asr-1.0
MiniMax ASR 1.0 converte l'audio in testo e supporta russo, separazione delle battute per parlante e riferimenti temporali.
Informazioni sul modello
Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito.
Una conversazione registrata diventa testo
MiniMax ASR 1.0 riconosce il parlato in un file audio. Il produttore descrive l'uso per riunioni, interviste, podcast, tracce audio di video, controllo dei contenuti e analisi di conversazioni. Il modello è ottimizzato per parlato conversazionale, rumore e lessico professionale, con particolare attenzione alla riduzione di segmenti inventati. In questa scheda Ailoot l'input è audio e il risultato è testo.
Lingua e più partecipanti
Sono supportati russo e ucraino, inglese, francese, tedesco, spagnolo, italiano, portoghese e polacco, oltre a cinese, cantonese, giapponese, coreano, thailandese, vietnamita, indonesiano, malese, filippino, arabo e turco. Se la lingua non è impostata, il modello identifica automaticamente quella principale; il produttore descrive separatamente la combinazione di parlato cinese e inglese.
Nella rappresentazione estesa del risultato il modello può individuare i parlanti e associare le battute ai tempi. Vengono restituiti il numero complessivo dei partecipanti e segmenti con etichetta del parlante, inizio, fine e testo. Aiuta a ricostruire chi ha pronunciato una specifica battuta e quando, senza mescolare le battute dei diversi partecipanti.
Rappresentazione del risultato
Il produttore prevede JSON normale con testo e durata, verbose_json esteso e sottotitoli SRT e WebVTT. Per i riferimenti temporali si utilizza il livello di frase o segmento per impostazione predefinita. I riferimenti delle singole parole sono descritti per l'inglese e quelli dei singoli caratteri per il cinese; riguardano i formati con allineamento.
È possibile un output testuale progressivo, che però non può essere combinato con la separazione dei parlanti né con i formati dei sottotitoli. Questa modalità restituisce nuovi segmenti del testo riconosciuto durante l'elaborazione del file già inviato. È uno streaming del risultato, non un invio continuo di audio dal microfono.
Requisiti della registrazione
I formati dichiarati in ingresso sono WAV, AIFF, FLAC, ALAC nel contenitore M4A, MP3, AAC, Opus e Ogg. Il file non deve contenere più di 500 secondi di audio né occupare più di 50 MB. Il superamento della durata viene rifiutato, non tagliato senza avviso. PCM grezzo senza contenitore non è supportato.
Per preparare la registrazione il produttore consiglia audio mono a 16 kHz oppure un formato audio compresso: frequenze alte e stereo non servono al riconoscimento e aumentano le dimensioni del file. Le capacità di output esteso e di elaborazione in streaming riguardano ASR 1.0; il formato di risposta disponibile per una specifica richiesta viene impostato con gli strumenti di Ailoot.
Ailoot · Trascrizione da parlato a testo POST /v1/audio/transcriptions asr-1.0
asr-1.0Introduzione
MiniMax ASR 1.0 converte l'audio in testo e supporta russo, separazione delle battute per parlante e riferimenti temporali.
- Input accettati
- Audio
- Risultati
- Testo
Disponibile in Ailoot · input e metodi
Ailoot · Trascrizione da parlato a testo POST /v1/audio/transcriptions
- Tipi di input
audio- Tipi di output
text- Formato di output
- json
| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti asr-1.0 | Predefinito— |
Campofile | Tipofile | RequisitoObbligatorio | Valori e limiti Numero massimo di byte: 52.428.800 Formati di file: wav, mp3, m4a, ogg, webm, flac Tipo di contenuto: multipart/form-data Durata massima (esclusa), secondi: 500 | Predefinito— |
Camporesponse_format | Tipostring | RequisitoFacoltativo | Valori e limiti json | Predefinito— |
Combinazioni di materiali in input
speech_to_text · Obbligatorio: actual audio file
Parametri e ciclo di vita del metodo
| Parametro | Contratto |
|---|---|
Parametromaterial_types | Contrattoaudio |
Parametrorequired | Contrattonull |
Parametrooptional_controls | Contrattonull |
Ciclo di vita: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · task_id effettivamente restituito o record della libreria multimediale
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Le strutture dei metodi e gli ID sono esatti; la capacità del fornitore è distinta dall’ammissione delle richieste.
Tariffe
Tariffe dei metodi Ailoot
POST /v1/audio/transcriptions- Input
- 0,38 USD per ora di audio
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
Esempi di richieste
Ailoot · Trascrizione da parlato a testo
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_AUDIO_FILE:?Set your actual MP3 recording}"
export AILOOT_AUDIO_FILE
python3 - <<'PY_REQUEST'
import os
from pathlib import Path
f=Path(os.environ["AILOOT_AUDIO_FILE"])
if not f.is_file() or f.suffix.lower()!=".mp3":raise SystemExit("Choose your actual MP3 recording")
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/transcriptions \
-H "Authorization: Bearer $AILOOT_API_KEY" \
--form-string model=asr-1.0 -F "file=@$AILOOT_AUDIO_FILE" \
-D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
print(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))
PY_RESULT
Ricevi e salva i risultati
Ailoot · Trascrizione da parlato a testo
json
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
Conserva tutti i risultati completati
Conserva ogni risposta, file e parte di contenuto restituiti per intero.
Conserva il JSON completo, non solo il testo; preserva ogni segmento, parlante e timestamp disponibile e l'identità effettiva dell'attività o della risorsa.
Se occorre verificare la risposta originale
Conserva operation_id/X-Client-Request-ID originale per la riconciliazione senza reinvio; non esiste una rotta dedicata al polling audio.
Campi della risposta
| Campo | Tipo |
|---|---|
Campotext | Tipostring |
Camposegments[] | Tipoobject |
Campotask_id | Tipostring |
Campoasset_url | Tipostring |
Campousage | Tipoobject |
Errori e passaggi successivi
| Risposta | Condizione | Passaggio successivo |
|---|---|---|
Risposta400 · invalid_request_error | CondizioneCampi obbligatori, rappresentazione del materiale o valore del parametro non validi | Passaggio successivoCorreggi i campi indicati prima di una nuova richiesta di creazione. |
Rispostaserver_error | CondizioneLa risposta restituita indica che l'operazione o il risultato richiede una verifica | Passaggio successivoConserva l'ID originale di operazione/task restituito, gli header della richiesta e la risposta; continua a leggere l'operazione originale tramite le modalità supportate. Non reinviare la richiesta di creazione. |
Alias
Alias del modello
Ailoot asr-1.0
Alias dei percorsi dei metodi
Usa i percorsi dei metodi indicati sopra.
ID di chiamata correlati
FAQ · asr-1.0
- Quali input e risultati sono disponibili?
POST /v1/audio/transcriptions·asr-1.0:audio→text- Quali campi usa la richiesta?
POST /v1/audio/transcriptions·asr-1.0:model,file,response_format