Source: https://ailoot.ai/models/ja/qwen-qwen3-asr-1-7b/ Canonical: https://ailoot.ai/models/ja/qwen-qwen3-asr-1-7b/ Language: ja # Qwen: Qwen3 ASR 1.7B [Markdown](https://ailoot.ai/models/ja/qwen-qwen3-asr-1-7b/index.md) · [JSON](https://ailoot.ai/models/ja/qwen-qwen3-asr-1-7b/facts.json) ## [Qwen: Qwen3 ASR 1.7B](https://ailoot.ai/models/ja/qwen-qwen3-asr-1-7b/) Qwen3-ASR-1.7Bは、話し声や歌声をテキストに変換し、言語を識別します。Qwenは、30言語、22の中国語方言、オフラインまたはストリーミングの認識を文書化しています。単語単位の時刻情報には、別のQwen3-ForcedAlignerのフローを使います。 - [**Ailoot Ultra · 文字起こし** `POST /v1/audio/transcriptions` `qwen/qwen3-asr-1.7b`](https://ailoot.ai/models/ja/qwen-qwen3-asr-1-7b/#method-0) 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。 Qwen3-ASR-1.7Bは、Qwen3-ASR系列の中で大きい方のQwen音声認識モデルです。音声を受け取り、言語ラベルとともに認識したテキストを返します。系列は、Qwen3-Omniの音声理解の基盤を基にし、一つのASRモデルでオフライン認識とストリーミング認識を行います。1.7B版は認識品質を重視し、別の名前を持つ0.6B版は効率を重視しています。文書化された言語範囲と認識フローを共通して持っていても、両版は別々の選択肢です。 #### 言語識別と音声の範囲 開発元は、30言語と22の中国語方言に加え、複数地域の英語のアクセントを挙げています。言語一覧は、中国語、英語、広東語、アラビア語、ドイツ語、フランス語、スペイン語、ポルトガル語、インドネシア語、イタリア語、韓国語、ロシア語、タイ語、ベトナム語、日本語、トルコ語、ヒンディー語、マレー語、オランダ語、スウェーデン語、デンマーク語、フィンランド語、ポーランド語、チェコ語、フィリピノ語、ペルシャ語、ギリシャ語、ハンガリー語、マケドニア語、ルーマニア語です。対応する音声の種類は、話し声、歌声、伴奏のある歌を含みます。難しい箇所を確認するために元の音声を保持しながら、インタビュー、講義、音声録音、歌詞の確認に文字起こしを使えます。 #### 音声を準備して文字起こしを得る 開発元のツールキットは、音声ファイルの参照、エンコードされた音声、サンプルレートを伴う波形を受け取り、オフラインのフローで複数の録音を処理できます。言語を自動検出することも、指定した対応言語を使うこともできます。不明な録音には自動検出を選び、実際に話されている言語が分かっていて課題に関係する場合は、それを指定してください。結果の例は、検出または選択した言語と認識テキストを示します。言語設定は録音の認識を導くものであり、内容を別の言語に書き換える要求を定義するものではありません。 インタビューでは録音を日付、主題、出典の識別子と関連付けて保持し、返されたテキストを検索可能な文字起こしとして使います。講義では、曖昧な言葉をもっともらしい説明に黙って置き換えず、確認時に専門用語と数値表現を保持してください。歌では、特に音楽が音節を隠す箇所について、歌声を聴きながら認識された歌詞を確かめます。文言を音声と照合した後、文字起こしを別の要約、翻訳、編集工程の入力にできます。 #### ストリーミング認識とその範囲 同じASR系列は、音声が届く間の認識に対応します。開発元のストリーミング例は、保持された認識状態に音声チャンクを順次渡し、途中のテキストを表示してから、ストリームを終えて最終的な言語と文字起こしを得ます。ライブ字幕や進行中の文字起こしを準備する場合は、現在の増分テキストと完了した結果を区別してください。文書化されたストリーミング実装は、ストリーミングをバッチ推論と組み合わせず、タイムスタンプも返しません。時刻付きの文字起こしは別のフローを使います。これらは開発元の実装詳細であり、アプリケーションの通信方式やライブ字幕インターフェースについての約束ではありません。 #### 別のアライナーによる単語・文字の時刻情報 Qwen3-ForcedAligner-0.6Bは、音声録音と提示されたテキストを対応付け、単語または文字単位の開始・終了時刻を予測します。どちらのQwen3-ASR版とも別のモデルです。ASRツールキットは、オフライン文字起こしフローでタイムスタンプを求める場合にこのアライナーを使え、既存のテキストと音声の組にも対応付けを実行できます。アライナーの文書化された範囲は、中国語、英語、広東語、フランス語、ドイツ語、イタリア語、日本語、韓国語、ポルトガル語、ロシア語、スペイン語の11言語です。明記された発話の範囲は最大5分で、アライナーの範囲であり、ASR文字起こしの5分上限ではありません。 字幕の準備では、まず文字起こしを得て確認し、適切な対応付けフローで元の録音に合わせます。返された開始・終了時刻で字幕区間を準備し、聴きながら境界を確認してください。対応付けは、提示された言葉を音声に結び付けるもので、誤った文字起こしが修正された証拠として扱ってはいけません。有用な成果物は、表す録音とのつながりを保持する、時刻情報付きの確認済み文字起こしです。 #### 長い録音と実用上の制限 系列は長い音声の文字起こしに対応し、公式例は長い入力には生成テキストの容量を増やすよう利用者に指示しています。例示のトークン設定は設定の選択であり、共通するモデルのコンテキストや音声時間の上限ではありません。録音に合わせて出力容量を計画し、末尾が含まれているかを確認してください。名前、数量、言語の切り替わり、聞き取りにくい言葉、重なる発話を元の音と照合します。言語の対応範囲や難しい音声への堅牢性は、すべてのアクセント、録音、編曲で完全な文字起こしを保証しません。完全な結果は、認識した文言、その言語、音声との関係を保持し、検索、編集、後のコンテンツ処理に使えるものです。 **Ailoot Ultra · 文字起こし** `POST /v1/audio/transcriptions` `qwen/qwen3-asr-1.7b` [`qwen/qwen3-asr-1.7b`](https://ailoot.ai/models/ja/#m=qwen%2Fqwen3-asr-1.7b&route=Ultra&caller=qwen%2Fqwen3-asr-1.7b&fmt=transcriptions) Alibaba /`qwen/qwen3-asr-1.7b` ### はじめに Qwen3-ASR-1.7Bは、話し声や歌声をテキストに変換し、言語を識別します。Qwenは、30言語、22の中国語方言、オフラインまたはストリーミングの認識を文書化しています。単語単位の時刻情報には、別のQwen3-ForcedAlignerのフローを使います。 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 Ultra · 文字起こし** `POST /v1/audio/transcriptions` 入力の種類 `audio` 出力の種類 `text` | 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/qwen3-asr-1.7b | デフォルト— | | フィールド`input_audio` | 種類`object` | 要件必須 | 値と制限 | デフォルト— | | フィールド`language` | 種類`string` | 要件任意 | 値と制限 | デフォルト— | | フィールド`temperature` | 種類`number` | 要件任意 | 値と制限 最小値: 0 最大値: 1 | デフォルト— | | フィールド`response_format` | 種類`string` | 要件任意 | 値と制限 json, verbose\_json | デフォルトjson | | フィールド`timestamp_granularities` | 種類`array` | 要件任意 | 値と制限 | デフォルト— | | フィールド`provider` | 種類`object` | 要件任意 | 値と制限 | デフォルト— | 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`content_type` | 仕様application/json | | パラメータ`required` | 仕様model, input\_audio | | パラメータ`material_types` | 仕様audio | | パラメータ`material_conditions` | 仕様実際のWAVファイルを読み込み、その実際のバイト列を、宣言されたJSONのinput\_audio向けにエンコードしてください。この厳密にJSONのみを扱う宣言では、multipartルートは提供するとしていません。 | 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}` ### 料金 ##### 最終料金の計算方法 表示料金は生成前の費用の見積もりです。最終請求額は、元の生成処理に記録された費用から計算されます。実測された出力時間や予測数量が、そのまま最終的な課金数量になるわけではありません。 料金情報はリクエストの機能を追加しません。対応するパラメーターは選択したメソッドに記載されています。 高速モード 未指定 高速モードが選択されている場合 Flex モード 未指定 flex モードが選択されている場合 最大推論量 未指定 推論量が最大で、調整に既定値（default）を使用する場合 #### 比較用の推定料金 #### 設定別の価格 各料金を表示された条件と照合してください。選択肢となる設定の各組には、いずれか1つの料金を適用します。 | 設定 | 料金表 | 予測数量 | 課金単位 | 料金 | | --- | --- | --- | --- | --- | | 設定基本トークン料金 | 料金表基本料金 | 予測数量— | 課金単位— | 料金 入力 · 入力トークン · 比較専用の見積もり **—** / 1K トークン 出力 · 出力トークン · 比較専用の見積もり **—** / 1K トークン 入力 · キャッシュ読み取り · 比較専用の見積もり **—** / 1K トークン 入力 · キャッシュ書き込み · 比較専用の見積もり **—** / 1K トークン 入力 · キャッシュ書き込み、1時間 · 比較専用の見積もり **—** / 1K トークン | | 設定入力音声の秒 | 料金表— | 予測数量— | 課金単位入力音声1秒あたり | 料金 入力 · 入力音声の秒 · 比較専用の見積もり **$0.000015** 入力音声1秒あたり | | 設定生成費用の見積もり | 料金表— | 予測数量生成1回分の概算 | 課金単位— | 料金 出力 · 推定生成コスト · 比較専用の見積もり **$0.000015** 生成前の見積もり この見積もりは追加料金ではなく、完了した生成処理に対する固定料金でもありません。 | Ailootはリクエスト前に見積額を確保します。結果の取得後、実測使用量に基づいて最終料金を精算します。ストリーミング時の精算には最終の使用量記録を使用します。[金額の確保と精算の仕組み →](https://ailoot.ai/docs/ja/billing/reserve/) ### リクエスト例 #### Ailoot Ultra · 文字起こし curl · 正確なネイティブ形式のボディと結果全体 ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" : "${AILOOT_AUDIO_FILE:?Set the path to your actual WAV recording}" python3 - <<'PY_REQUEST' import json,os from pathlib import Path import base64 audio=Path(os.environ['AILOOT_AUDIO_FILE']).read_bytes() if not (audio[:4]==b'RIFF' and audio[8:12]==b'WAVE'): raise SystemExit('Supply an actual WAV audio file') if len(audio)>26214400: raise SystemExit('Use a documented supported large-file flow') request={'model': 'qwen/qwen3-asr-1.7b', 'input_audio': {'data': '${BASE64_ACTUAL_WAV_BYTES}', 'format': 'wav'}} request['input_audio']['data']=base64.b64encode(audio).decode('ascii') Path('request.json').write_text(json.dumps(request,ensure_ascii=False),encoding='utf-8') PY_REQUEST curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/transcriptions \ -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o response.bin # Keep the complete original response and headers. Read every returned segment, word and usage field. # Preserve actual operation/task/asset IDs; continue reads of the original result without resubmitting. ``` ### 結果を受け取って保存 #### Ailoot Ultra · 文字起こし - `GET /v1/media/tasks/{task_id}` - `GET /v1/media/assets/{asset_id}/content` - `GET /v1/media/assets` - `GET /v1/media/assets/{asset_id}` その他のコンテンツ取得 自分が所有する既存のアセットを読み取る ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \ -H "Authorization: Bearer $AILOOT_API_KEY" -o owned-assets.json # Preserve every returned asset and follow its exact signed content URL. Do not construct a signed token. ``` ##### 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。 レスポンスとヘッダーの全体、実際の出力すべて、最初に返された識別子、使用量フィールドすべてを保存してください。作成リクエストを再送せずに、元の操作を復旧してください。 ##### 元のレスポンスを確認する場合 照合のため、返された X-Client-Request-ID を保存してください。実際に返された task\_id/asset\_id の値、または自分が所有するメディアライブラリだけを使って読み取ってください。操作 ID からタスクの URL を組み立てたり、作成リクエストを再送したりしないでください。 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 | | フィールド`usage` | 種類 | | フィールド`segments[]` | 種類 | | フィールド`words[]` | 種類 | | フィールド`speaker fields` | 種類 | | フィールド`timestamps` | 種類 | ### エイリアス #### モデルのエイリアス **Ailoot Ultra** [`qwen/qwen3-asr-1.7b`](https://ailoot.ai/models/ja/#m=qwen%2Fqwen3-asr-1.7b&route=Ultra&caller=qwen%2Fqwen3-asr-1.7b&fmt=transcriptions) #### 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 [`qwen/qwen3-asr-1.7b`](https://ailoot.ai/models/ja/#m=qwen%2Fqwen3-asr-1.7b&route=Ultra&caller=qwen%2Fqwen3-asr-1.7b&fmt=transcriptions) FAQ · Qwen: Qwen3 ASR 1.7B 利用できる入力と結果は何ですか？ `POST /v1/audio/transcriptions` · `qwen/qwen3-asr-1.7b`: `audio` → `text` リクエストはどの項目を使用しますか？ `POST /v1/audio/transcriptions` · `qwen/qwen3-asr-1.7b`: `model`, `input_audio`, `language`, `temperature`, `response_format`, `timestamp_granularities`, `provider` どの制限が適用されますか？ `POST /v1/audio/transcriptions` · `qwen/qwen3-asr-1.7b`: `temperature.minimum`: `0`; `temperature.maximum`: `1` AilootをClaude Code、OpenCode、Hermes、自分のアプリに接続しましょう。 ## 企業とそのプロジェクト群 企業とそのプロジェクト群：数百万の顧客、毎月数十億規模の売上。 ## トークンを割引価格で購入。 継続利用にサブスクリプション割引。プロモコードでトークン購入が最大50%割引。 サブスクリプション 定期的なリクエストに合う割引プランを選びましょう。 最大50%のプロモコード 購入時にコードを入力すると、実施中のキャンペーンに沿って価格を再計算します。 支出を履歴で確認 各リクエストのモデル、トークン、金額が保存されます。 [サブスクリプションを選ぶ](https://ailoot.ai/docs/ja/billing/subscriptions/) · [モデルの価格を見る](https://ailoot.ai/models/ja/) ## 販売する製品に、 APIを組み込みましょう。 SaaS、アプリ、ボットをAilootの公式サービス提供条件とライセンス契約に基づいて接続できます。再販にはリセラーライセンスを申請できます。 商用アプリ サービスの有料機能に、文章、画像、動画、音声の生成を組み込めます。 リセラーライセンス プロジェクトの説明とアクセスの仕組みをお送りください。利用・再販条件の書面を申請できます。 サイトで契約文書を確認 接続前にサービス提供条件、ライセンス契約、データ処理ポリシーを読めます。 [リセラーライセンスを申請](mailto:support@ailoot.ai) · [サービス提供条件とライセンス契約](https://ailoot.ai/legal/offer?lang=ja) ## Ailoot · 企業とそのプロジェクト群 Ailootは、蓄積した運営経験、幅広い顧客基盤、安定したサービス、継続的なKPI管理を基盤としています。 企業とそのプロジェクト群：数百万の顧客、毎月数十億規模の売上。 Ailootはこの運営経験を、お客様の製品、エージェント、アプリケーション、自動化でAI機能を利用するためのAPIアクセスに活かしています。