qwen-audio-3.0-asr-flash
音声を句読点付きの読みやすいテキストに書き起こし、数値表記も正規化する音声認識モデルです。ロシア語を含む複数の言語と、中国語の方言に対応しています。
- Ailoot · 音声認識
POST /v1/audio/transcriptionsqwen-audio-3.0-asr-flash - Ailoot · 音声認識
POST /v1/audio/transcriptionsqwen-asr - Ailoot · 音声認識
POST /v1/audio/transcriptionsqwen-asr-latest
モデルについて
この説明はモデルの機能を紹介するものです。Ailootで利用できる入力、出力、オプションは、選択したメソッドごとに以下に記載されています。
Qwen-Audio-3.0-ASR-Flashは、録音した音声を書き起こすためのモデルです。Alibabaは、多言語の認識と、詩のリズム、古典中国語、文化的な物語などの表現豊かな話し方への対応を特徴として挙げています。入力は音声で、結果は書き起こしのテキストです。
話し言葉を書き言葉に
モデルは句読点を付け、発話された数値、日付、金額を一般的な書き言葉の表記に整えます。認識された単語の羅列ではなく、読みやすいテキストが必要な音声メッセージ、インタビューの一部、学習用の音声などに役立ちます。
ロシア語、英語、フランス語、ドイツ語、日本語、アラビア語を含む30言語に対応しています。さらに、中国語の主要な七つの方言系統と、20を超える地域的な発音の違いを考慮します。この対応範囲は、異なる言語やアクセントの特徴を認識するためのものです。
専門用語については、指示の文脈やヒントとなる単語を渡せます。名前や分野固有の語彙の認識を導くのに役立ちます。このバージョンではタイムスタンプが常に有効で、結果を録音の対応する部分と結び付けられます。短いファイルの書き起こしは、一括で返すことも、処理の進行に合わせて返すこともできます。
素材と制限
録音の最大長は五分です。一つの指示で一つのファイルを使用します。AAC、AMR、AVI、FLAC、FLV、M4A、MKV、MOV、MP3、MP4、MPEG、OGG、OPUS、WAV、WEBM、WMA、WMVに対応し、サンプリング周波数は任意です。動画コンテナが対応形式に含まれるのは、その音声部分から発話を抽出するためであり、フレームの視覚的な解析を意味しません。
Qwen-Audio-3.0-ASR-Flashでは、話者の分離や感情の認識は用意されていません。主な結果はテキストと、認識した内容を録音内の時刻に結び付ける情報です。関連する別のモデルで公表されている、より長い録音への対応やその他の音声解析機能は、このバージョンには当てはまりません。
Ailoot · 音声認識 POST /v1/audio/transcriptions qwen-audio-3.0-asr-flash
qwen-audio-3.0-asr-flashqwen-audio-3.0-asr-flashqwen-asrqwen-asr-latest
はじめに
音声を句読点付きの読みやすいテキストに書き起こし、数値表記も正規化する音声認識モデルです。ロシア語を含む複数の言語と、中国語の方言に対応しています。
- 対応する入力
- 音声
- 結果
- テキスト
Ailootで利用可能 · 入力とメソッド
Ailoot · 音声認識 POST /v1/audio/transcriptions
- 入力の種類
audio- 出力の種類
text- 出力形式
- json
| フィールド | 種類 | 要件 | 値と制限 | デフォルト |
|---|---|---|---|---|
フィールドmodel | 種類string | 要件必須 | 値と制限 qwen-audio-3.0-asr-flash | デフォルト— |
フィールドfile | 種類file | 要件必須 | 値と制限 最大バイト数: 10,485,760 ファイル形式: wav, mp3, m4a, ogg, webm, flac コンテンツタイプ: multipart/form-data 最大の長さ（秒）: 300 | デフォルト— |
フィールドresponse_format | 種類string | 要件任意 | 値と制限 json | デフォルト— |
入力素材の組み合わせ
speech_to_text · 必須: actual audio file
メソッドのパラメータとライフサイクル
| パラメータ | 仕様 |
|---|---|
パラメータmaterial_types | 仕様audio |
パラメータrequired | 仕様null |
パラメータoptional_controls | 仕様null |
ライフサイクル: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · 実際に返された task_id またはメディアライブラリのレコード
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
メソッドの形式とIDは正確に記載しています。供給元の対応能力とリクエストの受け入れは別です。
料金
Ailootのメソッド料金
POST /v1/audio/transcriptions- 入力
- $0.0021 音声1分あたり
Ailootはリクエスト前に見積額を確保します。結果の取得後、実測使用量に基づいて最終料金を精算します。ストリーミング時の精算には最終の使用量記録を使用します。金額の確保と精算の仕組み →
リクエスト例
Ailoot · 音声認識
set -eu
: "${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
結果を受け取って保存
Ailoot · 音声認識
json
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
完了した結果をすべて保存
返された完全なレスポンス、ファイル、コンテンツ部分をすべて保存してください。
テキストだけでなくJSON全体を保持してください。利用可能なすべてのセグメント／話者／タイムスタンプと、実際のタスク／アセットの識別情報を保持します。
元のレスポンスを確認する場合
再送せずに照合できるよう、元の operation_id/X-Client-Request-ID を保存してください。音声専用のポーリングルートはありません。
レスポンスのフィールド
| フィールド | 種類 |
|---|---|
フィールドtext | 種類string |
フィールドsegments[] | 種類object |
フィールドtask_id | 種類string |
フィールドasset_url | 種類string |
フィールドusage | 種類object |
エラーと次の手順
| レスポンス | 条件 | 次の手順 |
|---|---|---|
レスポンス400 · invalid_request_error | 条件必須フィールド、素材の表現形式、またはパラメーター値が不正です | 次の手順新しい生成リクエストを送る前に、指定されたフィールドを修正してください。 |
レスポンスserver_error | 条件返されたレスポンスは、操作または結果の確認が必要であることを示しています | 次の手順最初に返された操作／タスク ID、リクエストヘッダー、レスポンスを保存し、その元の操作に対してサポートされている読み取りを継続してください。作成リクエストを再送しないでください。 |
エイリアス
モデルのエイリアス
Ailoot qwen-audio-3.0-asr-flash, qwen-asr, qwen-asr-latest
メソッドパスのエイリアス
上記に表示されたメソッドパスを使用してください。
関連する呼び出し用ID
Ailoot · 音声認識 POST /v1/audio/transcriptions qwen-asr
qwen-asrqwen-audio-3.0-asr-flashqwen-asrqwen-asr-latest
はじめに
音声を句読点付きの読みやすいテキストに書き起こし、数値表記も正規化する音声認識モデルです。ロシア語を含む複数の言語と、中国語の方言に対応しています。
- 対応する入力
- 音声
- 結果
- テキスト
Ailootで利用可能 · 入力とメソッド
Ailoot · 音声認識 POST /v1/audio/transcriptions
- 入力の種類
audio- 出力の種類
text- 出力形式
- json
| フィールド | 種類 | 要件 | 値と制限 | デフォルト |
|---|---|---|---|---|
フィールドmodel | 種類string | 要件必須 | 値と制限 qwen-asr | デフォルト— |
フィールドfile | 種類file | 要件必須 | 値と制限 最大バイト数: 10,485,760 ファイル形式: wav, mp3, m4a, ogg, webm, flac コンテンツタイプ: multipart/form-data 最大の長さ（秒）: 300 | デフォルト— |
フィールドresponse_format | 種類string | 要件任意 | 値と制限 json | デフォルト— |
入力素材の組み合わせ
speech_to_text · 必須: actual audio file
メソッドのパラメータとライフサイクル
| パラメータ | 仕様 |
|---|---|
パラメータmaterial_types | 仕様audio |
パラメータrequired | 仕様null |
パラメータoptional_controls | 仕様null |
ライフサイクル: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · 実際に返された task_id またはメディアライブラリのレコード
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
メソッドの形式とIDは正確に記載しています。供給元の対応能力とリクエストの受け入れは別です。
料金
Ailootのメソッド料金
POST /v1/audio/transcriptions- 入力
- $0.0021 音声1分あたり
Ailootはリクエスト前に見積額を確保します。結果の取得後、実測使用量に基づいて最終料金を精算します。ストリーミング時の精算には最終の使用量記録を使用します。金額の確保と精算の仕組み →
リクエスト例
Ailoot · 音声認識
set -eu
: "${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
結果を受け取って保存
Ailoot · 音声認識
json
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
完了した結果をすべて保存
返された完全なレスポンス、ファイル、コンテンツ部分をすべて保存してください。
テキストだけでなくJSON全体を保持してください。利用可能なすべてのセグメント／話者／タイムスタンプと、実際のタスク／アセットの識別情報を保持します。
元のレスポンスを確認する場合
再送せずに照合できるよう、元の operation_id/X-Client-Request-ID を保存してください。音声専用のポーリングルートはありません。
レスポンスのフィールド
| フィールド | 種類 |
|---|---|
フィールドtext | 種類string |
フィールドsegments[] | 種類object |
フィールドtask_id | 種類string |
フィールドasset_url | 種類string |
フィールドusage | 種類object |
エラーと次の手順
| レスポンス | 条件 | 次の手順 |
|---|---|---|
レスポンス400 · invalid_request_error | 条件必須フィールド、素材の表現形式、またはパラメーター値が不正です | 次の手順新しい生成リクエストを送る前に、指定されたフィールドを修正してください。 |
レスポンスserver_error | 条件返されたレスポンスは、操作または結果の確認が必要であることを示しています | 次の手順最初に返された操作／タスク ID、リクエストヘッダー、レスポンスを保存し、その元の操作に対してサポートされている読み取りを継続してください。作成リクエストを再送しないでください。 |
エイリアス
モデルのエイリアス
Ailoot qwen-audio-3.0-asr-flash, qwen-asr, qwen-asr-latest
メソッドパスのエイリアス
上記に表示されたメソッドパスを使用してください。
関連する呼び出し用ID
Ailoot · 音声認識 POST /v1/audio/transcriptions qwen-asr-latest
qwen-asr-latestqwen-audio-3.0-asr-flashqwen-asrqwen-asr-latest
はじめに
音声を句読点付きの読みやすいテキストに書き起こし、数値表記も正規化する音声認識モデルです。ロシア語を含む複数の言語と、中国語の方言に対応しています。
- 対応する入力
- 音声
- 結果
- テキスト
Ailootで利用可能 · 入力とメソッド
Ailoot · 音声認識 POST /v1/audio/transcriptions
- 入力の種類
audio- 出力の種類
text- 出力形式
- json
| フィールド | 種類 | 要件 | 値と制限 | デフォルト |
|---|---|---|---|---|
フィールドmodel | 種類string | 要件必須 | 値と制限 qwen-asr-latest | デフォルト— |
フィールドfile | 種類file | 要件必須 | 値と制限 最大バイト数: 10,485,760 ファイル形式: wav, mp3, m4a, ogg, webm, flac コンテンツタイプ: multipart/form-data 最大の長さ（秒）: 300 | デフォルト— |
フィールドresponse_format | 種類string | 要件任意 | 値と制限 json | デフォルト— |
入力素材の組み合わせ
speech_to_text · 必須: actual audio file
メソッドのパラメータとライフサイクル
| パラメータ | 仕様 |
|---|---|
パラメータmaterial_types | 仕様audio |
パラメータrequired | 仕様null |
パラメータoptional_controls | 仕様null |
ライフサイクル: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · 実際に返された task_id またはメディアライブラリのレコード
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
メソッドの形式とIDは正確に記載しています。供給元の対応能力とリクエストの受け入れは別です。
料金
Ailootのメソッド料金
POST /v1/audio/transcriptions- 入力
- $0.0021 音声1分あたり
Ailootはリクエスト前に見積額を確保します。結果の取得後、実測使用量に基づいて最終料金を精算します。ストリーミング時の精算には最終の使用量記録を使用します。金額の確保と精算の仕組み →
リクエスト例
Ailoot · 音声認識
set -eu
: "${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
結果を受け取って保存
Ailoot · 音声認識
json
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
完了した結果をすべて保存
返された完全なレスポンス、ファイル、コンテンツ部分をすべて保存してください。
テキストだけでなくJSON全体を保持してください。利用可能なすべてのセグメント／話者／タイムスタンプと、実際のタスク／アセットの識別情報を保持します。
元のレスポンスを確認する場合
再送せずに照合できるよう、元の operation_id/X-Client-Request-ID を保存してください。音声専用のポーリングルートはありません。
レスポンスのフィールド
| フィールド | 種類 |
|---|---|
フィールドtext | 種類string |
フィールドsegments[] | 種類object |
フィールドtask_id | 種類string |
フィールドasset_url | 種類string |
フィールドusage | 種類object |
エラーと次の手順
| レスポンス | 条件 | 次の手順 |
|---|---|---|
レスポンス400 · invalid_request_error | 条件必須フィールド、素材の表現形式、またはパラメーター値が不正です | 次の手順新しい生成リクエストを送る前に、指定されたフィールドを修正してください。 |
レスポンスserver_error | 条件返されたレスポンスは、操作または結果の確認が必要であることを示しています | 次の手順最初に返された操作／タスク ID、リクエストヘッダー、レスポンスを保存し、その元の操作に対してサポートされている読み取りを継続してください。作成リクエストを再送しないでください。 |
エイリアス
モデルのエイリアス
Ailoot qwen-audio-3.0-asr-flash, qwen-asr, qwen-asr-latest
メソッドパスのエイリアス
上記に表示されたメソッドパスを使用してください。
関連する呼び出し用ID
FAQ · qwen-audio-3.0-asr-flash
- 利用できる入力と結果は何ですか？
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- リクエストはどの項目を使用しますか？
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