qwen-audio-3.0-asr-flash
Сөйлеуді тыныс белгілері қойылған және сандардың жазылуы қалыпқа келтірілген оқуға ыңғайлы мәтінге айналдыратын модель. Орыс және басқа тілдерді, сондай-ақ қытай диалектілерін қолдайды.
- Ailoot · Сөйлеуді мәтінге түсіру
POST /v1/audio/transcriptionsqwen-audio-3.0-asr-flash - Ailoot · Сөйлеуді мәтінге түсіру
POST /v1/audio/transcriptionsqwen-asr - Ailoot · Сөйлеуді мәтінге түсіру
POST /v1/audio/transcriptionsqwen-asr-latest
Модель туралы
Бұл сипаттама модель мүмкіндіктерін қамтиды. Ailoot жүйесінде таңдалған әдіс үшін қолжетімді кіріс, шығыс және параметрлер төменде берілген.
Qwen-Audio-3.0-ASR-Flash сөйлеу жазбасын мәтінге айналдыруға арналған. Alibaba көптілді тануды және мәнерлі сөйлеумен, соның ішінде поэзиялық ырғақпен, классикалық қытай тілімен және мәдени баяндаумен жұмысты атап көрсетеді. Кіріс ретінде аудио беріледі, нәтиже — оның мәтіндік транскрипциясы.
Сөйлеудің жазбаша түрі
Модель тыныс белгілерін қояды және айтылған сандарды, күндерді, ақша сомаларын қалыпты жазбаша түрге келтіреді. Бұл тек танылған сөздер тізбегі емес, оқуға ыңғайлы мәтін қажет болатын дауыстық хабарламаларға, сұхбат үзінділеріне және оқу мақсатындағы сөйлеуге пайдалы.
Орыс, ағылшын, француз, неміс, жапон және араб тілдерін қоса алғанда, 30 тіл қолдау табады. Бұған қоса қытай тілінің жеті негізгі диалектілік жүйесі және айтылымның 20-дан астам аймақтық нұсқасы ескеріледі. Бұл жиын әртүрлі тілдік және акценттік ерекшеліктерді тануға арналған.
Арнайы терминдер үшін тапсырма контекстін және көмекші сөздерді беруге болады. Олар есімдер мен салалық лексиканы тануды бағыттауға көмектеседі. Бұл нұсқада уақыт белгілері үнемі қосулы: нәтижені жазбаның тиісті үзінділерімен байланыстыруға болады. Қысқа файлдың транскрипциясы толық немесе өңделу барысында қайтарылуы мүмкін.
Материал және шектеулер
Жазбаның ең ұзақ уақыты — бес минут. Бір тапсырмада бір файл қолданылады. AAC, AMR, AVI, FLAC, FLV, M4A, MKV, MOV, MP3, MP4, MPEG, OGG, OPUS, WAV, WEBM, WMA және WMV қолдау табады; дискреттеу жиілігі кез келген болуы мүмкін. Форматтар тізімінде бейнеконтейнердің болуы оның дыбыстық бөлігінен сөйлеуді алуға қатысты, кадрларды визуалды талдауды білдірмейді.
Qwen-Audio-3.0-ASR-Flash үшін сөйлеушілерді ажырату және эмоцияны тану қарастырылмаған. Оның негізгі нәтижесі — мәтін және танылған мазмұнның жазба уақытымен байланысы. Көршілес модельдер үшін мәлімделген ұзақ жазбалармен жұмыс пен дыбысты талдаудың басқа тәсілдері бұл нұсқаға қатысты емес.
Ailoot · Сөйлеуді мәтінге түсіру POST /v1/audio/transcriptions qwen-audio-3.0-asr-flash
qwen-audio-3.0-asr-flashqwen-audio-3.0-asr-flashqwen-asrqwen-asr-latest
Бастау
Сөйлеуді тыныс белгілері қойылған және сандардың жазылуы қалыпқа келтірілген оқуға ыңғайлы мәтінге айналдыратын модель. Орыс және басқа тілдерді, сондай-ақ қытай диалектілерін қолдайды.
- 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 |
|---|---|---|---|---|
Өрісmodel | Түріstring | ТалапМіндетті | Мәндер мен шектеулер qwen-audio-3.0-asr-flash | Әдепкі— |
Өрісfile | Түріfile | ТалапМіндетті | Мәндер мен шектеулер Байттардың ең көп саны: 10 485 760 Файл пішімдері: wav, mp3, m4a, ogg, webm, flac Мазмұн түрі: multipart/form-data Ұзақтықтың жоғарғы шегі, секунд: 300 | Әдепкі— |
Өрісresponse_format | Түріstring | 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 |
|---|---|
Параметрmaterial_types | Параметр талаптарыaudio |
Параметрrequired | Параметр талаптарыnull |
Параметрoptional_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
POST /v1/audio/transcriptions- Кіріс
- 0,0021 $ аудио минуты 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
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
Нәтижелерді алу және сақтау
Ailoot · Сөйлеуді мәтінге түсіру
json
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /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 |
|---|---|
Өрісtext | Түріstring |
Өрісsegments[] | Түріobject |
Өрісtask_id | Түріstring |
Өрісasset_url | Түріstring |
Өрісusage | 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. |
Жауапserver_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 qwen-audio-3.0-asr-flash, qwen-asr, qwen-asr-latest
Әдіс жолдарының балама атаулары
Жоғарыда көрсетілген әдіс жолдарын пайдаланыңыз.
Шақыруға арналған байланысты ID
Ailoot · Сөйлеуді мәтінге түсіру POST /v1/audio/transcriptions qwen-asr
qwen-asrqwen-audio-3.0-asr-flashqwen-asrqwen-asr-latest
Бастау
Сөйлеуді тыныс белгілері қойылған және сандардың жазылуы қалыпқа келтірілген оқуға ыңғайлы мәтінге айналдыратын модель. Орыс және басқа тілдерді, сондай-ақ қытай диалектілерін қолдайды.
- 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 |
|---|---|---|---|---|
Өрісmodel | Түріstring | ТалапМіндетті | Мәндер мен шектеулер qwen-asr | Әдепкі— |
Өрісfile | Түріfile | ТалапМіндетті | Мәндер мен шектеулер Байттардың ең көп саны: 10 485 760 Файл пішімдері: wav, mp3, m4a, ogg, webm, flac Мазмұн түрі: multipart/form-data Ұзақтықтың жоғарғы шегі, секунд: 300 | Әдепкі— |
Өрісresponse_format | Түріstring | 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 |
|---|---|
Параметрmaterial_types | Параметр талаптарыaudio |
Параметрrequired | Параметр талаптарыnull |
Параметрoptional_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
POST /v1/audio/transcriptions- Кіріс
- 0,0021 $ аудио минуты 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
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
Нәтижелерді алу және сақтау
Ailoot · Сөйлеуді мәтінге түсіру
json
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /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 |
|---|---|
Өрісtext | Түріstring |
Өрісsegments[] | Түріobject |
Өрісtask_id | Түріstring |
Өрісasset_url | Түріstring |
Өрісusage | 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. |
Жауапserver_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 qwen-audio-3.0-asr-flash, qwen-asr, qwen-asr-latest
Әдіс жолдарының балама атаулары
Жоғарыда көрсетілген әдіс жолдарын пайдаланыңыз.
Шақыруға арналған байланысты ID
Ailoot · Сөйлеуді мәтінге түсіру POST /v1/audio/transcriptions qwen-asr-latest
qwen-asr-latestqwen-audio-3.0-asr-flashqwen-asrqwen-asr-latest
Бастау
Сөйлеуді тыныс белгілері қойылған және сандардың жазылуы қалыпқа келтірілген оқуға ыңғайлы мәтінге айналдыратын модель. Орыс және басқа тілдерді, сондай-ақ қытай диалектілерін қолдайды.
- 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 |
|---|---|---|---|---|
Өрісmodel | Түріstring | ТалапМіндетті | Мәндер мен шектеулер qwen-asr-latest | Әдепкі— |
Өрісfile | Түріfile | ТалапМіндетті | Мәндер мен шектеулер Байттардың ең көп саны: 10 485 760 Файл пішімдері: wav, mp3, m4a, ogg, webm, flac Мазмұн түрі: multipart/form-data Ұзақтықтың жоғарғы шегі, секунд: 300 | Әдепкі— |
Өрісresponse_format | Түріstring | 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 |
|---|---|
Параметрmaterial_types | Параметр талаптарыaudio |
Параметрrequired | Параметр талаптарыnull |
Параметрoptional_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
POST /v1/audio/transcriptions- Кіріс
- 0,0021 $ аудио минуты 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
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
Нәтижелерді алу және сақтау
Ailoot · Сөйлеуді мәтінге түсіру
json
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /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 |
|---|---|
Өрісtext | Түріstring |
Өрісsegments[] | Түріobject |
Өрісtask_id | Түріstring |
Өрісasset_url | Түріstring |
Өрісusage | 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. |
Жауапserver_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 qwen-audio-3.0-asr-flash, qwen-asr, qwen-asr-latest
Әдіс жолдарының балама атаулары
Жоғарыда көрсетілген әдіс жолдарын пайдаланыңыз.
Шақыруға арналған байланысты ID
FAQ · qwen-audio-3.0-asr-flash
- Қандай кіріс деректері мен нәтижелер қолжетімді?
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- Сұрау қандай өрістерді пайдаланады?
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