Qwen: Qwen3 ASR 1.7B

Qwen3-ASR-1.7B сөйлеу мен ән айтуды мәтінге айналдырып, тілді анықтайды. Qwen 30 тілді, 22 қытай диалектісін және офлайн немесе ағындық тануды құжаттайды; сөз деңгейіндегі уақыт белгілеу бөлек Qwen3-ForcedAligner жұмыс процесін қолданады.

Ailoot Ultra · Дыбысты мәтінге түсіру POST /v1/audio/transcriptions qwen/qwen3-asr-1.7b

Модель туралы

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

Qwen3-ASR-1.7B — Qwen3-ASR отбасындағы үлкенірек Qwen сөйлеуді тану моделі. Ол аудио қабылдап, танылған мәтінді тіл белгісімен бірге қайтарады. Отбасы Qwen3-Omni аудионы түсіну негізіне сүйеніп, офлайн және ағындық тануға бір ASR моделін қолданады. 1.7B нұсқасы тану сапасына, ал бөлек аталған 0.6B нұсқасы тиімділікке басымдық береді. Құжатталған тіл қамтуы мен тану жұмыс процестері ортақ болғанымен, бұл нұсқалар бөлек таңдаулар болып қалады.

Тілді анықтау және аудио қамтуы

Өндіруші 30 тіл мен 22 қытай диалектісін, сондай-ақ бірнеше аймақтың ағылшын акценттерін көрсетеді. Тілдер тізіміне қытай, ағылшын, кантон, араб, неміс, француз, испан, португал, индонезия, итальян, корей, орыс, тай, вьетнам, жапон, түрік, хинди, малай, нидерланд, швед, дания, фин, поляк, чех, филиппин, парсы, грек, венгр, македон және румын тілдері кіреді. Қолдау табатын аудио түрлері сөйлеуді, ән айтатын дауысты және фондық музыкасы бар әндерді қамтиды. Бұл қабілеттер қиын үзінділерді тексеру үшін бастапқы аудио сақталған сұхбаттарға, дәрістерге, дауыстық жазбаларға және ән мәтінін тексеруге транскриптті пайдалы етеді.

Аудионы дайындау және транскрипт алу

Өндірушінің құралдар жинағы аудиофайл сілтемесін, кодталған аудионы немесе дискреттеу жиілігімен бірге берілген толқын пішімін қабылдайды, ал офлайн жұмыс процесі жазбалар жинағын өңдей алады. Ол тілді автоматты түрде анықтай немесе көрсетілген қолдау табатын тілді қолдана алады. Белгісіз жазбаға автоматты анықтауды таңдаңыз; тіл белгілі және тапсырмаға қатысты болса, нақты айтылатын тілді беріңіз. Мысал нәтижеде анықталған немесе таңдалған тіл және танылған мәтін беріледі. Тіл баптауы мазмұнды басқа тілде қайта жазу сұрауын анықтамай, жазбаны тануға бағыт береді.

Сұхбатта жазбаны күнімен, тақырыбымен және дереккөз идентификаторымен байланысты сақтап, қайтарылған мәтінді іздеуге болатын транскрипт ретінде қолданыңыз. Дәрісте тексеру кезінде түсініксіз сөздерді ықтимал түсіндірмемен үнсіз алмастырмай, техникалық терминдер мен сандық өрнектерді сақтаңыз. Әнде вокал жолын тыңдап, әсіресе музыка буынды бүркемелеген жерлерде танылған мәтінді тексеріңіз. Мәтіні аудиомен салыстырылып тексерілгеннен кейін транскрипт бөлек қысқаша мазмұндау, аударма немесе редакциялық қадамның кірісі бола алады.

Ағындық тану және оның ауқымы

Сол ASR отбасы аудио келіп жатқанда тануды қолдайды. Өндірушінің ағындық мысалы сақталған тану күйіне аудио бөліктерін бірізді береді, аралық мәтінді көрсетеді, содан кейін соңғы тіл мен транскриптті алу үшін ағынды аяқтайды. Тікелей субтитр немесе жалғасып жатқан транскрипт дайындағанда ағымдағы біртіндеп толықтырылатын мәтінді аяқталған нәтижеден ажыратыңыз. Құжатталған ағындық іске асыру ағынды пакеттік инференспен біріктірмейді және уақыт белгілерін қайтармайды; уақытпен белгіленген транскрипт басқа жұмыс процесін қолданады. Бұл — қолданбаның тасымалы немесе тікелей субтитр интерфейсі туралы уәде емес, өндірушінің іске асыру мәліметтері.

Бөлек сәйкестендіргіш арқылы сөз немесе таңба уақытын анықтау

Qwen3-ForcedAligner-0.6B аудиожазбаны берілген мәтінмен сәйкестендіріп, сөз немесе таңба деңгейіндегі басталу және аяқталу уақытын болжайды. Ол Qwen3-ASR нұсқаларының екеуінен де бөлек модель. ASR құралдар жинағы офлайн транскрипция ағынында уақыт белгілері сұралғанда осы сәйкестендіргішті қолдана алады немесе сәйкестендіру дайын мәтін–аудио жұбында орындала алады. Сәйкестендіргіштің құжатталған қамтуы — 11 тіл: қытай, ағылшын, кантон, француз, неміс, итальян, жапон, корей, португал, орыс және испан. Көрсетілген сөйлеу аралығы бес минутқа дейін; бұл — ASR транскрипциясының бес минуттық шегі емес, сәйкестендіргіштің ауқымы.

Субтитр дайындауда алдымен транскриптті алып, тексеріңіз, содан кейін тиісті сәйкестендіру процесі жарамды жерде оны бастапқы жазбаға сәйкестендіріңіз. Қайтарылған басталу және аяқталу уақытын субтитр сегменттерін дайындауға қолданып, тыңдау кезінде шекараларын тексеріңіз. Сәйкестендіру берілген сөздерді аудиомен байланыстырады; оны қате транскрипттің түзетілгеніне дәлел деп қабылдамаған жөн. Пайдалы өнім — өзі сипаттайтын жазбамен байланысын сақтайтын уақыт ақпараты бар тексерілген транскрипт.

Ұзын жазбалар және практикалық шектеулер

Отбасы ұзын аудионы транскрипциялауды қолдайды, ал ресми мысалдар пайдаланушыларға ұзын кіріс үшін көбірек жасалатын мәтінге орын беруді айтады. Олардың мысал токен баптаулары әмбебап модель контексті немесе аудио ұзақтығының шегі емес, конфигурация таңдаулары. Шығыс көлемін жазбаға сай жоспарлап, соңғы бөліктің бар екенін тексеріңіз. Атауларды, мөлшерлерді, тіл өзгерістерін, көмескі сөздерді және қабаттасқан сөйлеуді бастапқы дыбыспен салыстырыңыз. Тіл қамтуы мен күрделі аудиоға төзімділік әр акцентке, жазбаға немесе музыкалық аранжировкаға мінсіз транскриптке кепілдік бермейді. Толық нәтиже танылған мәтінді, тілін және аудиомен байланысын сақтайды, сондықтан оны іздеуге, өңдеуге немесе кейінгі мазмұн жұмыс процесінде қолдануға болады.

Ailoot Ultra · Дыбысты мәтінге түсіру POST /v1/audio/transcriptions qwen/qwen3-asr-1.7b

qwen/qwen3-asr-1.7b

Alibaba /qwen/qwen3-asr-1.7b

Бастау

Қабылданатын кіріс деректері: Аудио
Нәтижелер: Мәтін

Ailoot жүйесінде қолжетімді · кіріс деректері мен әдістер

Ailoot Ultra · Дыбысты мәтінге түсіру POST /v1/audio/transcriptions

Кіріс: audio
Шығыс: text

Өріс	Түрі	Талап	Мәндер мен шектеулер	Әдепкі
Өріс`model`	Түрі`string`	ТалапМіндетті	Мәндер мен шектеулер qwen/qwen3-asr-1.7b	Әдепкі—
Өріс`input_audio`	Түрі`object`	ТалапМіндетті	Мәндер мен шектеулер	Әдепкі—
Өріс`language`	Түрі`string`	ТалапМіндетті емес	Мәндер мен шектеулер	Әдепкі—
Өріс`temperature`	Түрі`number`	ТалапМіндетті емес	Мәндер мен шектеулер Ең азы: 0 Ең көбі: 1	Әдепкі—
Өріс`response_format`	Түрі`string`	ТалапМіндетті емес	Мәндер мен шектеулер json, verbose_json	Әдепкіjson
Өріс`timestamp_granularities`	Түрі`array`	ТалапМіндетті емес	Мәндер мен шектеулер	Әдепкі—
Өріс`provider`	Түрі`object`	ТалапМіндетті емес	Мәндер мен шектеулер	Әдепкі—

Әдіс параметрлері мен өмірлік циклі

Параметр	Параметр талаптары
Параметр`content_type`	Параметр талаптарыapplication/json
Параметр`required`	Параметр талаптарыmodel, input_audio
Параметр`material_types`	Параметр талаптарыaudio
Параметр`material_conditions`	Параметр талаптарыНақты WAV файлын оқып, оның шын байттарын мәлімделген JSON input_audio үшін кодтаңыз; тек JSON қабылдайтын осы нақты декларация үшін multipart маршруты ұсынылмайды.

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}

Тарифтер

Қорытынды төлем қалай есептеледі

Көрсетілген тарифтер генерация басталғанға дейінгі құнын бағалауға арналған. Соңғы төлем бастапқы генерация үшін тіркелген құннан есептеледі. Нәтиженің өлшенген ұзақтығы мен болжамды көлемдер төлемге негіз болатын түпкілікті көлем болып саналмайды.

Тариф анықтамасы сұрау мүмкіндіктерін қоспайды. Қолдау көрсетілетін параметрлер таңдалған әдісте берілген.

Жылдам режим: Көрсетілмеген Жылдам режим таңдалғанда
Икемді режим: Көрсетілмеген flex режимі таңдалғанда
Ой қорытудың ең жоғары деңгейі: Көрсетілмеген Ой қорыту деңгейі ең жоғары болып, default түзетуі қолданылғанда

Салыстыруға арналған болжамды мөлшерлемелер

Баптаулар бойынша бағалар

Әр төлемді көрсетілген шарттармен салыстырыңыз. Балама баптаулардың әр жиыны үшін бір мөлшерлемені қолданыңыз.

Баптау	Мөлшерлемелер кестесі	Болжамды мөлшер	Есептеу бірлігі	Төлем
БаптауТокендердің базалық тарифтері	Мөлшерлемелер кестесіНегізгі мөлшерлеме	Болжамды мөлшер—	Есептеу бірлігі—	Төлем Кіріс · Кіріс токендері · Тек салыстыруға арналған бағалау — / 1K токен Шығыс · Шығыс токендері · Тек салыстыруға арналған бағалау — / 1K токен Кіріс · Кэшті оқу · Тек салыстыруға арналған бағалау — / 1K токен Кіріс · Кэшке жазу · Тек салыстыруға арналған бағалау — / 1K токен Кіріс · Кэшке жазу, 1 сағ · Тек салыстыруға арналған бағалау — / 1K токен
Баптаукіріс аудио секунды	Мөлшерлемелер кестесі—	Болжамды мөлшер—	Есептеу бірлігікіріс аудионың секунды үшін	Төлем Кіріс · кіріс аудио секунды · Тек салыстыруға арналған бағалау $0.000015 кіріс аудионың секунды үшін
БаптауГенерацияның болжамды құны	Мөлшерлемелер кестесі—	Болжамды мөлшербір генерацияға арналған болжам	Есептеу бірлігі—	Төлем Шығыс · Генерацияның болжамды құны · Тек салыстыруға арналған бағалау $0.000015 жасауға дейінгі бағалау Бұл бағалау қосымша төлем де, аяқталған генерация үшін белгіленген тұрақты тариф те емес.

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 Ultra · Дыбысты мәтінге түсіру

curl · төл пішімдегі дәл сұрау денесі және толық нәтиже

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.

Нәтижелерді алу және сақтау

Ailoot Ultra · Дыбысты мәтінге түсіру

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

Басқа мазмұнды оқу

Өзіңізге тиесілі қолда бар материалдарды оқу

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.

Барлық дайын нәтижені сақтау

Қайтарылған әр толық жауапты, файлды және мазмұн бөлігін сақтаңыз.

Толық жауапты және тақырыптарды, алынған әрбір нәтижені, бастапқыда қайтарылған идентификаторларды және пайдалану туралы барлық өрістерді сақтаңыз. Жасау сұрауын қайта жібермей, бастапқы операцияны қалпына келтіріңіз.

Бастапқы жауапты тексеру қажет болса

Есептерді салыстырып тексеру үшін қайтарылған X-Client-Request-ID мәнін сақтаңыз. Тек нақты қайтарылған task_id/asset_id мәндері арқылы немесе өзіңізге тиесілі медиатекадан оқыңыз; операция ID мәнінен тапсырманың URL мекенжайын ешқашан құрастырмаңыз және жасау сұрауын ешқашан қайта жібермеңіз.

Жауап өрістері

Өріс	Түрі
Өріс`text`	Түрі
Өріс`usage`	Түрі
Өріс`segments[]`	Түрі
Өріс`words[]`	Түрі
Өріс`speaker fields`	Түрі
Өріс`timestamps`	Түрі

Балама атаулар

Модельдердің балама атаулары

Ailoot Ultra qwen/qwen3-asr-1.7b

Әдіс жолдарының балама атаулары

Жоғарыда көрсетілген әдіс жолдарын пайдаланыңыз.

Шақыруға арналған байланысты ID

qwen/qwen3-asr-1.7b

FAQ · Qwen: Qwen3 ASR 1.7B

Қандай кіріс деректері мен нәтижелер қолжетімді?: POST /v1/audio/transcriptions · qwen/qwen3-asr-1.7b: audio → text
Сұрау қандай өрістерді пайдаланады?: POST /v1/audio/transcriptions · qwen/qwen3-asr-1.7b: model, input_audio, language, temperature, response_format, timestamp_granularities, provider
Қандай шектеулер қолданылады?: POST /v1/audio/transcriptions · qwen/qwen3-asr-1.7b: temperature.minimum: 0; temperature.maximum: 1

Qwen: Qwen3 ASR 1.7B