Qwen3-ASR-0.6B – kompaktiška Qwen šnekos atpažinimo modelių šeimos Qwen3-ASR versija. Ji priima garsą ir pateikia tekstinę transkripciją su kalbos žyma. Gamintojas 0.6B pristato kaip atpažinimo kokybės ir efektyvumo pusiausvyrą, o 1.7B yra atskirai įvardyta didesnė versija. Abi remiasi Qwen3-Omni garso supratimu ir turi tą pačią dokumentuotą atpažinimo aprėptį bei bendrą nesrautinio ir srautinio veikimo metodą. Kompaktiška versija gali atlikti transkribavimo etapą balso užrašų, subtitrų rengimo ar įrašų, kuriuose galima ieškoti, apdorojimo procese.
Qwen dokumentuoja 30 kalbų ir 22 kinų tarmių atpažinimą bei kalbos nustatymą, taip pat įvairių regionų anglų kalbos akcentų palaikymą. Kalbų lentelėje išvardytos kinų, anglų, kantoniečių, arabų, vokiečių, prancūzų, ispanų, portugalų, indoneziečių, italų, korėjiečių, rusų, tajų, vietnamiečių, japonų, turkų, hindi, malajų, olandų, švedų, danų, suomių, lenkų, čekų, filipiniečių, persų, graikų, vengrų, makedonų ir rumunų kalbos. Atpažįstami garso tipai apima šneką, dainuojamą balsą ir dainas su fonine muzika. Mažesnė versija išlaiko šią šeimos aprėptį; jos dydis nereiškia kitokio palaikomų kalbų sąrašo.
Oficialus įrankių rinkinys gali priimti garsą pagal failo nuorodą, užkoduotą garsą arba garso bangos signalą su jo diskretizavimo dažniu. Jis palaiko nesrautinį kelių įrašų apdorojimą, automatinį kalbos nustatymą ir konkrečios palaikomos kalbos nurodymą. Dokumentuotas rezultatas apima kalbą ir atpažintą tekstą. Jei žinote, kokia kalba kalbama, pasirinkite ją; jei rinkinyje yra nežinomų kalbų, leiskite jas nustatyti modeliui. Kiekvieno įrašo identifikatorių laikykite šalia jo rezultato, kad tekstą būtų galima susieti su teisingu šaltiniu.
Balso užrašų rinkiniui išsaugokite atskirą kiekvieno užrašo rezultatą ir, prieš paversdami tekstą užduotimis ar santrauka, pagal įrašą patikrinkite vardus ir pavadinimus, skaičius bei neaiškias frazes. Įgarsintai pamokai naudokite transkripciją, kad rastumėte ištraukas ir patikrintumėte kiekvienos instrukcijos formuluotę. Tikrindami dainos žodžius klausykite vokalo linijos, o ne priimkite žodį vien todėl, kad jis tinka dainos prasmei. Tai teksto rezultato paruošimo ir tikrinimo etapai; jo apibendrinimas, vertimas ar interpretavimas gali būti atliekami vėliau kaip atskiros operacijos.
Qwen3-ASR nesrautiniam ir srautiniam atpažinimui naudoja tą patį modelį. Gamintojo srautiniame pavyzdyje gaunami garso blokai atnaujina išsaugomą atpažinimo būseną, o užbaigimo veiksmas pateikia galutinį tekstą ir kalbą. Tai leidžia tekstą rodyti palaipsniui, kas naudinga vykstant transkribavimui. Tarpinį vaizdą laikykite dabartine atpažinimo būsena, o įrašui pasibaigus išsaugokite galutinį rezultatą ir pasilikite pradinį garsą galimiems pataisymams.
Dokumentuota srautinė realizacija tame srautiniame procese nepalaiko paketinio apdorojimo ar laiko žymų grąžinimo. Todėl srautinis tekstas, nesrautinių transkripcijų rinkinys ir teksto su laiko žymomis paruošimas subtitrams yra atskiri gamintojo procesai. Gamintojo pavyzdžiuose naudojami blokų dydžiai ir žetonų nustatymai iliustruoja realizaciją, o ne žada universalią delsą, lygiagretumą ar garso trukmę. Procesą pasirinkite pagal tai, ar reikia teksto įrašymo metu, baigto rinkinio teksto, ar teksto, sulygiuoto su laiko juosta.
Qwen3-ForcedAligner-0.6B yra atskiras lygiavimo modelis, nors jo dydžio žyma 0.6B sutampa su šios ASR versijos žyma. Jis priima teksto ir garso porą ir prognozuoja žodžių ar simbolių pradžios bei pabaigos laikus. Gamintojo nesrautiniai ASR įrankiai gali jį iškviesti, kai prašoma laiko žymų. Dokumentuotas jo kalbų rinkinys apima kinų, anglų, kantoniečių, prancūzų, vokiečių, italų, japonų, korėjiečių, portugalų, rusų ir ispanų kalbas, o nurodyta lygiavimo aprėptis – iki penkių minučių kalbos. Šis siauresnis kalbų rinkinys ir penkių minučių intervalas priklauso priverstiniam lygiavimui, o ne bendrai ASR modelio transkribavimo aprėpčiai.
Subtitrams paruoškite patikrintą transkripciją įrašo kalba, sulygiuokite ją ten, kur taikomas palaikomas procesas, ir atkurdami šaltinį patikrinkite segmentų ribas. Naudingas subtitrų rezultatas išlaiko kartu tekstą ir jo laikus. Jei transkripcijos žodis klaidingas, pataisykite jį pagal garsą, o ne manykite, kad laiko intervalas patvirtina jo teisingumą. Šis atskyrimas padeda nustatyti, ar problema kilo atpažįstant, pateiktame tekste, ar parenkant subtitro ribą.
Qwen3-ASR šeima palaiko ilgus įrašus. Jos veikimo pavyzdžiuose patariama ilgesniam garsui leisti daugiau generuojamų žetonų, todėl įsitikinkite, kad transkripcija pasiekia įrašo pabaigą ir jos nenutraukė išvesties limitas. Paskelbti pavyzdžiai nenustato universalaus skaitinio konteksto lango ar maksimalios ASR įrašo trukmės. Tvarkydami ilgą įrašą tikrinimui išsaugokite naudingų dalių ryšį su jų vietomis šaltinyje. Pagal pradinį garsą patikrinkite užgožtus žodžius, kalbos pasikeitimus, persidengiančią šneką, neįprastus vardus ir pavadinimus bei išdainuotus skiemenis. Praktinis rezultatas – atpažintas tekstas su kalbos žyma, tinkamas paieškai ar tolesniam turinio etapui, o prireikus laiko duomenys pridedami atskiru lygiavimo procesu.
", "aboutText": "Qwen3-ASR-0.6B – kompaktiška Qwen šnekos atpažinimo modelių šeimos Qwen3-ASR versija. Ji priima garsą ir pateikia tekstinę transkripciją su kalbos žyma. Gamintojas 0.6B pristato kaip atpažinimo kokybės ir efektyvumo pusiausvyrą, o 1.7B yra atskirai įvardyta didesnė versija. Abi remiasi Qwen3-Omni garso supratimu ir turi tą pačią dokumentuotą atpažinimo aprėptį bei bendrą nesrautinio ir srautinio veikimo metodą. Kompaktiška versija gali atlikti transkribavimo etapą balso užrašų, subtitrų rengimo ar įrašų, kuriuose galima ieškoti, apdorojimo procese.\n\n### Kalbos, tarmės ir palaikomi įrašai\n\nQwen dokumentuoja 30 kalbų ir 22 kinų tarmių atpažinimą bei kalbos nustatymą, taip pat įvairių regionų anglų kalbos akcentų palaikymą. Kalbų lentelėje išvardytos kinų, anglų, kantoniečių, arabų, vokiečių, prancūzų, ispanų, portugalų, indoneziečių, italų, korėjiečių, rusų, tajų, vietnamiečių, japonų, turkų, hindi, malajų, olandų, švedų, danų, suomių, lenkų, čekų, filipiniečių, persų, graikų, vengrų, makedonų ir rumunų kalbos. Atpažįstami garso tipai apima šneką, dainuojamą balsą ir dainas su fonine muzika. Mažesnė versija išlaiko šią šeimos aprėptį; jos dydis nereiškia kitokio palaikomų kalbų sąrašo.\n\n### Nesrautinis atpažinimas ir įvesties paruošimas\n\nOficialus įrankių rinkinys gali priimti garsą pagal failo nuorodą, užkoduotą garsą arba garso bangos signalą su jo diskretizavimo dažniu. Jis palaiko nesrautinį kelių įrašų apdorojimą, automatinį kalbos nustatymą ir konkrečios palaikomos kalbos nurodymą. Dokumentuotas rezultatas apima kalbą ir atpažintą tekstą. Jei žinote, kokia kalba kalbama, pasirinkite ją; jei rinkinyje yra nežinomų kalbų, leiskite jas nustatyti modeliui. Kiekvieno įrašo identifikatorių laikykite šalia jo rezultato, kad tekstą būtų galima susieti su teisingu šaltiniu.\n\nBalso užrašų rinkiniui išsaugokite atskirą kiekvieno užrašo rezultatą ir, prieš paversdami tekstą užduotimis ar santrauka, pagal įrašą patikrinkite vardus ir pavadinimus, skaičius bei neaiškias frazes. Įgarsintai pamokai naudokite transkripciją, kad rastumėte ištraukas ir patikrintumėte kiekvienos instrukcijos formuluotę. Tikrindami dainos žodžius klausykite vokalo linijos, o ne priimkite žodį vien todėl, kad jis tinka dainos prasmei. Tai teksto rezultato paruošimo ir tikrinimo etapai; jo apibendrinimas, vertimas ar interpretavimas gali būti atliekami vėliau kaip atskiros operacijos.\n\n### Srautinis tekstas ir įrašo užbaigimas\n\nQwen3-ASR nesrautiniam ir srautiniam atpažinimui naudoja tą patį modelį. Gamintojo srautiniame pavyzdyje gaunami garso blokai atnaujina išsaugomą atpažinimo būseną, o užbaigimo veiksmas pateikia galutinį tekstą ir kalbą. Tai leidžia tekstą rodyti palaipsniui, kas naudinga vykstant transkribavimui. Tarpinį vaizdą laikykite dabartine atpažinimo būsena, o įrašui pasibaigus išsaugokite galutinį rezultatą ir pasilikite pradinį garsą galimiems pataisymams.\n\nDokumentuota srautinė realizacija tame srautiniame procese nepalaiko paketinio apdorojimo ar laiko žymų grąžinimo. Todėl srautinis tekstas, nesrautinių transkripcijų rinkinys ir teksto su laiko žymomis paruošimas subtitrams yra atskiri gamintojo procesai. Gamintojo pavyzdžiuose naudojami blokų dydžiai ir žetonų nustatymai iliustruoja realizaciją, o ne žada universalią delsą, lygiagretumą ar garso trukmę. Procesą pasirinkite pagal tai, ar reikia teksto įrašymo metu, baigto rinkinio teksto, ar teksto, sulygiuoto su laiko juosta.\n\n### Tekstui su laiko žymomis naudojamas Qwen3-ForcedAligner\n\nQwen3-ForcedAligner-0.6B yra atskiras lygiavimo modelis, nors jo dydžio žyma 0.6B sutampa su šios ASR versijos žyma. Jis priima teksto ir garso porą ir prognozuoja žodžių ar simbolių pradžios bei pabaigos laikus. Gamintojo nesrautiniai ASR įrankiai gali jį iškviesti, kai prašoma laiko žymų. Dokumentuotas jo kalbų rinkinys apima kinų, anglų, kantoniečių, prancūzų, vokiečių, italų, japonų, korėjiečių, portugalų, rusų ir ispanų kalbas, o nurodyta lygiavimo aprėptis – iki penkių minučių kalbos. Šis siauresnis kalbų rinkinys ir penkių minučių intervalas priklauso priverstiniam lygiavimui, o ne bendrai ASR modelio transkribavimo aprėpčiai.\n\nSubtitrams paruoškite patikrintą transkripciją įrašo kalba, sulygiuokite ją ten, kur taikomas palaikomas procesas, ir atkurdami šaltinį patikrinkite segmentų ribas. Naudingas subtitrų rezultatas išlaiko kartu tekstą ir jo laikus. Jei transkripcijos žodis klaidingas, pataisykite jį pagal garsą, o ne manykite, kad laiko intervalas patvirtina jo teisingumą. Šis atskyrimas padeda nustatyti, ar problema kilo atpažįstant, pateiktame tekste, ar parenkant subtitro ribą.\n\n### Ilgo garso išvestis ir atpažinimo tikrinimas\n\nQwen3-ASR šeima palaiko ilgus įrašus. Jos veikimo pavyzdžiuose patariama ilgesniam garsui leisti daugiau generuojamų žetonų, todėl įsitikinkite, kad transkripcija pasiekia įrašo pabaigą ir jos nenutraukė išvesties limitas. Paskelbti pavyzdžiai nenustato universalaus skaitinio konteksto lango ar maksimalios ASR įrašo trukmės. Tvarkydami ilgą įrašą tikrinimui išsaugokite naudingų dalių ryšį su jų vietomis šaltinyje. Pagal pradinį garsą patikrinkite užgožtus žodžius, kalbos pasikeitimus, persidengiančią šneką, neįprastus vardus ir pavadinimus bei išdainuotus skiemenis. Praktinis rezultatas – atpažintas tekstas su kalbos žyma, tinkamas paieškai ar tolesniam turinio etapui, o prireikus laiko duomenys pridedami atskiru lygiavimo procesu.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "3460f8b80c8b81c1300ef3ceb6520d0554f6448149e8033ecbe7804503017bd9", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "lt", "methods": [ { "html": "qwen/qwen3-asr-0.6bQwen3-ASR-0.6B – kompaktiškas Qwen šnekos atpažinimo modelis, kalbos ar dainavimo garsą paverčiantis tekstu ir nustatantis kalbą. Jis išlaiko šeimos 30 kalbų ir 22 tarmių aprėptį, nesrautinį bei srautinį veikimą ir atskirą priverstinį lygiavimą tekstui su laiko žymomis.
Šis aprašas apima modelio galimybes. Pasirinktam metodui Ailoot prieinamos įvestys, išvestys ir parinktys nurodytos toliau.
Qwen3-ASR-0.6B – kompaktiška Qwen šnekos atpažinimo modelių šeimos Qwen3-ASR versija. Ji priima garsą ir pateikia tekstinę transkripciją su kalbos žyma. Gamintojas 0.6B pristato kaip atpažinimo kokybės ir efektyvumo pusiausvyrą, o 1.7B yra atskirai įvardyta didesnė versija. Abi remiasi Qwen3-Omni garso supratimu ir turi tą pačią dokumentuotą atpažinimo aprėptį bei bendrą nesrautinio ir srautinio veikimo metodą. Kompaktiška versija gali atlikti transkribavimo etapą balso užrašų, subtitrų rengimo ar įrašų, kuriuose galima ieškoti, apdorojimo procese.
Qwen dokumentuoja 30 kalbų ir 22 kinų tarmių atpažinimą bei kalbos nustatymą, taip pat įvairių regionų anglų kalbos akcentų palaikymą. Kalbų lentelėje išvardytos kinų, anglų, kantoniečių, arabų, vokiečių, prancūzų, ispanų, portugalų, indoneziečių, italų, korėjiečių, rusų, tajų, vietnamiečių, japonų, turkų, hindi, malajų, olandų, švedų, danų, suomių, lenkų, čekų, filipiniečių, persų, graikų, vengrų, makedonų ir rumunų kalbos. Atpažįstami garso tipai apima šneką, dainuojamą balsą ir dainas su fonine muzika. Mažesnė versija išlaiko šią šeimos aprėptį; jos dydis nereiškia kitokio palaikomų kalbų sąrašo.
Oficialus įrankių rinkinys gali priimti garsą pagal failo nuorodą, užkoduotą garsą arba garso bangos signalą su jo diskretizavimo dažniu. Jis palaiko nesrautinį kelių įrašų apdorojimą, automatinį kalbos nustatymą ir konkrečios palaikomos kalbos nurodymą. Dokumentuotas rezultatas apima kalbą ir atpažintą tekstą. Jei žinote, kokia kalba kalbama, pasirinkite ją; jei rinkinyje yra nežinomų kalbų, leiskite jas nustatyti modeliui. Kiekvieno įrašo identifikatorių laikykite šalia jo rezultato, kad tekstą būtų galima susieti su teisingu šaltiniu.
Balso užrašų rinkiniui išsaugokite atskirą kiekvieno užrašo rezultatą ir, prieš paversdami tekstą užduotimis ar santrauka, pagal įrašą patikrinkite vardus ir pavadinimus, skaičius bei neaiškias frazes. Įgarsintai pamokai naudokite transkripciją, kad rastumėte ištraukas ir patikrintumėte kiekvienos instrukcijos formuluotę. Tikrindami dainos žodžius klausykite vokalo linijos, o ne priimkite žodį vien todėl, kad jis tinka dainos prasmei. Tai teksto rezultato paruošimo ir tikrinimo etapai; jo apibendrinimas, vertimas ar interpretavimas gali būti atliekami vėliau kaip atskiros operacijos.
Qwen3-ASR nesrautiniam ir srautiniam atpažinimui naudoja tą patį modelį. Gamintojo srautiniame pavyzdyje gaunami garso blokai atnaujina išsaugomą atpažinimo būseną, o užbaigimo veiksmas pateikia galutinį tekstą ir kalbą. Tai leidžia tekstą rodyti palaipsniui, kas naudinga vykstant transkribavimui. Tarpinį vaizdą laikykite dabartine atpažinimo būsena, o įrašui pasibaigus išsaugokite galutinį rezultatą ir pasilikite pradinį garsą galimiems pataisymams.
Dokumentuota srautinė realizacija tame srautiniame procese nepalaiko paketinio apdorojimo ar laiko žymų grąžinimo. Todėl srautinis tekstas, nesrautinių transkripcijų rinkinys ir teksto su laiko žymomis paruošimas subtitrams yra atskiri gamintojo procesai. Gamintojo pavyzdžiuose naudojami blokų dydžiai ir žetonų nustatymai iliustruoja realizaciją, o ne žada universalią delsą, lygiagretumą ar garso trukmę. Procesą pasirinkite pagal tai, ar reikia teksto įrašymo metu, baigto rinkinio teksto, ar teksto, sulygiuoto su laiko juosta.
Qwen3-ForcedAligner-0.6B yra atskiras lygiavimo modelis, nors jo dydžio žyma 0.6B sutampa su šios ASR versijos žyma. Jis priima teksto ir garso porą ir prognozuoja žodžių ar simbolių pradžios bei pabaigos laikus. Gamintojo nesrautiniai ASR įrankiai gali jį iškviesti, kai prašoma laiko žymų. Dokumentuotas jo kalbų rinkinys apima kinų, anglų, kantoniečių, prancūzų, vokiečių, italų, japonų, korėjiečių, portugalų, rusų ir ispanų kalbas, o nurodyta lygiavimo aprėptis – iki penkių minučių kalbos. Šis siauresnis kalbų rinkinys ir penkių minučių intervalas priklauso priverstiniam lygiavimui, o ne bendrai ASR modelio transkribavimo aprėpčiai.
Subtitrams paruoškite patikrintą transkripciją įrašo kalba, sulygiuokite ją ten, kur taikomas palaikomas procesas, ir atkurdami šaltinį patikrinkite segmentų ribas. Naudingas subtitrų rezultatas išlaiko kartu tekstą ir jo laikus. Jei transkripcijos žodis klaidingas, pataisykite jį pagal garsą, o ne manykite, kad laiko intervalas patvirtina jo teisingumą. Šis atskyrimas padeda nustatyti, ar problema kilo atpažįstant, pateiktame tekste, ar parenkant subtitro ribą.
Qwen3-ASR šeima palaiko ilgus įrašus. Jos veikimo pavyzdžiuose patariama ilgesniam garsui leisti daugiau generuojamų žetonų, todėl įsitikinkite, kad transkripcija pasiekia įrašo pabaigą ir jos nenutraukė išvesties limitas. Paskelbti pavyzdžiai nenustato universalaus skaitinio konteksto lango ar maksimalios ASR įrašo trukmės. Tvarkydami ilgą įrašą tikrinimui išsaugokite naudingų dalių ryšį su jų vietomis šaltinyje. Pagal pradinį garsą patikrinkite užgožtus žodžius, kalbos pasikeitimus, persidengiančią šneką, neįprastus vardus ir pavadinimus bei išdainuotus skiemenis. Praktinis rezultatas – atpažintas tekstas su kalbos žyma, tinkamas paieškai ar tolesniam turinio etapui, o prireikus laiko duomenys pridedami atskiru lygiavimo procesu.
POST /v1/audio/transcriptionsaudiotext| Laukas | Tipas | Reikalavimas | Reikšmės ir ribos | Numatyta |
|---|---|---|---|---|
Laukasmodel | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos qwen/qwen3-asr-0.6b | Numatyta— |
Laukasinput_audio | Tipasobject | ReikalavimasPrivaloma | Reikšmės ir ribos | Numatyta— |
Laukaslanguage | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukastemperature | Tipasnumber | ReikalavimasNeprivaloma | Reikšmės ir ribos Mažiausia reikšmė: 0 Didžiausia reikšmė: 1 | Numatyta— |
Laukasresponse_format | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos json, verbose_json | Numatytajson |
Laukastimestamp_granularities | Tipasarray | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukasprovider | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
| Parametras | Specifikacija |
|---|---|
Parametrascontent_type | Specifikacijaapplication/json |
Parametrasrequired | Specifikacijamodel, input_audio |
Parametrasmaterial_types | Specifikacijaaudio |
Parametrasmaterial_conditions | SpecifikacijaNuskaitykite tikrą WAV failą ir užkoduokite tikruosius jo baitus deklaruotai JSON input_audio įvesčiai; šiai tiksliai vien JSON skirtai deklaracijai multipart maršrutas nesiūlomas. |
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}
Rodomi įkainiai leidžia įvertinti kainą prieš generavimą. Galutinė suma apskaičiuojama pagal užfiksuotą pradinio generavimo kainą. Išmatuota rezultato trukmė ir prognozuoti kiekiai nėra galutinis apmokestinamas kiekis.
Tarifų informacija neprideda užklausos parinkčių. Palaikomi parametrai nurodyti prie pasirinkto metodo.
Kiekvieną mokestį susiekite su nurodytomis sąlygomis. Kiekvienam alternatyvių konfigūracijų rinkiniui taikykite vieną įkainį.
| Konfigūracija | Įkainių lentelė | Numatomas kiekis | Apskaitos vienetas | Mokestis |
|---|---|---|---|---|
| KonfigūracijaBaziniai žetonų įkainiai | Įkainių lentelėBazinis įkainis | Numatomas kiekis— | Apskaitos vienetas— | Mokestis Įvestis · Įvesties tokenai · Įvertis tik palyginimui — / 1K tokenų Išvestis · Išvesties tokenai · Įvertis tik palyginimui — / 1K tokenų Įvestis · Talpyklos skaitymas · Įvertis tik palyginimui — / 1K tokenų Įvestis · Rašymas į talpyklą · Įvertis tik palyginimui — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val · Įvertis tik palyginimui — / 1K tokenų |
| Konfigūracijaįvesties garso sekundė | Įkainių lentelė— | Numatomas kiekis— | Apskaitos vienetasuž įvesties garso sekundę | Mokestis Įvestis · įvesties garso sekundė · Įvertis tik palyginimui $0.00000666 už įvesties garso sekundę |
| KonfigūracijaNumatoma generavimo kaina | Įkainių lentelė— | Numatomas kiekisvieno generavimo įvertis | Apskaitos vienetas— | Mokestis Išvestis · Numatoma generavimo kaina · Įvertis tik palyginimui $0.00000666 įvertis prieš generavimą Šis įvertis nėra papildomas mokestis ar fiksuotas užbaigto generavimo įkainis. |
Ailoot prieš užklausą rezervuoja numatomą sumą. Gavus rezultatą, galutinis mokestis nuskaitomas pagal išmatuotą naudojimą. Srautinio atsakymo atsiskaitymui naudojamas galutinis naudojimo įrašas. Kaip veikia rezervavimas ir atsiskaitymas →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_AUDIO_FILE:?Set the path to your actual WAV recording}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\nimport base64\naudio=Path(os.environ['AILOOT_AUDIO_FILE']).read_bytes()\nif not (audio[:4]==b'RIFF' and audio[8:12]==b'WAVE'): raise SystemExit('Supply an actual WAV audio file')\nif len(audio)>26214400: raise SystemExit('Use a documented supported large-file flow')\nrequest={'model': 'qwen/qwen3-asr-0.6b', 'input_audio': {'data': '${BASE64_ACTUAL_WAV_BYTES}', 'format': 'wav'}}\nrequest['input_audio']['data']=base64.b64encode(audio).decode('ascii')\nPath('request.json').write_text(json.dumps(request,ensure_ascii=False),encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/transcriptions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o response.bin\n# Keep the complete original response and headers. Read every returned segment, word and usage field.\n# Preserve actual operation/task/asset IDs; continue reads of the original result without resubmitting.\nGET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -o owned-assets.json\n# Preserve every returned asset and follow its exact signed content URL. Do not construct a signed token.\nIšsaugokite kiekvieną visą grąžintą atsakymą, failą ir turinio dalį.
Išsaugokite visą atsakymą ir antraštes, visus faktiškai gautus rezultatus, pradinius grąžintus identifikatorius ir visus naudojimo apskaitos laukus. Atkurkite prieigą prie pradinės operacijos pakartotinai neteikdami kūrimo užklausos.
Išsaugokite grąžintą X-Client-Request-ID duomenims sutikrinti. Tikrinkite tik faktiškai grąžintas task_id/asset_id reikšmes arba jums priklausančią medijos biblioteką; niekada nekurkite užduoties URL iš operacijos ID ir niekada pakartotinai neteikite kūrimo užklausos.
| Laukas | Tipas |
|---|---|
Laukastext | Tipas |
Laukasusage | Tipas |
Laukassegments[] | Tipas |
Laukaswords[] | Tipas |
Laukasspeaker fields | Tipas |
Laukastimestamps | Tipas |
Ailoot Ultra qwen/qwen3-asr-0.6b
Naudokite aukščiau nurodytus metodų kelius.