qwen-audio-3.0-asr-flash
Modello di riconoscimento vocale che converte l'audio in testo leggibile, con punteggiatura e normalizzazione dei numeri. Supporta il russo e altre lingue, oltre ai dialetti cinesi.
- Ailoot · Trascrizione da parlato a testo
POST /v1/audio/transcriptionsqwen-audio-3.0-asr-flash - Ailoot · Trascrizione da parlato a testo
POST /v1/audio/transcriptionsqwen-asr - Ailoot · Trascrizione da parlato a testo
POST /v1/audio/transcriptionsqwen-asr-latest
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.
Qwen-Audio-3.0-ASR-Flash è progettato per convertire una registrazione vocale in testo. Alibaba mette in evidenza il riconoscimento multilingue e la gestione del parlato espressivo, compresi il ritmo poetico, il cinese classico e la narrazione culturale. Riceve audio in ingresso e produce una trascrizione.
Il parlato in forma scritta
Il modello inserisce la punteggiatura e rende numeri, date e importi pronunciati nella forma scritta convenzionale. È utile per messaggi vocali, estratti di interviste e parlato didattico in cui serve un testo leggibile, non soltanto una sequenza di parole riconosciute.
Sono supportate 30 lingue, tra cui russo, inglese, francese, tedesco, giapponese e arabo. Sono inoltre considerate sette principali famiglie dialettali cinesi e oltre 20 varianti regionali di pronuncia. Questo insieme è pensato per riconoscere diverse caratteristiche linguistiche e di accento.
Per i termini specialistici si possono fornire il contesto dell'attività e parole di suggerimento. Aiutano a guidare il riconoscimento di nomi e lessico di settore. In questa versione i riferimenti temporali sono sempre attivi: il risultato può essere collegato ai segmenti corrispondenti della registrazione. La trascrizione di un file breve può essere restituita interamente oppure durante l'elaborazione.
Materiale e limiti
La durata massima della registrazione è di cinque minuti. Ogni attività utilizza un solo file. Sono supportati AAC, AMR, AVI, FLAC, FLV, M4A, MKV, MOV, MP3, MP4, MPEG, OGG, OPUS, WAV, WEBM, WMA e WMV; è ammessa qualsiasi frequenza di campionamento. La presenza di contenitori video nell'elenco dei formati riguarda l'estrazione del parlato dalla traccia audio, non l'analisi visiva dei fotogrammi.
Qwen-Audio-3.0-ASR-Flash non prevede la separazione per parlante né il riconoscimento delle emozioni. Il suo risultato principale è il testo, collegato alla posizione temporale del contenuto riconosciuto nella registrazione. Le capacità relative a registrazioni più lunghe e ad altre forme di analisi audio dichiarate per modelli vicini non si applicano a questa versione.
Ailoot · Trascrizione da parlato a testo POST /v1/audio/transcriptions qwen-audio-3.0-asr-flash
qwen-audio-3.0-asr-flashqwen-audio-3.0-asr-flashqwen-asrqwen-asr-latest
Introduzione
Modello di riconoscimento vocale che converte l'audio in testo leggibile, con punteggiatura e normalizzazione dei numeri. Supporta il russo e altre lingue, oltre ai dialetti cinesi.
- 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 qwen-audio-3.0-asr-flash | Predefinito— |
Campofile | Tipofile | RequisitoObbligatorio | Valori e limiti Numero massimo di byte: 10.485.760 Formati di file: wav, mp3, m4a, ogg, webm, flac Tipo di contenuto: multipart/form-data Durata massima, secondi: 300 | 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
- 0,0021 USD per minuto 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 $AILOOT_API_KEY" \
--form-string model=qwen-audio-3.0-asr-flash -F "file=@$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 qwen-audio-3.0-asr-flash, qwen-asr, qwen-asr-latest
Alias dei percorsi dei metodi
Usa i percorsi dei metodi indicati sopra.
ID di chiamata correlati
Ailoot · Trascrizione da parlato a testo POST /v1/audio/transcriptions qwen-asr
qwen-asrqwen-audio-3.0-asr-flashqwen-asrqwen-asr-latest
Introduzione
Modello di riconoscimento vocale che converte l'audio in testo leggibile, con punteggiatura e normalizzazione dei numeri. Supporta il russo e altre lingue, oltre ai dialetti cinesi.
- 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 qwen-asr | Predefinito— |
Campofile | Tipofile | RequisitoObbligatorio | Valori e limiti Numero massimo di byte: 10.485.760 Formati di file: wav, mp3, m4a, ogg, webm, flac Tipo di contenuto: multipart/form-data Durata massima, secondi: 300 | 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
- 0,0021 USD per minuto 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 $AILOOT_API_KEY" \
--form-string model=qwen-asr -F "file=@$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 qwen-audio-3.0-asr-flash, qwen-asr, qwen-asr-latest
Alias dei percorsi dei metodi
Usa i percorsi dei metodi indicati sopra.
ID di chiamata correlati
Ailoot · Trascrizione da parlato a testo POST /v1/audio/transcriptions qwen-asr-latest
qwen-asr-latestqwen-audio-3.0-asr-flashqwen-asrqwen-asr-latest
Introduzione
Modello di riconoscimento vocale che converte l'audio in testo leggibile, con punteggiatura e normalizzazione dei numeri. Supporta il russo e altre lingue, oltre ai dialetti cinesi.
- 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 qwen-asr-latest | Predefinito— |
Campofile | Tipofile | RequisitoObbligatorio | Valori e limiti Numero massimo di byte: 10.485.760 Formati di file: wav, mp3, m4a, ogg, webm, flac Tipo di contenuto: multipart/form-data Durata massima, secondi: 300 | 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
- 0,0021 USD per minuto 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 $AILOOT_API_KEY" \
--form-string model=qwen-asr-latest -F "file=@$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 qwen-audio-3.0-asr-flash, qwen-asr, qwen-asr-latest
Alias dei percorsi dei metodi
Usa i percorsi dei metodi indicati sopra.
ID di chiamata correlati
FAQ · qwen-audio-3.0-asr-flash
- Quali input e risultati sono disponibili?
POST /v1/audio/transcriptions·qwen-audio-3.0-asr-flash:audio→textPOST /v1/audio/transcriptions·qwen-asr:audio→textPOST /v1/audio/transcriptions·qwen-asr-latest:audio→text- Quali campi usa la richiesta?
POST /v1/audio/transcriptions·qwen-audio-3.0-asr-flash:model,file,response_formatPOST /v1/audio/transcriptions·qwen-asr:model,file,response_formatPOST /v1/audio/transcriptions·qwen-asr-latest:model,file,response_format