{ "aboutHtml": "

Qwen3-ASR-0.6B adalah edisi ringkas dari keluarga pengenalan ucapan Qwen3-ASR milik Qwen. Model ini menerima audio dan menghasilkan transkrip beserta label bahasa. Produsen memosisikan 0.6B pada keseimbangan antara kualitas pengenalan dan efisiensi, sedangkan 1.7B adalah edisi lebih besar dengan nama tersendiri. Keduanya memanfaatkan pemahaman audio Qwen3-Omni serta memiliki cakupan pengenalan dan pendekatan terpadu offline/streaming yang sama sebagaimana didokumentasikan. Edisi ringkas ini dapat menyediakan tahap transkripsi dalam alur kerja catatan suara, persiapan takarir, atau rekaman yang dapat ditelusuri.

Bahasa, dialek, dan rekaman yang didukung

Qwen mendokumentasikan pengenalan dan identifikasi bahasa untuk 30 bahasa dan 22 dialek Tionghoa, dengan dukungan aksen bahasa Inggris dari berbagai wilayah. Tabel bahasanya mencantumkan bahasa Tionghoa, Inggris, Kanton, Arab, Jerman, Prancis, Spanyol, Portugis, Indonesia, Italia, Korea, Rusia, Thai, Vietnam, Jepang, Turki, Hindi, Melayu, Belanda, Swedia, Denmark, Finlandia, Polandia, Ceko, Filipino, Persia, Yunani, Hungaria, Makedonia, dan Rumania. Jenis audio yang dikenali meliputi ucapan, suara nyanyian, dan lagu dengan musik latar. Edisi yang lebih kecil tetap memiliki cakupan keluarga ini; ukurannya tidak berarti daftar bahasa yang didukung berbeda.

Pengenalan offline dan persiapan masukan

Toolkit resmi dapat menerima audio melalui referensi berkas, audio yang dikodekan, atau bentuk gelombang beserta laju sampelnya. Toolkit ini mendukung pemrosesan offline beberapa rekaman, deteksi bahasa otomatis, dan penetapan bahasa yang didukung. Hasil yang didokumentasikan memuat bahasa dan teks yang dikenali. Pilih bahasa yang diucapkan jika Anda mengetahuinya, atau biarkan model mengidentifikasinya jika koleksi memuat bahasa yang tidak diketahui. Simpan pengenal setiap rekaman di samping hasilnya agar transkrip dapat ditelusuri kembali ke sumber yang benar.

Untuk sekumpulan catatan suara, simpan hasil terpisah bagi setiap catatan dan periksa nama, angka, serta frasa yang tidak jelas dengan mencocokkannya pada rekaman sebelum mengubah teks menjadi tugas atau ringkasan. Untuk tutorial lisan, gunakan transkrip untuk menemukan bagian tertentu dan memeriksa kata-kata dalam setiap instruksi. Untuk nyanyian, dengarkan bagian vokalnya saat memeriksa lirik, alih-alih menerima sebuah kata hanya karena kata itu masuk akal dalam lagu. Ini adalah langkah persiapan dan peninjauan untuk hasil berupa teks; peringkasan, penerjemahan, atau penafsiran transkrip dapat dilanjutkan sebagai operasi terpisah.

Teks streaming dan penyelesaian rekaman

Qwen3-ASR menggunakan model yang sama untuk pengenalan offline dan streaming. Dalam contoh streaming produsen, potongan audio yang masuk memperbarui status pengenalan yang dipertahankan, dan tahap finalisasi menghasilkan teks lengkap serta bahasa. Hal ini mendukung tampilan bertahap yang berguna untuk transkrip yang sedang berlangsung. Perlakukan tampilan sementara sebagai status pengenalan saat ini dan simpan hasil akhir setelah rekaman berakhir, dengan sumber audio tetap tersedia untuk koreksi.

Implementasi streaming yang didokumentasikan tidak mendukung inferensi batch atau pengembalian stempel waktu dalam alur streaming tersebut. Karena itu, teks streaming, kumpulan transkripsi offline, dan persiapan takarir dengan informasi waktu merupakan alur kerja produsen yang berbeda. Ukuran potongan dan pengaturan token dalam contoh produsen menggambarkan implementasi; keduanya bukan janji universal mengenai latensi, konkurensi, atau panjang audio. Pilih alur kerja berdasarkan hasil yang berguna bagi Anda: teks yang muncul selama perekaman, teks lengkap untuk suatu koleksi, atau teks yang diselaraskan dengan linimasa.

Teks dengan informasi waktu menggunakan Qwen3-ForcedAligner

Qwen3-ForcedAligner-0.6B adalah model penyelarasan terpisah, meskipun memiliki label ukuran 0.6B yang sama dengan edisi ASR ini. Model tersebut menerima pasangan teks–audio dan memprediksi waktu mulai serta selesai pada tingkat kata atau karakter. Toolkit ASR offline produsen dapat memanggilnya ketika stempel waktu diminta. Kumpulan bahasa yang didokumentasikan mencakup bahasa Tionghoa, Inggris, Kanton, Prancis, Jerman, Italia, Jepang, Korea, Portugis, Rusia, dan Spanyol, dan rentang penyelarasan yang dinyatakan adalah hingga lima menit ucapan. Kumpulan bahasa yang lebih sempit dan rentang lima menit itu berlaku untuk penyelarasan paksa, bukan cakupan transkripsi umum model ASR.

Untuk subtitel, siapkan transkrip yang telah ditinjau dalam bahasa rekaman, selaraskan jika alur kerja yang didukung berlaku, dan periksa batas segmen sambil memutar sumbernya. Hasil takarir yang dapat digunakan menyatukan kata-kata dan informasi waktunya. Jika sebuah kata dalam transkrip salah, perbaiki kata tersebut berdasarkan audio, bukan dengan menganggap rentang waktu membuktikan kebenarannya. Pemisahan ini memperjelas apakah masalah ada pada pengenalan, teks yang diberikan, atau penempatan batas takarir.

Keluaran untuk audio panjang dan pemeriksaan pengenalan

Keluarga Qwen3-ASR mendukung rekaman panjang. Contoh inferensinya menyarankan pemberian token keluaran yang lebih banyak untuk audio yang lebih panjang, jadi pastikan transkripsi mencapai akhir rekaman dan tidak terpotong oleh jatah keluaran. Contoh yang dipublikasikan tidak menetapkan jendela konteks numerik universal atau durasi maksimum rekaman ASR. Saat menata rekaman panjang untuk peninjauan, pertahankan hubungan antara bagian yang berguna dan posisinya dalam sumber. Periksa kata yang tersamarkan, pergantian bahasa, ucapan yang tumpang tindih, nama yang tidak biasa, dan suku kata yang dinyanyikan dengan mencocokkannya pada suara asli. Hasil praktisnya adalah teks yang dikenali beserta label bahasa, siap untuk pencarian atau tahap konten berikutnya, dengan informasi waktu yang ditambahkan melalui alur penyelarasan terpisah bila diperlukan.

", "aboutText": "Qwen3-ASR-0.6B adalah edisi ringkas dari keluarga pengenalan ucapan Qwen3-ASR milik Qwen. Model ini menerima audio dan menghasilkan transkrip beserta label bahasa. Produsen memosisikan 0.6B pada keseimbangan antara kualitas pengenalan dan efisiensi, sedangkan 1.7B adalah edisi lebih besar dengan nama tersendiri. Keduanya memanfaatkan pemahaman audio Qwen3-Omni serta memiliki cakupan pengenalan dan pendekatan terpadu offline/streaming yang sama sebagaimana didokumentasikan. Edisi ringkas ini dapat menyediakan tahap transkripsi dalam alur kerja catatan suara, persiapan takarir, atau rekaman yang dapat ditelusuri.\n\n### Bahasa, dialek, dan rekaman yang didukung\n\nQwen mendokumentasikan pengenalan dan identifikasi bahasa untuk 30 bahasa dan 22 dialek Tionghoa, dengan dukungan aksen bahasa Inggris dari berbagai wilayah. Tabel bahasanya mencantumkan bahasa Tionghoa, Inggris, Kanton, Arab, Jerman, Prancis, Spanyol, Portugis, Indonesia, Italia, Korea, Rusia, Thai, Vietnam, Jepang, Turki, Hindi, Melayu, Belanda, Swedia, Denmark, Finlandia, Polandia, Ceko, Filipino, Persia, Yunani, Hungaria, Makedonia, dan Rumania. Jenis audio yang dikenali meliputi ucapan, suara nyanyian, dan lagu dengan musik latar. Edisi yang lebih kecil tetap memiliki cakupan keluarga ini; ukurannya tidak berarti daftar bahasa yang didukung berbeda.\n\n### Pengenalan offline dan persiapan masukan\n\nToolkit resmi dapat menerima audio melalui referensi berkas, audio yang dikodekan, atau bentuk gelombang beserta laju sampelnya. Toolkit ini mendukung pemrosesan offline beberapa rekaman, deteksi bahasa otomatis, dan penetapan bahasa yang didukung. Hasil yang didokumentasikan memuat bahasa dan teks yang dikenali. Pilih bahasa yang diucapkan jika Anda mengetahuinya, atau biarkan model mengidentifikasinya jika koleksi memuat bahasa yang tidak diketahui. Simpan pengenal setiap rekaman di samping hasilnya agar transkrip dapat ditelusuri kembali ke sumber yang benar.\n\nUntuk sekumpulan catatan suara, simpan hasil terpisah bagi setiap catatan dan periksa nama, angka, serta frasa yang tidak jelas dengan mencocokkannya pada rekaman sebelum mengubah teks menjadi tugas atau ringkasan. Untuk tutorial lisan, gunakan transkrip untuk menemukan bagian tertentu dan memeriksa kata-kata dalam setiap instruksi. Untuk nyanyian, dengarkan bagian vokalnya saat memeriksa lirik, alih-alih menerima sebuah kata hanya karena kata itu masuk akal dalam lagu. Ini adalah langkah persiapan dan peninjauan untuk hasil berupa teks; peringkasan, penerjemahan, atau penafsiran transkrip dapat dilanjutkan sebagai operasi terpisah.\n\n### Teks streaming dan penyelesaian rekaman\n\nQwen3-ASR menggunakan model yang sama untuk pengenalan offline dan streaming. Dalam contoh streaming produsen, potongan audio yang masuk memperbarui status pengenalan yang dipertahankan, dan tahap finalisasi menghasilkan teks lengkap serta bahasa. Hal ini mendukung tampilan bertahap yang berguna untuk transkrip yang sedang berlangsung. Perlakukan tampilan sementara sebagai status pengenalan saat ini dan simpan hasil akhir setelah rekaman berakhir, dengan sumber audio tetap tersedia untuk koreksi.\n\nImplementasi streaming yang didokumentasikan tidak mendukung inferensi batch atau pengembalian stempel waktu dalam alur streaming tersebut. Karena itu, teks streaming, kumpulan transkripsi offline, dan persiapan takarir dengan informasi waktu merupakan alur kerja produsen yang berbeda. Ukuran potongan dan pengaturan token dalam contoh produsen menggambarkan implementasi; keduanya bukan janji universal mengenai latensi, konkurensi, atau panjang audio. Pilih alur kerja berdasarkan hasil yang berguna bagi Anda: teks yang muncul selama perekaman, teks lengkap untuk suatu koleksi, atau teks yang diselaraskan dengan linimasa.\n\n### Teks dengan informasi waktu menggunakan Qwen3-ForcedAligner\n\nQwen3-ForcedAligner-0.6B adalah model penyelarasan terpisah, meskipun memiliki label ukuran 0.6B yang sama dengan edisi ASR ini. Model tersebut menerima pasangan teks–audio dan memprediksi waktu mulai serta selesai pada tingkat kata atau karakter. Toolkit ASR offline produsen dapat memanggilnya ketika stempel waktu diminta. Kumpulan bahasa yang didokumentasikan mencakup bahasa Tionghoa, Inggris, Kanton, Prancis, Jerman, Italia, Jepang, Korea, Portugis, Rusia, dan Spanyol, dan rentang penyelarasan yang dinyatakan adalah hingga lima menit ucapan. Kumpulan bahasa yang lebih sempit dan rentang lima menit itu berlaku untuk penyelarasan paksa, bukan cakupan transkripsi umum model ASR.\n\nUntuk subtitel, siapkan transkrip yang telah ditinjau dalam bahasa rekaman, selaraskan jika alur kerja yang didukung berlaku, dan periksa batas segmen sambil memutar sumbernya. Hasil takarir yang dapat digunakan menyatukan kata-kata dan informasi waktunya. Jika sebuah kata dalam transkrip salah, perbaiki kata tersebut berdasarkan audio, bukan dengan menganggap rentang waktu membuktikan kebenarannya. Pemisahan ini memperjelas apakah masalah ada pada pengenalan, teks yang diberikan, atau penempatan batas takarir.\n\n### Keluaran untuk audio panjang dan pemeriksaan pengenalan\n\nKeluarga Qwen3-ASR mendukung rekaman panjang. Contoh inferensinya menyarankan pemberian token keluaran yang lebih banyak untuk audio yang lebih panjang, jadi pastikan transkripsi mencapai akhir rekaman dan tidak terpotong oleh jatah keluaran. Contoh yang dipublikasikan tidak menetapkan jendela konteks numerik universal atau durasi maksimum rekaman ASR. Saat menata rekaman panjang untuk peninjauan, pertahankan hubungan antara bagian yang berguna dan posisinya dalam sumber. Periksa kata yang tersamarkan, pergantian bahasa, ucapan yang tumpang tindih, nama yang tidak biasa, dan suku kata yang dinyanyikan dengan mencocokkannya pada suara asli. Hasil praktisnya adalah teks yang dikenali beserta label bahasa, siap untuk pencarian atau tahap konten berikutnya, dengan informasi waktu yang ditambahkan melalui alur penyelarasan terpisah bila diperlukan.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "ef9ff69e9fdf6cf7c510d341fb29bf9536345a0ec7d923439870a598adba6f2f", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "id", "methods": [ { "html": "
Al

Qwen: Qwen3 ASR 0.6B

Alibaba /qwen/qwen3-asr-0.6b

Mulai

Qwen3-ASR-0.6B adalah model pengenalan ucapan ringkas Qwen untuk mengubah audio lisan atau nyanyian menjadi teks beserta identifikasi bahasa. Model ini memiliki cakupan 30 bahasa dan 22 dialek yang sama dengan keluarganya, dengan alur kerja offline dan streaming serta penyelarasan paksa terpisah untuk teks dengan informasi waktu.

Masukan yang diterima
Audio
Hasil
Teks
Tentang model

Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.

Qwen3-ASR-0.6B adalah edisi ringkas dari keluarga pengenalan ucapan Qwen3-ASR milik Qwen. Model ini menerima audio dan menghasilkan transkrip beserta label bahasa. Produsen memosisikan 0.6B pada keseimbangan antara kualitas pengenalan dan efisiensi, sedangkan 1.7B adalah edisi lebih besar dengan nama tersendiri. Keduanya memanfaatkan pemahaman audio Qwen3-Omni serta memiliki cakupan pengenalan dan pendekatan terpadu offline/streaming yang sama sebagaimana didokumentasikan. Edisi ringkas ini dapat menyediakan tahap transkripsi dalam alur kerja catatan suara, persiapan takarir, atau rekaman yang dapat ditelusuri.

Bahasa, dialek, dan rekaman yang didukung

Qwen mendokumentasikan pengenalan dan identifikasi bahasa untuk 30 bahasa dan 22 dialek Tionghoa, dengan dukungan aksen bahasa Inggris dari berbagai wilayah. Tabel bahasanya mencantumkan bahasa Tionghoa, Inggris, Kanton, Arab, Jerman, Prancis, Spanyol, Portugis, Indonesia, Italia, Korea, Rusia, Thai, Vietnam, Jepang, Turki, Hindi, Melayu, Belanda, Swedia, Denmark, Finlandia, Polandia, Ceko, Filipino, Persia, Yunani, Hungaria, Makedonia, dan Rumania. Jenis audio yang dikenali meliputi ucapan, suara nyanyian, dan lagu dengan musik latar. Edisi yang lebih kecil tetap memiliki cakupan keluarga ini; ukurannya tidak berarti daftar bahasa yang didukung berbeda.

Pengenalan offline dan persiapan masukan

Toolkit resmi dapat menerima audio melalui referensi berkas, audio yang dikodekan, atau bentuk gelombang beserta laju sampelnya. Toolkit ini mendukung pemrosesan offline beberapa rekaman, deteksi bahasa otomatis, dan penetapan bahasa yang didukung. Hasil yang didokumentasikan memuat bahasa dan teks yang dikenali. Pilih bahasa yang diucapkan jika Anda mengetahuinya, atau biarkan model mengidentifikasinya jika koleksi memuat bahasa yang tidak diketahui. Simpan pengenal setiap rekaman di samping hasilnya agar transkrip dapat ditelusuri kembali ke sumber yang benar.

Untuk sekumpulan catatan suara, simpan hasil terpisah bagi setiap catatan dan periksa nama, angka, serta frasa yang tidak jelas dengan mencocokkannya pada rekaman sebelum mengubah teks menjadi tugas atau ringkasan. Untuk tutorial lisan, gunakan transkrip untuk menemukan bagian tertentu dan memeriksa kata-kata dalam setiap instruksi. Untuk nyanyian, dengarkan bagian vokalnya saat memeriksa lirik, alih-alih menerima sebuah kata hanya karena kata itu masuk akal dalam lagu. Ini adalah langkah persiapan dan peninjauan untuk hasil berupa teks; peringkasan, penerjemahan, atau penafsiran transkrip dapat dilanjutkan sebagai operasi terpisah.

Teks streaming dan penyelesaian rekaman

Qwen3-ASR menggunakan model yang sama untuk pengenalan offline dan streaming. Dalam contoh streaming produsen, potongan audio yang masuk memperbarui status pengenalan yang dipertahankan, dan tahap finalisasi menghasilkan teks lengkap serta bahasa. Hal ini mendukung tampilan bertahap yang berguna untuk transkrip yang sedang berlangsung. Perlakukan tampilan sementara sebagai status pengenalan saat ini dan simpan hasil akhir setelah rekaman berakhir, dengan sumber audio tetap tersedia untuk koreksi.

Implementasi streaming yang didokumentasikan tidak mendukung inferensi batch atau pengembalian stempel waktu dalam alur streaming tersebut. Karena itu, teks streaming, kumpulan transkripsi offline, dan persiapan takarir dengan informasi waktu merupakan alur kerja produsen yang berbeda. Ukuran potongan dan pengaturan token dalam contoh produsen menggambarkan implementasi; keduanya bukan janji universal mengenai latensi, konkurensi, atau panjang audio. Pilih alur kerja berdasarkan hasil yang berguna bagi Anda: teks yang muncul selama perekaman, teks lengkap untuk suatu koleksi, atau teks yang diselaraskan dengan linimasa.

Teks dengan informasi waktu menggunakan Qwen3-ForcedAligner

Qwen3-ForcedAligner-0.6B adalah model penyelarasan terpisah, meskipun memiliki label ukuran 0.6B yang sama dengan edisi ASR ini. Model tersebut menerima pasangan teks–audio dan memprediksi waktu mulai serta selesai pada tingkat kata atau karakter. Toolkit ASR offline produsen dapat memanggilnya ketika stempel waktu diminta. Kumpulan bahasa yang didokumentasikan mencakup bahasa Tionghoa, Inggris, Kanton, Prancis, Jerman, Italia, Jepang, Korea, Portugis, Rusia, dan Spanyol, dan rentang penyelarasan yang dinyatakan adalah hingga lima menit ucapan. Kumpulan bahasa yang lebih sempit dan rentang lima menit itu berlaku untuk penyelarasan paksa, bukan cakupan transkripsi umum model ASR.

Untuk subtitel, siapkan transkrip yang telah ditinjau dalam bahasa rekaman, selaraskan jika alur kerja yang didukung berlaku, dan periksa batas segmen sambil memutar sumbernya. Hasil takarir yang dapat digunakan menyatukan kata-kata dan informasi waktunya. Jika sebuah kata dalam transkrip salah, perbaiki kata tersebut berdasarkan audio, bukan dengan menganggap rentang waktu membuktikan kebenarannya. Pemisahan ini memperjelas apakah masalah ada pada pengenalan, teks yang diberikan, atau penempatan batas takarir.

Keluaran untuk audio panjang dan pemeriksaan pengenalan

Keluarga Qwen3-ASR mendukung rekaman panjang. Contoh inferensinya menyarankan pemberian token keluaran yang lebih banyak untuk audio yang lebih panjang, jadi pastikan transkripsi mencapai akhir rekaman dan tidak terpotong oleh jatah keluaran. Contoh yang dipublikasikan tidak menetapkan jendela konteks numerik universal atau durasi maksimum rekaman ASR. Saat menata rekaman panjang untuk peninjauan, pertahankan hubungan antara bagian yang berguna dan posisinya dalam sumber. Periksa kata yang tersamarkan, pergantian bahasa, ucapan yang tumpang tindih, nama yang tidak biasa, dan suku kata yang dinyanyikan dengan mencocokkannya pada suara asli. Hasil praktisnya adalah teks yang dikenali beserta label bahasa, siap untuk pencarian atau tahap konten berikutnya, dengan informasi waktu yang ditambahkan melalui alur penyelarasan terpisah bila diperlukan.

Tersedia di Ailoot · masukan & metode

Ailoot Ultra · Transkripsi POST /v1/audio/transcriptions
Masukan
audio
Keluaran
text
KolomJenisPersyaratanNilai & batasanBawaan
KolommodelJenisstringPersyaratanWajibNilai & batasan
qwen/qwen3-asr-0.6b
Bawaan—
Kolominput_audioJenisobjectPersyaratanWajibNilai & batasanBawaan—
KolomlanguageJenisstringPersyaratanOpsionalNilai & batasanBawaan—
KolomtemperatureJenisnumberPersyaratanOpsionalNilai & batasan
Minimum: 0
Maksimum: 1
Bawaan—
Kolomresponse_formatJenisstringPersyaratanOpsionalNilai & batasan
json, verbose_json
Bawaanjson
Kolomtimestamp_granularitiesJenisarrayPersyaratanOpsionalNilai & batasanBawaan—
KolomproviderJenisobjectPersyaratanOpsionalNilai & batasanBawaan—
Parameter metode dan siklus hidup
ParameterKontrak
Parametercontent_typeKontrakapplication/json
ParameterrequiredKontrakmodel, input_audio
Parametermaterial_typesKontrakaudio
Parametermaterial_conditionsKontrakBaca berkas WAV aktual dan kodekan byte aslinya untuk input_audio JSON yang dideklarasikan; tidak ditawarkan rute multipart untuk deklarasi persis yang hanya menggunakan JSON ini.

Siklus hidup: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · task_id aktual yang dikembalikan atau catatan pustaka media

GET /v1/media/assets/{asset_id}/content

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Paket

Cara menghitung biaya akhir

Tarif yang ditampilkan memperkirakan biaya sebelum pembuatan. Biaya akhir dihitung dari biaya yang tercatat untuk proses pembuatan awal. Durasi keluaran yang terukur dan kuantitas perkiraan bukanlah kuantitas akhir yang ditagihkan.

Referensi tarif tidak menambah opsi permintaan. Parameter yang didukung tercantum pada metode yang dipilih.

Mode Fast
Tidak ditentukan Saat mode fast dipilih
Mode Flex
Tidak ditentukan Saat mode flex dipilih
Upaya penalaran maksimum
Tidak ditentukan Saat upaya penalaran maksimum menggunakan penyesuaian default

Perkiraan tarif untuk perbandingan

Harga menurut konfigurasi

Cocokkan setiap biaya dengan kondisi yang ditampilkan. Gunakan satu tarif untuk setiap kelompok konfigurasi alternatif.

KonfigurasiJadwal tarifJumlah perkiraanSatuan penagihanBiaya
KonfigurasiTarif dasar tokenJadwal tarifTarif dasarJumlah perkiraan—Satuan penagihan—Biaya
Masukan · Token masukan · Perkiraan hanya untuk perbandingan — / 1K token
Keluaran · Token keluaran · Perkiraan hanya untuk perbandingan — / 1K token
Masukan · Pembacaan cache · Perkiraan hanya untuk perbandingan — / 1K token
Masukan · Penulisan cache · Perkiraan hanya untuk perbandingan — / 1K token
Masukan · Penulisan cache, 1 jam · Perkiraan hanya untuk perbandingan — / 1K token
Konfigurasidetik audio masukanJadwal tarif—Jumlah perkiraan—Satuan penagihanper detik audio masukanBiaya
Masukan · detik audio masukan · Perkiraan hanya untuk perbandingan $0.00000666 per detik audio masukan
KonfigurasiPerkiraan biaya pembuatanJadwal tarif—Jumlah perkiraanestimasi satu kali pembuatanSatuan penagihan—Biaya
Keluaran · Perkiraan biaya pembuatan · Perkiraan hanya untuk perbandingan $0.00000666 estimasi sebelum pembuatan

Perkiraan ini bukan biaya tambahan maupun tarif tetap untuk proses pembuatan yang telah selesai.

Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →

Contoh permintaan

Ailoot Ultra · Transkripsi

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.\n

Terima dan simpan hasil

Ailoot Ultra · Transkripsi

Pembacaan konten lain
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.\n
Simpan semua hasil yang selesai

Simpan setiap respons lengkap, berkas, dan bagian konten yang dikembalikan.

Simpan respons dan header secara lengkap, setiap keluaran aktual, identifikator asli yang dikembalikan, dan semua kolom usage. Pulihkan operasi asli tanpa mengirim ulang permintaan pembuatan.

Jika respons asli perlu diperiksa

Simpan X-Client-Request-ID yang dikembalikan untuk rekonsiliasi. Baca hanya nilai task_id/asset_id yang benar-benar dikembalikan atau pustaka media milik Anda; jangan pernah membuat URL tugas dari ID operasi dan jangan pernah mengirim ulang permintaan pembuatan.

Kolom respons
KolomJenis
KolomtextJenis
KolomusageJenis
Kolomsegments[]Jenis
Kolomwords[]Jenis
Kolomspeaker fieldsJenis
KolomtimestampsJenis

Alias

Alias model

Ailoot Ultra qwen/qwen3-asr-0.6b

Alias jalur metode

Gunakan jalur metode yang ditampilkan di atas.

ID pemanggil terkait

qwen/qwen3-asr-0.6b

", "method_identity": { "effective_request_model_id": "qwen/qwen3-asr-0.6b", "fmt": "transcriptions", "http": "POST", "path": "/v1/audio/transcriptions", "request_model_id": "qwen/qwen3-asr-0.6b", "route_label": "Ultra" }, "method_key": "Ultra|transcriptions|/v1/audio/transcriptions|qwen%2Fqwen3-asr-0.6b", "ordinal": 0, "rawMethod": { "available": null, "billing_basis": { "basis": "original_invoice_usd", "description": "Tarif yang ditampilkan memperkirakan biaya sebelum pembuatan. Biaya akhir dihitung dari biaya yang tercatat untuk proses pembuatan awal. Durasi keluaran yang terukur dan kuantitas perkiraan bukanlah kuantitas akhir yang ditagihkan.", "forecast_quantity_is_estimate": true, "physical_output_is_billable_quantity": false, "version": "original_invoice_usd_v1" }, "cache_read": null, "cache_write": null, "cache_write_1h": null, "contract": { "data": { "all_results": "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.", "lifecycle": { "assets": [ { "http": "GET", "path": "/v1/media/assets" }, { "http": "GET", "path": "/v1/media/assets/{asset_id}" } ], "content": [ { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "url_source": "exact returned signed URL; never construct token" } ], "mode": "synchronous_result_then_owned_library", "operation_id_is_not_task_id": true, "status": [ { "http": "GET", "id_source": "actual returned task_id or media library record", "path": "/v1/media/tasks/{task_id}" } ], "unknown": "Simpan X-Client-Request-ID yang dikembalikan untuk rekonsiliasi. Baca hanya nilai task_id/asset_id yang benar-benar dikembalikan atau pustaka media milik Anda; jangan pernah membuat URL tugas dari ID operasi dan jangan pernah mengirim ulang permintaan pembuatan." }, "outputs": { "all_results": "Simpan respons dan header secara lengkap, setiap keluaran aktual, identifikator asli yang dikembalikan, dan semua kolom usage. Pulihkan operasi asli tanpa mengirim ulang permintaan pembuatan.", "family": "text", "fields": [ { "description": null, "name": "text", "type": null }, { "description": null, "name": "usage", "type": null }, { "description": null, "name": "segments[]", "type": null }, { "description": null, "name": "words[]", "type": null }, { "description": null, "name": "speaker fields", "type": null }, { "description": null, "name": "timestamps", "type": null } ] }, "parameters": [ { "enum": [ "qwen/qwen3-asr-0.6b" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "name": "input_audio", "required": true, "type": "object" }, { "name": "language", "required": false, "type": "string" }, { "maximum": 1, "minimum": 0, "name": "temperature", "required": false, "type": "number" }, { "default": "json", "default_known": true, "enum": [ "json", "verbose_json" ], "enum_known": true, "name": "response_format", "required": false, "type": "string" }, { "items": { "enum": [ "segment", "word" ], "type": "string" }, "name": "timestamp_granularities", "required": false, "type": "array" }, { "name": "provider", "required": false, "type": "object" } ], "request_schema": { "properties": { "input_audio": { "properties": { "data": { "contentEncoding": "base64", "type": "string" }, "format": { "enum": [ "wav", "mp3", "flac", "m4a", "ogg", "webm", "aac" ], "type": "string" } }, "required": [ "data", "format" ], "type": "object" }, "language": { "description": "ISO-639-1 code; omitted means auto-detection", "type": "string" }, "model": { "enum": [ "qwen/qwen3-asr-0.6b" ], "type": "string" }, "provider": { "description": "Data policy and exact provider options; order/only/ignore are not applied to STT", "properties": { "data_collection": { "enum": [ "allow", "deny", null ], "type": [ "string", "null" ] }, "options": { "type": "object" }, "zdr": { "type": [ "boolean", "null" ] } }, "type": "object" }, "response_format": { "default": "json", "description": "verbose_json requires exact model/provider support", "enum": [ "json", "verbose_json" ], "type": "string" }, "temperature": { "maximum": 1, "minimum": 0, "type": "number" }, "timestamp_granularities": { "description": "Only used with supported verbose_json", "items": { "enum": [ "segment", "word" ], "type": "string" }, "type": "array" } }, "required": [ "model", "input_audio" ], "type": "object" }, "schema_template": { "actual_file_preparation_required": true, "body": { "input_audio": { "data": "${BASE64_ACTUAL_WAV_BYTES}", "format": "wav" }, "model": "qwen/qwen3-asr-0.6b" }, "content_type": "application/json" } }, "input": { "content_type": "application/json", "material_conditions": [ "Baca berkas WAV aktual dan kodekan byte aslinya untuk input_audio JSON yang dideklarasikan; tidak ditawarkan rute multipart untuk deklarasi persis yang hanya menggunakan JSON ini." ], "material_types": [ "audio" ], "required": [ "model", "input_audio" ] }, "lifecycle": { "assets": [ { "http": "GET", "path": "/v1/media/assets" }, { "http": "GET", "path": "/v1/media/assets/{asset_id}" } ], "content": [ { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "url_source": "exact returned signed URL; never construct token" } ], "mode": "synchronous_result_then_owned_library", "operation_id_is_not_task_id": true, "status": [ { "http": "GET", "id_source": "task_id aktual yang dikembalikan atau catatan pustaka media", "path": "/v1/media/tasks/{task_id}" } ], "unknown": "Keep the returned X-Client-Request-ID for reconciliation. Read only actual returned task_id/asset_id values or the owned media library; never build a task URL from the operation ID and never resubmit creation." }, "method": { "http": "POST", "path": "/v1/audio/transcriptions" }, "output": { "all_results": "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.", "family": "text", "fields": [ { "description": null, "name": "text", "type": null }, { "description": null, "name": "usage", "type": null }, { "description": null, "name": "segments[]", "type": null }, { "description": null, "name": "words[]", "type": null }, { "description": null, "name": "speaker fields", "type": null }, { "description": null, "name": "timestamps", "type": null } ] } }, "ctx": null, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": false, "estimate_only": true, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": false, "estimate_only": true, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": false, "estimate_only": true, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": false, "estimate_only": true, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": false, "estimate_only": true, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "quoted_unit": "per input audio second" }, "label": "input audio second", "units": [ { "amount": "0.00000666", "amount_unit": "usd_per_exact_native_unit", "billing_input": false, "estimate_only": true, "key": "audio_input_second", "label": "input audio second", "native_amount_usd_per_unit": "0.00000666", "native_quantity": 1, "public_unit_label": "per input audio second", "quantity": 1, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_second" } ] }, { "basis": "Perkiraan ini bukan biaya tambahan maupun tarif tetap untuk proses pembuatan yang telah selesai.", "dimensions": { "forecast_quantity": "one generation estimate" }, "label": "Perkiraan biaya pembuatan", "units": [ { "amount": "0.00000666", "amount_unit": "usd_per_exact_native_unit", "billing_input": false, "estimate_only": true, "key": "forecast_usd", "label": "Estimated generation cost", "native_amount_usd_per_unit": "0.00000666", "native_quantity": 1, "public_unit_label": "estimate before generation", "quantity": 1, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "request_estimate" } ] } ], "examples": [ { "code": "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 $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o response.bin\n# Keep the complete original response and headers. Read every returned segment, word and usage field.\n# Preserve actual operation/task/asset IDs; continue reads of the original result without resubmitting.\n", "label": "curl · exact native body and complete result", "language": "bash" }, { "code": "set -eu\n: \"${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.\n", "label": "Read existing owned assets", "language": "bash" } ], "family": "openai", "fast_multiplier": null, "flex_multiplier": null, "fmt": "transcriptions", "hints": [ "Use the exact caller model ID and documented input representation.", "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again." ], "http": "POST", "in": null, "input": [ "audio" ], "label": "Transkripsi", "max_out": null, "max_reasoning_effort_multiplier": null, "method_aliases": [], "native_endpoint": "audio_transcriptions", "out": null, "output": [ "text" ], "path": "/v1/audio/transcriptions", "price_conditions": [ { "label": "Fast mode", "value": "Not specified", "when": "When fast mode is selected" }, { "label": "Flex mode", "value": "Not specified", "when": "When flex mode is selected" }, { "label": "Maximum reasoning effort", "value": "Not specified", "when": "When maximum reasoning effort uses the default adjustment" } ], "pricing": { "billing_mode": "original_invoice_usd", "image_input_price": null, "image_output_price": null }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": false, "estimate_only": true, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": false, "estimate_only": true, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": false, "estimate_only": true, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": false, "estimate_only": true, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": false, "estimate_only": true, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "quoted_unit": "per input audio second" }, "label": "input audio second", "units": [ { "amount": "0.00000666", "amount_unit": "usd_per_exact_native_unit", "billing_input": false, "estimate_only": true, "key": "audio_input_second", "label": "input audio second", "native_amount_usd_per_unit": "0.00000666", "native_quantity": 1, "public_unit_label": "per input audio second", "quantity": 1, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_second" } ] }, { "basis": "This estimate is not an additional charge or a fixed rate for the completed generation.", "dimensions": { "forecast_quantity": "one generation estimate" }, "label": "Estimated generation cost", "units": [ { "amount": "0.00000666", "amount_unit": "usd_per_exact_native_unit", "billing_input": false, "estimate_only": true, "key": "forecast_usd", "label": "Estimated generation cost", "native_amount_usd_per_unit": "0.00000666", "native_quantity": 1, "public_unit_label": "estimate before generation", "quantity": 1, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "request_estimate" } ] } ], "request_model_id": "qwen/qwen3-asr-0.6b", "route_label": "Ultra", "status_reads": [ "GET /v1/media/tasks/{task_id}" ], "tiers": [], "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": false, "estimate_only": true, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": false, "estimate_only": true, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": false, "estimate_only": true, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": false, "estimate_only": true, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": false, "estimate_only": true, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" }, { "amount": "0.00000666", "amount_unit": "usd_per_exact_native_unit", "billing_input": false, "estimate_only": true, "key": "audio_input_second", "label": "input audio second", "native_amount_usd_per_unit": "0.00000666", "native_quantity": 1, "public_unit_label": "per input audio second", "quantity": 1, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_second" }, { "amount": "0.00000666", "amount_unit": "usd_per_exact_native_unit", "billing_input": false, "estimate_only": true, "key": "forecast_usd", "label": "Estimated generation cost", "native_amount_usd_per_unit": "0.00000666", "native_quantity": 1, "public_unit_label": "estimate before generation", "quantity": 1, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "request_estimate" } ] } } ], "model_id": "qwen/qwen3-asr-0.6b", "nativeProvenance": { "input_facts_canonical_sha256": "8f226b795b112a4efff628d4967f7a5f491d4e177df2fd5672b3a47f2d6834eb", "input_html_sha256": "11af39d08305b5d1bb9deeab39cb4d56b0382fb893862cd0c457f048522f64ad", "private_audit_sha256": "30dd35b03e36f446f48d64e6bb2cdd14926cef3760b4ca5b24152865f9644f56", "role": "historical-normalized-input-audit-hashes", "schema": "ailoot-native-model-provenance-v2" }, "page": { "canonical": "https://ailoot.ai/models/id/qwen-qwen3-asr-0-6b/", "description": "Qwen3-ASR-0.6B adalah model pengenalan ucapan ringkas Qwen untuk mengubah audio lisan atau nyanyian menjadi teks beserta identifikasi bahasa. Model ini memiliki cakupan 30 bahasa dan 22 dialek yang sama dengan keluarganya, dengan alur kerja offline dan streaming serta penyelarasan paksa terpisah untuk teks dengan informasi waktu.", "locale": "id", "md_url": "https://ailoot.ai/models/id/qwen-qwen3-asr-0-6b/index.md", "title": "Qwen: Qwen3 ASR 0.6B — Ailoot", "url": "https://ailoot.ai/models/id/qwen-qwen3-asr-0-6b/" }, "rawModel": { "about": "Qwen3-ASR-0.6B adalah edisi ringkas dari keluarga pengenalan ucapan Qwen3-ASR milik Qwen. Model ini menerima audio dan menghasilkan transkrip beserta label bahasa. Produsen memosisikan 0.6B pada keseimbangan antara kualitas pengenalan dan efisiensi, sedangkan 1.7B adalah edisi lebih besar dengan nama tersendiri. Keduanya memanfaatkan pemahaman audio Qwen3-Omni serta memiliki cakupan pengenalan dan pendekatan terpadu offline/streaming yang sama sebagaimana didokumentasikan. Edisi ringkas ini dapat menyediakan tahap transkripsi dalam alur kerja catatan suara, persiapan takarir, atau rekaman yang dapat ditelusuri.\n\n### Bahasa, dialek, dan rekaman yang didukung\n\nQwen mendokumentasikan pengenalan dan identifikasi bahasa untuk 30 bahasa dan 22 dialek Tionghoa, dengan dukungan aksen bahasa Inggris dari berbagai wilayah. Tabel bahasanya mencantumkan bahasa Tionghoa, Inggris, Kanton, Arab, Jerman, Prancis, Spanyol, Portugis, Indonesia, Italia, Korea, Rusia, Thai, Vietnam, Jepang, Turki, Hindi, Melayu, Belanda, Swedia, Denmark, Finlandia, Polandia, Ceko, Filipino, Persia, Yunani, Hungaria, Makedonia, dan Rumania. Jenis audio yang dikenali meliputi ucapan, suara nyanyian, dan lagu dengan musik latar. Edisi yang lebih kecil tetap memiliki cakupan keluarga ini; ukurannya tidak berarti daftar bahasa yang didukung berbeda.\n\n### Pengenalan offline dan persiapan masukan\n\nToolkit resmi dapat menerima audio melalui referensi berkas, audio yang dikodekan, atau bentuk gelombang beserta laju sampelnya. Toolkit ini mendukung pemrosesan offline beberapa rekaman, deteksi bahasa otomatis, dan penetapan bahasa yang didukung. Hasil yang didokumentasikan memuat bahasa dan teks yang dikenali. Pilih bahasa yang diucapkan jika Anda mengetahuinya, atau biarkan model mengidentifikasinya jika koleksi memuat bahasa yang tidak diketahui. Simpan pengenal setiap rekaman di samping hasilnya agar transkrip dapat ditelusuri kembali ke sumber yang benar.\n\nUntuk sekumpulan catatan suara, simpan hasil terpisah bagi setiap catatan dan periksa nama, angka, serta frasa yang tidak jelas dengan mencocokkannya pada rekaman sebelum mengubah teks menjadi tugas atau ringkasan. Untuk tutorial lisan, gunakan transkrip untuk menemukan bagian tertentu dan memeriksa kata-kata dalam setiap instruksi. Untuk nyanyian, dengarkan bagian vokalnya saat memeriksa lirik, alih-alih menerima sebuah kata hanya karena kata itu masuk akal dalam lagu. Ini adalah langkah persiapan dan peninjauan untuk hasil berupa teks; peringkasan, penerjemahan, atau penafsiran transkrip dapat dilanjutkan sebagai operasi terpisah.\n\n### Teks streaming dan penyelesaian rekaman\n\nQwen3-ASR menggunakan model yang sama untuk pengenalan offline dan streaming. Dalam contoh streaming produsen, potongan audio yang masuk memperbarui status pengenalan yang dipertahankan, dan tahap finalisasi menghasilkan teks lengkap serta bahasa. Hal ini mendukung tampilan bertahap yang berguna untuk transkrip yang sedang berlangsung. Perlakukan tampilan sementara sebagai status pengenalan saat ini dan simpan hasil akhir setelah rekaman berakhir, dengan sumber audio tetap tersedia untuk koreksi.\n\nImplementasi streaming yang didokumentasikan tidak mendukung inferensi batch atau pengembalian stempel waktu dalam alur streaming tersebut. Karena itu, teks streaming, kumpulan transkripsi offline, dan persiapan takarir dengan informasi waktu merupakan alur kerja produsen yang berbeda. Ukuran potongan dan pengaturan token dalam contoh produsen menggambarkan implementasi; keduanya bukan janji universal mengenai latensi, konkurensi, atau panjang audio. Pilih alur kerja berdasarkan hasil yang berguna bagi Anda: teks yang muncul selama perekaman, teks lengkap untuk suatu koleksi, atau teks yang diselaraskan dengan linimasa.\n\n### Teks dengan informasi waktu menggunakan Qwen3-ForcedAligner\n\nQwen3-ForcedAligner-0.6B adalah model penyelarasan terpisah, meskipun memiliki label ukuran 0.6B yang sama dengan edisi ASR ini. Model tersebut menerima pasangan teks–audio dan memprediksi waktu mulai serta selesai pada tingkat kata atau karakter. Toolkit ASR offline produsen dapat memanggilnya ketika stempel waktu diminta. Kumpulan bahasa yang didokumentasikan mencakup bahasa Tionghoa, Inggris, Kanton, Prancis, Jerman, Italia, Jepang, Korea, Portugis, Rusia, dan Spanyol, dan rentang penyelarasan yang dinyatakan adalah hingga lima menit ucapan. Kumpulan bahasa yang lebih sempit dan rentang lima menit itu berlaku untuk penyelarasan paksa, bukan cakupan transkripsi umum model ASR.\n\nUntuk subtitel, siapkan transkrip yang telah ditinjau dalam bahasa rekaman, selaraskan jika alur kerja yang didukung berlaku, dan periksa batas segmen sambil memutar sumbernya. Hasil takarir yang dapat digunakan menyatukan kata-kata dan informasi waktunya. Jika sebuah kata dalam transkrip salah, perbaiki kata tersebut berdasarkan audio, bukan dengan menganggap rentang waktu membuktikan kebenarannya. Pemisahan ini memperjelas apakah masalah ada pada pengenalan, teks yang diberikan, atau penempatan batas takarir.\n\n### Keluaran untuk audio panjang dan pemeriksaan pengenalan\n\nKeluarga Qwen3-ASR mendukung rekaman panjang. Contoh inferensinya menyarankan pemberian token keluaran yang lebih banyak untuk audio yang lebih panjang, jadi pastikan transkripsi mencapai akhir rekaman dan tidak terpotong oleh jatah keluaran. Contoh yang dipublikasikan tidak menetapkan jendela konteks numerik universal atau durasi maksimum rekaman ASR. Saat menata rekaman panjang untuk peninjauan, pertahankan hubungan antara bagian yang berguna dan posisinya dalam sumber. Periksa kata yang tersamarkan, pergantian bahasa, ucapan yang tumpang tindih, nama yang tidak biasa, dan suku kata yang dinyanyikan dengan mencocokkannya pada suara asli. Hasil praktisnya adalah teks yang dikenali beserta label bahasa, siap untuk pencarian atau tahap konten berikutnya, dengan informasi waktu yang ditambahkan melalui alur penyelarasan terpisah bila diperlukan.", "alias_of": null, "aliases": [], "author": "Alibaba", "capabilities": { "context_length": 0, "manufacturer_input": [ "audio" ], "manufacturer_output": [ "transcription" ] }, "card_routes": [ { "label": "Ultra", "rates": [ { "amount": "0.00000666", "amount_unit": "usd_per_exact_native_unit", "billing_input": false, "estimate_only": true, "key": "forecast_usd", "label": "Estimated generation cost", "native_amount_usd_per_unit": "0.00000666", "native_quantity": 1, "public_unit_label": "estimate before generation", "quantity": 1, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "request_estimate" } ], "summary": "Informasi lengkap harga konfigurasi tersedia di bagian detail." } ], "ctx": null, "formats": [ "transcriptions" ], "id": "qwen/qwen3-asr-0.6b", "input": [ "audio" ], "kind": "audio", "max_out": null, "methods": [ { "available": null, "billing_basis": { "basis": "original_invoice_usd", "description": "Tarif yang ditampilkan memperkirakan biaya sebelum pembuatan. Biaya akhir dihitung dari biaya yang tercatat untuk proses pembuatan awal. Durasi keluaran yang terukur dan kuantitas perkiraan bukanlah kuantitas akhir yang ditagihkan.", "forecast_quantity_is_estimate": true, "physical_output_is_billable_quantity": false, "version": "original_invoice_usd_v1" }, "cache_read": null, "cache_write": null, "cache_write_1h": null, "contract": { "data": { "all_results": "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.", "lifecycle": { "assets": [ { "http": "GET", "path": "/v1/media/assets" }, { "http": "GET", "path": "/v1/media/assets/{asset_id}" } ], "content": [ { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "url_source": "exact returned signed URL; never construct token" } ], "mode": "synchronous_result_then_owned_library", "operation_id_is_not_task_id": true, "status": [ { "http": "GET", "id_source": "actual returned task_id or media library record", "path": "/v1/media/tasks/{task_id}" } ], "unknown": "Simpan X-Client-Request-ID yang dikembalikan untuk rekonsiliasi. Baca hanya nilai task_id/asset_id yang benar-benar dikembalikan atau pustaka media milik Anda; jangan pernah membuat URL tugas dari ID operasi dan jangan pernah mengirim ulang permintaan pembuatan." }, "outputs": { "all_results": "Simpan respons dan header secara lengkap, setiap keluaran aktual, identifikator asli yang dikembalikan, dan semua kolom usage. Pulihkan operasi asli tanpa mengirim ulang permintaan pembuatan.", "family": "text", "fields": [ { "description": null, "name": "text", "type": null }, { "description": null, "name": "usage", "type": null }, { "description": null, "name": "segments[]", "type": null }, { "description": null, "name": "words[]", "type": null }, { "description": null, "name": "speaker fields", "type": null }, { "description": null, "name": "timestamps", "type": null } ] }, "parameters": [ { "enum": [ "qwen/qwen3-asr-0.6b" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "name": "input_audio", "required": true, "type": "object" }, { "name": "language", "required": false, "type": "string" }, { "maximum": 1, "minimum": 0, "name": "temperature", "required": false, "type": "number" }, { "default": "json", "default_known": true, "enum": [ "json", "verbose_json" ], "enum_known": true, "name": "response_format", "required": false, "type": "string" }, { "items": { "enum": [ "segment", "word" ], "type": "string" }, "name": "timestamp_granularities", "required": false, "type": "array" }, { "name": "provider", "required": false, "type": "object" } ], "request_schema": { "properties": { "input_audio": { "properties": { "data": { "contentEncoding": "base64", "type": "string" }, "format": { "enum": [ "wav", "mp3", "flac", "m4a", "ogg", "webm", "aac" ], "type": "string" } }, "required": [ "data", "format" ], "type": "object" }, "language": { "description": "ISO-639-1 code; omitted means auto-detection", "type": "string" }, "model": { "enum": [ "qwen/qwen3-asr-0.6b" ], "type": "string" }, "provider": { "description": "Data policy and exact provider options; order/only/ignore are not applied to STT", "properties": { "data_collection": { "enum": [ "allow", "deny", null ], "type": [ "string", "null" ] }, "options": { "type": "object" }, "zdr": { "type": [ "boolean", "null" ] } }, "type": "object" }, "response_format": { "default": "json", "description": "verbose_json requires exact model/provider support", "enum": [ "json", "verbose_json" ], "type": "string" }, "temperature": { "maximum": 1, "minimum": 0, "type": "number" }, "timestamp_granularities": { "description": "Only used with supported verbose_json", "items": { "enum": [ "segment", "word" ], "type": "string" }, "type": "array" } }, "required": [ "model", "input_audio" ], "type": "object" }, "schema_template": { "actual_file_preparation_required": true, "body": { "input_audio": { "data": "${BASE64_ACTUAL_WAV_BYTES}", "format": "wav" }, "model": "qwen/qwen3-asr-0.6b" }, "content_type": "application/json" } }, "input": { "content_type": "application/json", "material_conditions": [ "Baca berkas WAV aktual dan kodekan byte aslinya untuk input_audio JSON yang dideklarasikan; tidak ditawarkan rute multipart untuk deklarasi persis yang hanya menggunakan JSON ini." ], "material_types": [ "audio" ], "required": [ "model", "input_audio" ] }, "lifecycle": { "assets": [ { "http": "GET", "path": "/v1/media/assets" }, { "http": "GET", "path": "/v1/media/assets/{asset_id}" } ], "content": [ { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "url_source": "exact returned signed URL; never construct token" } ], "mode": "synchronous_result_then_owned_library", "operation_id_is_not_task_id": true, "status": [ { "http": "GET", "id_source": "task_id aktual yang dikembalikan atau catatan pustaka media", "path": "/v1/media/tasks/{task_id}" } ], "unknown": "Keep the returned X-Client-Request-ID for reconciliation. Read only actual returned task_id/asset_id values or the owned media library; never build a task URL from the operation ID and never resubmit creation." }, "method": { "http": "POST", "path": "/v1/audio/transcriptions" }, "output": { "all_results": "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.", "family": "text", "fields": [ { "description": null, "name": "text", "type": null }, { "description": null, "name": "usage", "type": null }, { "description": null, "name": "segments[]", "type": null }, { "description": null, "name": "words[]", "type": null }, { "description": null, "name": "speaker fields", "type": null }, { "description": null, "name": "timestamps", "type": null } ] } }, "ctx": null, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": false, "estimate_only": true, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": false, "estimate_only": true, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": false, "estimate_only": true, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": false, "estimate_only": true, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": false, "estimate_only": true, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "quoted_unit": "per input audio second" }, "label": "input audio second", "units": [ { "amount": "0.00000666", "amount_unit": "usd_per_exact_native_unit", "billing_input": false, "estimate_only": true, "key": "audio_input_second", "label": "input audio second", "native_amount_usd_per_unit": "0.00000666", "native_quantity": 1, "public_unit_label": "per input audio second", "quantity": 1, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_second" } ] }, { "basis": "Perkiraan ini bukan biaya tambahan maupun tarif tetap untuk proses pembuatan yang telah selesai.", "dimensions": { "forecast_quantity": "one generation estimate" }, "label": "Perkiraan biaya pembuatan", "units": [ { "amount": "0.00000666", "amount_unit": "usd_per_exact_native_unit", "billing_input": false, "estimate_only": true, "key": "forecast_usd", "label": "Estimated generation cost", "native_amount_usd_per_unit": "0.00000666", "native_quantity": 1, "public_unit_label": "estimate before generation", "quantity": 1, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "request_estimate" } ] } ], "examples": [ { "code": "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 $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o response.bin\n# Keep the complete original response and headers. Read every returned segment, word and usage field.\n# Preserve actual operation/task/asset IDs; continue reads of the original result without resubmitting.\n", "label": "curl · exact native body and complete result", "language": "bash" }, { "code": "set -eu\n: \"${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.\n", "label": "Read existing owned assets", "language": "bash" } ], "family": "openai", "fast_multiplier": null, "flex_multiplier": null, "fmt": "transcriptions", "hints": [ "Use the exact caller model ID and documented input representation.", "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again." ], "http": "POST", "in": null, "input": [ "audio" ], "label": "Transkripsi", "max_out": null, "max_reasoning_effort_multiplier": null, "method_aliases": [], "native_endpoint": "audio_transcriptions", "out": null, "output": [ "text" ], "path": "/v1/audio/transcriptions", "price_conditions": [ { "label": "Fast mode", "value": "Not specified", "when": "When fast mode is selected" }, { "label": "Flex mode", "value": "Not specified", "when": "When flex mode is selected" }, { "label": "Maximum reasoning effort", "value": "Not specified", "when": "When maximum reasoning effort uses the default adjustment" } ], "pricing": { "billing_mode": "original_invoice_usd", "image_input_price": null, "image_output_price": null }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": false, "estimate_only": true, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": false, "estimate_only": true, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": false, "estimate_only": true, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": false, "estimate_only": true, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": false, "estimate_only": true, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "quoted_unit": "per input audio second" }, "label": "input audio second", "units": [ { "amount": "0.00000666", "amount_unit": "usd_per_exact_native_unit", "billing_input": false, "estimate_only": true, "key": "audio_input_second", "label": "input audio second", "native_amount_usd_per_unit": "0.00000666", "native_quantity": 1, "public_unit_label": "per input audio second", "quantity": 1, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_second" } ] }, { "basis": "This estimate is not an additional charge or a fixed rate for the completed generation.", "dimensions": { "forecast_quantity": "one generation estimate" }, "label": "Estimated generation cost", "units": [ { "amount": "0.00000666", "amount_unit": "usd_per_exact_native_unit", "billing_input": false, "estimate_only": true, "key": "forecast_usd", "label": "Estimated generation cost", "native_amount_usd_per_unit": "0.00000666", "native_quantity": 1, "public_unit_label": "estimate before generation", "quantity": 1, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "request_estimate" } ] } ], "request_model_id": "qwen/qwen3-asr-0.6b", "route_label": "Ultra", "status_reads": [ "GET /v1/media/tasks/{task_id}" ], "tiers": [], "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": false, "estimate_only": true, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": false, "estimate_only": true, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": false, "estimate_only": true, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": false, "estimate_only": true, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": false, "estimate_only": true, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" }, { "amount": "0.00000666", "amount_unit": "usd_per_exact_native_unit", "billing_input": false, "estimate_only": true, "key": "audio_input_second", "label": "input audio second", "native_amount_usd_per_unit": "0.00000666", "native_quantity": 1, "public_unit_label": "per input audio second", "quantity": 1, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_second" }, { "amount": "0.00000666", "amount_unit": "usd_per_exact_native_unit", "billing_input": false, "estimate_only": true, "key": "forecast_usd", "label": "Estimated generation cost", "native_amount_usd_per_unit": "0.00000666", "native_quantity": 1, "public_unit_label": "estimate before generation", "quantity": 1, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "request_estimate" } ] } ], "model_aliases": [ { "canonical_model_id": "qwen/qwen3-asr-0.6b", "request_model_id": "qwen/qwen3-asr-0.6b", "route_label": "Ultra" } ], "name": "Qwen: Qwen3 ASR 0.6B", "price": { "estimate_only": true, "in": null, "in_label": null, "out": 6.66e-06, "out_label": "estimate before generation", "scope_label": "Estimated generation cost", "sort_in": null, "sort_out": 6.66e-06, "varies": false }, "short": "Qwen3-ASR-0.6B adalah model pengenalan ucapan ringkas Qwen untuk mengubah audio lisan atau nyanyian menjadi teks beserta identifikasi bahasa. Model ini memiliki cakupan 30 bahasa dan 22 dialek yang sama dengan keluarganya, dengan alur kerja offline dan streaming serta penyelarasan paksa terpisah untuk teks dengan informasi waktu." }, "renderer_schema": { "method_order": "Original DTO methods order; every exact route/format/path/caller survives.", "prices": "Original public DTO fields and original native display HTML; no flattened or normalized offers." }, "representation": "exact-public-dto-and-native-renderer-html", "representationNotes": { "current_reference": { "about_json_pointer": "/aboutHtml", "methods": [ { "contract_json_pointer": "/methods/0/rawMethod/contract", "html_json_pointer": "/methods/0/html", "method_ordinal": 0 } ], "role": "current-semantic-reference" }, "raw_input": { "examples_role": "historical-input-not-current-ready-examples", "json_pointers": [ "/rawModel", "/methods/0/rawMethod" ], "role": "historical-owner-input" }, "schema": "ailoot-native-model-representations-v1" }, "schema": "ailoot-static-model-facts-v1", "schema_version": 1, "shortText": "Qwen3-ASR-0.6B adalah model pengenalan ucapan ringkas Qwen untuk mengubah audio lisan atau nyanyian menjadi teks beserta identifikasi bahasa. Model ini memiliki cakupan 30 bahasa dan 22 dialek yang sama dengan keluarganya, dengan alur kerja offline dan streaming serta penyelarasan paksa terpisah untuk teks dengan informasi waktu.", "source": { "audit_sha256": "2e00086bcbfc28e64d0cebe97aa47c17d8d5618963027f8ffb9dc6123d7d25b1", "bridge_map_sha256": "1125275768b9636fc8461bc7da5061239a81ddfe508e2557843ca42c58ab0036", "raw_model_json_sha256": "7bd247f1723b52bca4dda5c41893ffb4c57ca364656bdfcf2e2d5c4444a69de4", "renderer_sha256": "2a0471475a29000c23db326ca1e315df73dee7524f6bc2907818ee3458813f2d" }, "sourceRevision": "4d2579d4b0130f4963eef17a94bfd3de5977113c03f0697225fa4abfe9a5041b" }