asr-1.0

MiniMax ASR 1.0 аудионы мәтінге айналдырады, орыс тілін, репликаларды сөйлеушілер бойынша бөлуді және уақыт белгілерін қолдайды.

Ailoot · Сөйлеуді мәтінге түсіру POST /v1/audio/transcriptions asr-1.0

Модель туралы

Бұл сипаттама модель мүмкіндіктерін қамтиды. Ailoot жүйесінде таңдалған әдіс үшін қолжетімді кіріс, шығыс және параметрлер төменде берілген.

Әңгіме жазбасын мәтінге айналдыру

MiniMax ASR 1.0 аудиофайлдағы сөйлеуді таниды. Өндіруші оны кездесулерге, сұхбаттарға, подкасттарға, бейненің дыбыстық жолына, мазмұнды бақылауға және әңгімелерді талдауға қолдануды сипаттайды. Модель ойдан шығарылған үзінділерді азайтуға басымдық беріп, ауызекі сөйлеуге, шуға және кәсіби лексикаға бапталған. Бұл Ailoot карточкасында кіріс — аудио, нәтиже — мәтін.

Тіл және бірнеше қатысушы

Орыс және украин, ағылшын, француз, неміс, испан, итальян, португал және поляк тілдері; сондай-ақ қытай, кантон, жапон, корей, тай, вьетнам, индонезия, малай, филиппин, араб және түрік тілдері қолдау табады. Тіл берілмесе, модель негізгі тілді автоматты түрде анықтайды; өндіруші қытай және ағылшын сөйлеуінің үйлесуін жеке сипаттайды.

Нәтижені кеңейтілген түрде бергенде модель сөйлеушілерді бөліп көрсетіп, репликаларды уақытпен байланыстыра алады. Онда қатысушылардың жалпы саны және сөйлеуші белгісі, басталу, аяқталу уақыты мен мәтіні бар сегменттер қайтарылады. Бұл әртүрлі қатысушылардың репликаларын араластырмай, нақты репликаны кім және қашан айтқанын талдауға көмектеседі.

Нәтижені беру түрлері

Өндіруші мәтіні мен ұзақтығы бар кәдімгі JSON, кеңейтілген verbose_json, сондай-ақ SRT және WebVTT субтитрлерін қарастырады. Уақыт белгілері үшін әдепкіде сөйлем не сегмент деңгейі қолданылады. Жеке сөз белгілері ағылшын, жеке таңба белгілері қытай тілі үшін сипатталған; мұндай белгілер уақытпен сәйкестендіруі бар форматтарға қатысты.

Мәтінді біртіндеп шығару мүмкін, бірақ оны сөйлеушілер бойынша бөлумен және субтитр форматтарымен біріктіруге болмайды. Мұндай режим бұрын берілген файл өңделген сайын танылған мәтіннің жаңа үзінділерін қайтарады. Бұл — микрофоннан аудионы үздіксіз жіберу емес, нәтиже ағыны.

Жазбаға қойылатын талаптар

Мәлімделген кіріс форматтары — WAV, AIFF, FLAC, M4A контейнеріндегі ALAC, MP3, AAC, Opus және Ogg. Файлда 500 секундтан аспайтын аудио болуы және өлшемі 50 МБ-тан аспауы керек. Ұзақтық асса, жазба байқатпай қиылмай, қабылданбайды. Контейнерсіз бастапқы PCM қолдау таппайды.

Жазбаны дайындау үшін өндіруші 16 кГц мононы немесе сығылған аудиоформатты ұсынады: жоғары жиілік пен стерео тануға қажет емес және файл өлшемін арттырады. Кеңейтілген шығыс пен ағындық өңдеу мүмкіндіктері ASR 1.0-ге қатысты; нақты сұраудың қолжетімді жауап форматы Ailoot құралдарымен беріледі.

Ailoot · Сөйлеуді мәтінге түсіру POST /v1/audio/transcriptions asr-1.0

asr-1.0

MiniMax /asr-1.0

Бастау

Қабылданатын кіріс деректері: Аудио
Нәтижелер: Мәтін

Ailoot жүйесінде қолжетімді · кіріс деректері мен әдістер

Ailoot · Сөйлеуді мәтінге түсіру POST /v1/audio/transcriptions

Кіріс: audio
Шығыс: text
Шығыс пішімі: json

Өріс	Түрі	Талап	Мәндер мен шектеулер	Әдепкі
Өріс`model`	Түрі`string`	ТалапМіндетті	Мәндер мен шектеулер asr-1.0	Әдепкі—
Өріс`file`	Түрі`file`	ТалапМіндетті	Мәндер мен шектеулер Байттардың ең көп саны: 52 428 800 Файл пішімдері: wav, mp3, m4a, ogg, webm, flac Мазмұн түрі: multipart/form-data Ұзақтықтың жоғарғы шегі (шектің өзі кірмейді), секунд: 500	Әдепкі—
Өріс`response_format`	Түрі`string`	ТалапМіндетті емес	Мәндер мен шектеулер json	Әдепкі—

Кіріс материалдарының үйлесімдері

speech_to_text · Міндетті: actual audio file

Әдіс параметрлері мен өмірлік циклі

Параметр	Параметр талаптары
Параметр`material_types`	Параметр талаптарыaudio
Параметр`required`	Параметр талаптарыnull
Параметр`optional_controls`	Параметр талаптарыnull

Өмірлік цикл: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · Нақты қайтарылған task_id немесе медиатека жазбасы

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Әдіс құрылымдары мен ID мәндері дәл берілген; жеткізушінің мүмкіндігі сұрауды қабылдаудан бөлек қаралады.

Тарифтер

Ailoot әдістерінің мөлшерлемелері

Ailoot Сөйлеуді мәтінге түсіруPOST /v1/audio/transcriptions

Кіріс: 0,38 $ аудио сағаты үшін

Ailoot сұрау алдында болжамды соманы резервтейді. Нәтижеден кейін өлшенген пайдалану көлемі бойынша қорытынды төлемді шегереді. Ағындық жауап үшін төлем соңғы пайдалану жазбасы негізінде шегеріледі. Резервтеу мен төлемді есептеу тәртібі →

Сұрау мысалдары

Ailoot · Сөйлеуді мәтінге түсіру

Транскрипция мысалы

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

Нәтижелерді алу және сақтау

Ailoot · Сөйлеуді мәтінге түсіру

json

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

Барлық дайын нәтижені сақтау

Қайтарылған әр толық жауапты, файлды және мазмұн бөлігін сақтаңыз.

Тек мәтінді емес, JSON жауабын толық сақтаңыз; қолжетімді әрбір сегментті, сөйлеушіні, уақыт белгісін және нақты тапсырма мен ресурс идентификаторын сақтаңыз.

Бастапқы жауапты тексеру қажет болса

Қайта жібермей салыстырып тексеру үшін бастапқы operation_id/X-Client-Request-ID мәнін сақтаңыз; аудио күйін мерзімді түрде сұратуға арналған жеке маршрут жоқ.

Жауап өрістері

Өріс	Түрі
Өріс`text`	Түріstring
Өріс`segments[]`	Түріobject
Өріс`task_id`	Түріstring
Өріс`asset_url`	Түріstring
Өріс`usage`	Түріobject

Қателер және келесі қадамдар

Жауап	Шарт	Келесі қадам
Жауап400 · `invalid_request_error`	ШартМіндетті өрістер, материалды ұсыну тәсілі немесе параметр мәні қате	Келесі қадамЖаңадан жасау сұрауын жібермес бұрын көрсетілген өрістерді түзетіңіз.
Жауап`server_error`	ШартҚайтарылған жауапта операцияны немесе нәтижені тексеру қажет екені көрсетілген	Келесі қадамБастапқыда қайтарылған операцияның/тапсырманың ID мәнін, сұрау тақырыптарын және жауабын сақтаңыз; сол бастапқы операцияны қолдау көрсетілетін тәсілдермен оқуды жалғастырыңыз. Жасау сұрауын қайта жібермеңіз.

Балама атаулар

Модельдердің балама атаулары

Ailoot asr-1.0

Әдіс жолдарының балама атаулары

Жоғарыда көрсетілген әдіс жолдарын пайдаланыңыз.

Шақыруға арналған байланысты ID

asr-1.0

FAQ · asr-1.0

Қандай кіріс деректері мен нәтижелер қолжетімді?: POST /v1/audio/transcriptions · asr-1.0: audio → text
Сұрау қандай өрістерді пайдаланады?: POST /v1/audio/transcriptions · asr-1.0: model, file, response_format

asr-1.0

asr-1.0

Әңгіме жазбасын мәтінге айналдыру

Тіл және бірнеше қатысушы

Нәтижені беру түрлері

Жазбаға қойылатын талаптар

Бастау

Ailoot жүйесінде қолжетімді · кіріс деректері мен әдістер

Тарифтер

Ailoot әдістерінің мөлшерлемелері

Сұрау мысалдары

Ailoot · Сөйлеуді мәтінге түсіру

Нәтижелерді алу және сақтау

Ailoot · Сөйлеуді мәтінге түсіру

Барлық дайын нәтижені сақтау

Бастапқы жауапты тексеру қажет болса

Балама атаулар

Модельдердің балама атаулары

Әдіс жолдарының балама атаулары

Шақыруға арналған байланысты ID

Компания және оның жобалар портфелі

Токенді жеңілдікпен сатып алыңыз.

API-ді сататын өніміңізге қосыңыз.