qwen-audio-3.0-asr-flash
Kalbos atpažinimo modelis, verčiantis garsą į skaitomą tekstą su skyryba ir standartine skaičių rašyba. Palaiko rusų ir kitas kalbas bei kinų dialektus.
- Ailoot · Kalba į tekstą
POST /v1/audio/transcriptionsqwen-audio-3.0-asr-flash - Ailoot · Kalba į tekstą
POST /v1/audio/transcriptionsqwen-asr - Ailoot · Kalba į tekstą
POST /v1/audio/transcriptionsqwen-asr-latest
Apie modelį
Šis aprašas apima modelio galimybes. Pasirinktam metodui Ailoot prieinamos įvestys, išvestys ir parinktys nurodytos toliau.
Qwen-Audio-3.0-ASR-Flash skirtas kalbos įrašui paversti tekstu. Alibaba pabrėžia daugiakalbį atpažinimą ir išraiškingos kalbos apdorojimą, įskaitant poetinį ritmą, klasikinę kinų kalbą ir kultūrinį pasakojimą. Įvestis — garsas, rezultatas — transkripcija.
Kalba rašytine forma
Modelis įterpia skyrybos ženklus ir ištartus skaičius, datas bei pinigų sumas perteikia įprasta rašytine forma. Tai naudinga balso žinutėms, interviu ištraukoms ir mokomajai kalbai, kai reikia skaitomo teksto, o ne vien atpažintų žodžių sekos.
Palaikoma 30 kalbų, įskaitant rusų, anglų, prancūzų, vokiečių, japonų ir arabų. Papildomai atsižvelgiama į septynias pagrindines kinų dialektų sistemas ir daugiau kaip 20 regioninių tarimo variantų. Šis rinkinys skirtas įvairioms kalbų ir akcentų ypatybėms atpažinti.
Specialiesiems terminams galima pateikti užduoties kontekstą ir pagalbinius žodžius. Jie padeda nukreipti vardų ir dalykinės leksikos atpažinimą. Šioje versijoje laiko žymos įjungtos nuolat: rezultatą galima susieti su atitinkamomis įrašo ištraukomis. Trumpo failo transkripcija gali būti grąžinama visa arba dalimis apdorojimo metu.
Medžiaga ir apribojimai
Didžiausia įrašo trukmė — penkios minutės. Vienoje užduotyje naudojamas vienas failas. Palaikomi AAC, AMR, AVI, FLAC, FLV, M4A, MKV, MOV, MP3, MP4, MPEG, OGG, OPUS, WAV, WEBM, WMA ir WMV; leidžiamas bet koks diskretizavimo dažnis. Vaizdo konteineris formatų sąraše reiškia kalbos išgavimą iš jo garso dalies, o ne vizualinę kadrų analizę.
Qwen-Audio-3.0-ASR-Flash nenumatytas kalbėtojų atskyrimas ir emocijų atpažinimas. Pagrindinis jo rezultatas — tekstas ir atpažinto turinio susiejimas su laiku įraše. Gretimiems modeliams deklaruojamos ilgesnių įrašų ir kitos garso analizės galimybės šiai versijai netaikomos.
Ailoot · Kalba į tekstą POST /v1/audio/transcriptions qwen-audio-3.0-asr-flash
qwen-audio-3.0-asr-flashqwen-audio-3.0-asr-flashqwen-asrqwen-asr-latest
Pradžia
Kalbos atpažinimo modelis, verčiantis garsą į skaitomą tekstą su skyryba ir standartine skaičių rašyba. Palaiko rusų ir kitas kalbas bei kinų dialektus.
- Leidžiamos įvestys
- Garsas
- Rezultatai
- Tekstas
Prieinama Ailoot · įvestys ir metodai
Ailoot · Kalba į tekstą POST /v1/audio/transcriptions
- Įvestis
audio- Išvestis
text- Išvesties formatas
- json
| Laukas | Tipas | Reikalavimas | Reikšmės ir ribos | Numatyta |
|---|---|---|---|---|
Laukasmodel | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos qwen-audio-3.0-asr-flash | Numatyta— |
Laukasfile | Tipasfile | ReikalavimasPrivaloma | Reikšmės ir ribos Didžiausias baitų skaičius: 10 485 760 Failų formatai: wav, mp3, m4a, ogg, webm, flac Turinio tipas: multipart/form-data Didžiausia trukmė, sekundės: 300 | Numatyta— |
Laukasresponse_format | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos json | Numatyta— |
Įvesties medžiagos deriniai
speech_to_text · Privaloma: actual audio file
Metodo parametrai ir gyvavimo ciklas
| Parametras | Specifikacija |
|---|---|
Parametrasmaterial_types | Specifikacijaaudio |
Parametrasrequired | Specifikacijanull |
Parametrasoptional_controls | Specifikacijanull |
Gyvavimo ciklas: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · faktiškai grąžinta task_id reikšmė arba medijos bibliotekos įrašas
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Metodų struktūros ir ID yra tikslūs; tiekėjo galimybės yra atskirtos nuo užklausos priėmimo.
Planai
Ailoot metodų įkainiai
POST /v1/audio/transcriptions- Įvestis
- 0,0021 USD už garso minutę
Ailoot prieš užklausą rezervuoja numatomą sumą. Gavus rezultatą, galutinis mokestis nuskaitomas pagal išmatuotą naudojimą. Srautinio atsakymo atsiskaitymui naudojamas galutinis naudojimo įrašas. Kaip veikia rezervavimas ir atsiskaitymas →
Užklausų pavyzdžiai
Ailoot · Kalba į tekstą
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
Gauti ir išsaugoti rezultatus
Ailoot · Kalba į tekstą
json
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
Išsaugoti visus baigtus rezultatus
Išsaugokite kiekvieną visą grąžintą atsakymą, failą ir turinio dalį.
Išsaugokite visą JSON, ne vien tekstą; išsaugokite kiekvieną pasiekiamą segmentą, kalbėtoją, laiko žymą ir tikrą užduoties ar ištekliaus tapatybę.
Jei reikia patikrinti pradinį atsakymą
Išsaugokite pradinį operation_id/X-Client-Request-ID duomenims sutikrinti, pakartotinai neteikdami užklausos; atskiro garso būsenos tikrinimo maršruto nėra.
Atsakymo laukai
| Laukas | Tipas |
|---|---|
Laukastext | Tipasstring |
Laukassegments[] | Tipasobject |
Laukastask_id | Tipasstring |
Laukasasset_url | Tipasstring |
Laukasusage | Tipasobject |
Klaidos ir tolesni veiksmai
| Atsakymas | Sąlyga | Kitas žingsnis |
|---|---|---|
Atsakymas400 · invalid_request_error | SąlygaNetinkami privalomi laukai, medžiagos pateikimo forma arba parametro reikšmė | Kitas žingsnisPrieš naują kūrimo užklausą pataisykite nurodytus laukus. |
Atsakymasserver_error | SąlygaGrąžintame atsakyme nurodoma, kad operaciją arba rezultatą reikia patikrinti | Kitas žingsnisIšsaugokite pradinį grąžintą operacijos ar užduoties ID, užklausos antraštes ir atsakymą; toliau tikrinkite tos pačios pradinės operacijos duomenis palaikomais būdais. Kūrimo užklausos pakartotinai neteikite. |
Pseudonimai
Modelių pseudonimai
Ailoot qwen-audio-3.0-asr-flash, qwen-asr, qwen-asr-latest
Metodų kelių pseudonimai
Naudokite aukščiau nurodytus metodų kelius.
Susiję ID iškvietimui
Ailoot · Kalba į tekstą POST /v1/audio/transcriptions qwen-asr
qwen-asrqwen-audio-3.0-asr-flashqwen-asrqwen-asr-latest
Pradžia
Kalbos atpažinimo modelis, verčiantis garsą į skaitomą tekstą su skyryba ir standartine skaičių rašyba. Palaiko rusų ir kitas kalbas bei kinų dialektus.
- Leidžiamos įvestys
- Garsas
- Rezultatai
- Tekstas
Prieinama Ailoot · įvestys ir metodai
Ailoot · Kalba į tekstą POST /v1/audio/transcriptions
- Įvestis
audio- Išvestis
text- Išvesties formatas
- json
| Laukas | Tipas | Reikalavimas | Reikšmės ir ribos | Numatyta |
|---|---|---|---|---|
Laukasmodel | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos qwen-asr | Numatyta— |
Laukasfile | Tipasfile | ReikalavimasPrivaloma | Reikšmės ir ribos Didžiausias baitų skaičius: 10 485 760 Failų formatai: wav, mp3, m4a, ogg, webm, flac Turinio tipas: multipart/form-data Didžiausia trukmė, sekundės: 300 | Numatyta— |
Laukasresponse_format | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos json | Numatyta— |
Įvesties medžiagos deriniai
speech_to_text · Privaloma: actual audio file
Metodo parametrai ir gyvavimo ciklas
| Parametras | Specifikacija |
|---|---|
Parametrasmaterial_types | Specifikacijaaudio |
Parametrasrequired | Specifikacijanull |
Parametrasoptional_controls | Specifikacijanull |
Gyvavimo ciklas: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · faktiškai grąžinta task_id reikšmė arba medijos bibliotekos įrašas
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Metodų struktūros ir ID yra tikslūs; tiekėjo galimybės yra atskirtos nuo užklausos priėmimo.
Planai
Ailoot metodų įkainiai
POST /v1/audio/transcriptions- Įvestis
- 0,0021 USD už garso minutę
Ailoot prieš užklausą rezervuoja numatomą sumą. Gavus rezultatą, galutinis mokestis nuskaitomas pagal išmatuotą naudojimą. Srautinio atsakymo atsiskaitymui naudojamas galutinis naudojimo įrašas. Kaip veikia rezervavimas ir atsiskaitymas →
Užklausų pavyzdžiai
Ailoot · Kalba į tekstą
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
Gauti ir išsaugoti rezultatus
Ailoot · Kalba į tekstą
json
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
Išsaugoti visus baigtus rezultatus
Išsaugokite kiekvieną visą grąžintą atsakymą, failą ir turinio dalį.
Išsaugokite visą JSON, ne vien tekstą; išsaugokite kiekvieną pasiekiamą segmentą, kalbėtoją, laiko žymą ir tikrą užduoties ar ištekliaus tapatybę.
Jei reikia patikrinti pradinį atsakymą
Išsaugokite pradinį operation_id/X-Client-Request-ID duomenims sutikrinti, pakartotinai neteikdami užklausos; atskiro garso būsenos tikrinimo maršruto nėra.
Atsakymo laukai
| Laukas | Tipas |
|---|---|
Laukastext | Tipasstring |
Laukassegments[] | Tipasobject |
Laukastask_id | Tipasstring |
Laukasasset_url | Tipasstring |
Laukasusage | Tipasobject |
Klaidos ir tolesni veiksmai
| Atsakymas | Sąlyga | Kitas žingsnis |
|---|---|---|
Atsakymas400 · invalid_request_error | SąlygaNetinkami privalomi laukai, medžiagos pateikimo forma arba parametro reikšmė | Kitas žingsnisPrieš naują kūrimo užklausą pataisykite nurodytus laukus. |
Atsakymasserver_error | SąlygaGrąžintame atsakyme nurodoma, kad operaciją arba rezultatą reikia patikrinti | Kitas žingsnisIšsaugokite pradinį grąžintą operacijos ar užduoties ID, užklausos antraštes ir atsakymą; toliau tikrinkite tos pačios pradinės operacijos duomenis palaikomais būdais. Kūrimo užklausos pakartotinai neteikite. |
Pseudonimai
Modelių pseudonimai
Ailoot qwen-audio-3.0-asr-flash, qwen-asr, qwen-asr-latest
Metodų kelių pseudonimai
Naudokite aukščiau nurodytus metodų kelius.
Susiję ID iškvietimui
Ailoot · Kalba į tekstą POST /v1/audio/transcriptions qwen-asr-latest
qwen-asr-latestqwen-audio-3.0-asr-flashqwen-asrqwen-asr-latest
Pradžia
Kalbos atpažinimo modelis, verčiantis garsą į skaitomą tekstą su skyryba ir standartine skaičių rašyba. Palaiko rusų ir kitas kalbas bei kinų dialektus.
- Leidžiamos įvestys
- Garsas
- Rezultatai
- Tekstas
Prieinama Ailoot · įvestys ir metodai
Ailoot · Kalba į tekstą POST /v1/audio/transcriptions
- Įvestis
audio- Išvestis
text- Išvesties formatas
- json
| Laukas | Tipas | Reikalavimas | Reikšmės ir ribos | Numatyta |
|---|---|---|---|---|
Laukasmodel | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos qwen-asr-latest | Numatyta— |
Laukasfile | Tipasfile | ReikalavimasPrivaloma | Reikšmės ir ribos Didžiausias baitų skaičius: 10 485 760 Failų formatai: wav, mp3, m4a, ogg, webm, flac Turinio tipas: multipart/form-data Didžiausia trukmė, sekundės: 300 | Numatyta— |
Laukasresponse_format | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos json | Numatyta— |
Įvesties medžiagos deriniai
speech_to_text · Privaloma: actual audio file
Metodo parametrai ir gyvavimo ciklas
| Parametras | Specifikacija |
|---|---|
Parametrasmaterial_types | Specifikacijaaudio |
Parametrasrequired | Specifikacijanull |
Parametrasoptional_controls | Specifikacijanull |
Gyvavimo ciklas: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · faktiškai grąžinta task_id reikšmė arba medijos bibliotekos įrašas
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Metodų struktūros ir ID yra tikslūs; tiekėjo galimybės yra atskirtos nuo užklausos priėmimo.
Planai
Ailoot metodų įkainiai
POST /v1/audio/transcriptions- Įvestis
- 0,0021 USD už garso minutę
Ailoot prieš užklausą rezervuoja numatomą sumą. Gavus rezultatą, galutinis mokestis nuskaitomas pagal išmatuotą naudojimą. Srautinio atsakymo atsiskaitymui naudojamas galutinis naudojimo įrašas. Kaip veikia rezervavimas ir atsiskaitymas →
Užklausų pavyzdžiai
Ailoot · Kalba į tekstą
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
Gauti ir išsaugoti rezultatus
Ailoot · Kalba į tekstą
json
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
Išsaugoti visus baigtus rezultatus
Išsaugokite kiekvieną visą grąžintą atsakymą, failą ir turinio dalį.
Išsaugokite visą JSON, ne vien tekstą; išsaugokite kiekvieną pasiekiamą segmentą, kalbėtoją, laiko žymą ir tikrą užduoties ar ištekliaus tapatybę.
Jei reikia patikrinti pradinį atsakymą
Išsaugokite pradinį operation_id/X-Client-Request-ID duomenims sutikrinti, pakartotinai neteikdami užklausos; atskiro garso būsenos tikrinimo maršruto nėra.
Atsakymo laukai
| Laukas | Tipas |
|---|---|
Laukastext | Tipasstring |
Laukassegments[] | Tipasobject |
Laukastask_id | Tipasstring |
Laukasasset_url | Tipasstring |
Laukasusage | Tipasobject |
Klaidos ir tolesni veiksmai
| Atsakymas | Sąlyga | Kitas žingsnis |
|---|---|---|
Atsakymas400 · invalid_request_error | SąlygaNetinkami privalomi laukai, medžiagos pateikimo forma arba parametro reikšmė | Kitas žingsnisPrieš naują kūrimo užklausą pataisykite nurodytus laukus. |
Atsakymasserver_error | SąlygaGrąžintame atsakyme nurodoma, kad operaciją arba rezultatą reikia patikrinti | Kitas žingsnisIšsaugokite pradinį grąžintą operacijos ar užduoties ID, užklausos antraštes ir atsakymą; toliau tikrinkite tos pačios pradinės operacijos duomenis palaikomais būdais. Kūrimo užklausos pakartotinai neteikite. |
Pseudonimai
Modelių pseudonimai
Ailoot qwen-audio-3.0-asr-flash, qwen-asr, qwen-asr-latest
Metodų kelių pseudonimai
Naudokite aukščiau nurodytus metodų kelius.
Susiję ID iškvietimui
FAQ · qwen-audio-3.0-asr-flash
- Kokios įvestys ir rezultatai prieinami?
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- Kokius laukus naudoja užklausa?
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