíjtáblázatAlapdíj | Előre jelzett mennyiség— | Elszámolási egység— | Díj Bemenet · Bemeneti tokenek · Becslés, csak összehasonlításra — / 1K token Kimenet · Kimeneti tokenek · Becslés, csak összehasonlításra — / 1K token Bemenet · Gyorsítótár olvasása · Becslés, csak összehasonlításra — / 1K token Bemenet · Írás a gyorsítótárba · Becslés, csak összehasonlításra — / 1K token Bemenet · Írás a gyorsítótárba, 1 óra · Becslés, csak összehasonlításra — / 1K token |
| Beállításbemeneti hangmásodperc | Díjtáblázat— | Előre jelzett mennyiség— | Elszámolási egységbemeneti hangmásodpercenként | Díj Bemenet · bemeneti hangmásodperc · Becslés, csak összehasonlításra $0.00000666 bemeneti hangmásodpercenként |
| BeállításA generálás becsült költsége | Díjtáblázat— | Előre jelzett mennyiségbecslés egy generálásra | Elszámolási egység— | Díj Kimenet · Becsült generálási költség · Becslés, csak összehasonlításra $0.00000666 becslés a generálás előtt Ez a becslés nem jelent további díjat, és nem rögzített díjszabás az elkészült generálásra. |
Az Ailoot a kérés előtt becsült összeget foglal le. Az eredmény után a mért használat alapján elszámolja a végső díjat. Folyamatos átvitel esetén a végső használati rekordot használja. A foglalás és az elszámolás működése →
set -eu\n: "${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.\nŐrizzen meg minden teljes visszaadott választ, fájlt és tartalomrészt.
Őrizze meg a teljes választ és a fejléceket, minden tényleges kimenetet, az eredetileg visszaadott azonosítókat és az összes használati adatmezőt. Az eredeti műveletet állítsa helyre, a létrehozási kérés újbóli beküldése nélkül.
Őrizze meg a visszaadott X-Client-Request-ID értéket az egyeztetéshez. Csak a ténylegesen visszaadott task_id/asset_id értékekkel kérdezzen le, vagy használja a saját médiatárat; soha ne állítson össze feladat-URL-t a műveletazonosítóból, és soha ne küldje be újra a létrehozási kérést.
| Mező | Típus |
|---|---|
Mezőtext | Típus |
Mezőusage | Típus |
Mezősegments[] | Típus |
Mezőwords[] | Típus |
Mezőspeaker fields | Típus |
Mezőtimestamps | Típus |
Ailoot Ultra qwen/qwen3-asr-0.6b
Használja a fent látható metódusútvonalakat.