qwen-audio-3.0-asr-flash
En talegjenkjenningsmodell som gjør lyd om til lesbar tekst med tegnsetting og normaliserte tall. Støtter russisk og andre språk, samt kinesiske dialekter.
- Ailoot · Tale til tekst
POST /v1/audio/transcriptionsqwen-audio-3.0-asr-flash - Ailoot · Tale til tekst
POST /v1/audio/transcriptionsqwen-asr - Ailoot · Tale til tekst
POST /v1/audio/transcriptionsqwen-asr-latest
Om modellen
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Qwen-Audio-3.0-ASR-Flash er ment å gjøre taleopptak om til tekst. Alibaba fremhever flerspråklig gjenkjenning og håndtering av uttrykksfull tale, blant annet poetisk rytme, klassisk kinesisk og kulturelle fortellinger. Inndata er lyd, og resultatet er en transkripsjon.
Tale i skriftlig form
Modellen legger til tegnsetting og gjør uttalte tall, datoer og pengebeløp om til vanlig skriftlig form. Dette er nyttig for talemeldinger, intervjufragmenter og undervisning der det trengs lesbar tekst, ikke bare en rekke gjenkjente ord.
30 språk støttes, blant annet russisk, engelsk, fransk, tysk, japansk og arabisk. I tillegg tas det hensyn til sju hovedgrupper av kinesiske dialekter og mer enn 20 regionale uttalevarianter. Denne dekningen er ment å gjenkjenne ulike språk- og aksenttrekk.
For faguttrykk kan oppgavekontekst og støtteord sendes inn. De bidrar til å styre gjenkjenningen av navn og fagterminologi. Tidsstempler er alltid aktivert i denne versjonen, slik at resultatet kan knyttes til de tilsvarende delene av opptaket. Transkripsjonen av en kort fil kan returneres samlet eller underveis i behandlingen.
Materiale og begrensninger
Maksimal opptakslengde er fem minutter. Én fil brukes per oppgave. AAC, AMR, AVI, FLAC, FLV, M4A, MKV, MOV, MP3, MP4, MPEG, OGG, OPUS, WAV, WEBM, WMA og WMV støttes; enhver samplingsfrekvens er tillatt. At et videokonteinerformat står i formatlisten, gjelder uttrekking av tale fra lydsporet, ikke visuell analyse av videobildene.
Qwen-Audio-3.0-ASR-Flash tilbyr ikke skille mellom talere eller følelsesgjenkjenning. Hovedresultatet er tekst med en kobling mellom det gjenkjente innholdet og tidspunktet i opptaket. Støtte for lengre opptak og andre lydanalyser som er oppgitt for beslektede modeller, gjelder ikke denne versjonen.
Ailoot · Tale til tekst POST /v1/audio/transcriptions qwen-audio-3.0-asr-flash
qwen-audio-3.0-asr-flashqwen-audio-3.0-asr-flashqwen-asrqwen-asr-latest
Start
En talegjenkjenningsmodell som gjør lyd om til lesbar tekst med tegnsetting og normaliserte tall. Støtter russisk og andre språk, samt kinesiske dialekter.
- Godkjente inndata
- Lyd
- Resultater
- Tekst
Tilgjengelig i Ailoot · inndata & metoder
Ailoot · Tale til tekst POST /v1/audio/transcriptions
- Inndatatyper
audio- Utdatatyper
text- Utdataformat
- json
| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser qwen-audio-3.0-asr-flash | Standard— |
Feltfile | Typefile | KravPåkrevd | Verdier & grenser Maksimalt antall byte: 10 485 760 Filformater: wav, mp3, m4a, ogg, webm, flac Innholdstype: multipart/form-data Maksimal varighet, sekunder: 300 | Standard— |
Feltresponse_format | Typestring | KravValgfritt | Verdier & grenser json | Standard— |
Kombinasjoner av inngående materialer
speech_to_text · Påkrevd: actual audio file
Metodeparametere og livssyklus
| Parameter | Avtale |
|---|---|
Parametermaterial_types | Avtaleaudio |
Parameterrequired | Avtalenull |
Parameteroptional_controls | Avtalenull |
Livssyklus: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · faktisk returnert task_id eller oppføring i mediebiblioteket
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Metodestrukturer og ID-er er eksakte; leverandørens evne er adskilt fra godkjenning av forespørselen.
Priser
Satser for Ailoot-metoder
POST /v1/audio/transcriptions- Inndata
- 0,0021 USD per minutt lyd
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
Eksempelforespørsler
Ailoot · Tale til tekst
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
Motta og lagre resultater
Ailoot · Tale til tekst
json
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
Behold alle ferdige resultater
Behold alle fullstendige returnerte svar, filer og innholdsdeler.
Behold hele JSON-svaret, ikke bare teksten; bevar alle tilgjengelige segmenter, talere og tidsstempler og faktiske oppgave- og ressursidentiteter.
Hvis det opprinnelige svaret må kontrolleres
Bevar opprinnelig operation_id/X-Client-Request-ID for avstemming uten ny innsending; det finnes ingen egen rute for å spørre etter lydstatus.
Svarfelter
| Felt | Type |
|---|---|
Felttext | Typestring |
Feltsegments[] | Typeobject |
Felttask_id | Typestring |
Feltasset_url | Typestring |
Feltusage | Typeobject |
Feil og neste trinn
| Svar | Vilkår | Neste trinn |
|---|---|---|
Svar400 · invalid_request_error | VilkårUgyldige påkrevde felter, materialrepresentasjon eller parameterverdi | Neste trinnKorriger de angitte feltene før en ny opprettelsesforespørsel. |
Svarserver_error | VilkårDet returnerte svaret angir at operasjonen eller resultatet må kontrolleres | Neste trinnBevar den opprinnelige returnerte operasjons-/oppgave-ID-en, forespørselshodene og svaret; fortsett å lese den opprinnelige operasjonen på de støttede måtene. Ikke send opprettelsesforespørselen på nytt. |
Aliaser
Modellaliaser
Ailoot qwen-audio-3.0-asr-flash, qwen-asr, qwen-asr-latest
Aliaser for metodestier
Bruk metodestiene som vises ovenfor.
Tilknyttede anroper-ID-er
Ailoot · Tale til tekst POST /v1/audio/transcriptions qwen-asr
qwen-asrqwen-audio-3.0-asr-flashqwen-asrqwen-asr-latest
Start
En talegjenkjenningsmodell som gjør lyd om til lesbar tekst med tegnsetting og normaliserte tall. Støtter russisk og andre språk, samt kinesiske dialekter.
- Godkjente inndata
- Lyd
- Resultater
- Tekst
Tilgjengelig i Ailoot · inndata & metoder
Ailoot · Tale til tekst POST /v1/audio/transcriptions
- Inndatatyper
audio- Utdatatyper
text- Utdataformat
- json
| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser qwen-asr | Standard— |
Feltfile | Typefile | KravPåkrevd | Verdier & grenser Maksimalt antall byte: 10 485 760 Filformater: wav, mp3, m4a, ogg, webm, flac Innholdstype: multipart/form-data Maksimal varighet, sekunder: 300 | Standard— |
Feltresponse_format | Typestring | KravValgfritt | Verdier & grenser json | Standard— |
Kombinasjoner av inngående materialer
speech_to_text · Påkrevd: actual audio file
Metodeparametere og livssyklus
| Parameter | Avtale |
|---|---|
Parametermaterial_types | Avtaleaudio |
Parameterrequired | Avtalenull |
Parameteroptional_controls | Avtalenull |
Livssyklus: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · faktisk returnert task_id eller oppføring i mediebiblioteket
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Metodestrukturer og ID-er er eksakte; leverandørens evne er adskilt fra godkjenning av forespørselen.
Priser
Satser for Ailoot-metoder
POST /v1/audio/transcriptions- Inndata
- 0,0021 USD per minutt lyd
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
Eksempelforespørsler
Ailoot · Tale til tekst
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
Motta og lagre resultater
Ailoot · Tale til tekst
json
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
Behold alle ferdige resultater
Behold alle fullstendige returnerte svar, filer og innholdsdeler.
Behold hele JSON-svaret, ikke bare teksten; bevar alle tilgjengelige segmenter, talere og tidsstempler og faktiske oppgave- og ressursidentiteter.
Hvis det opprinnelige svaret må kontrolleres
Bevar opprinnelig operation_id/X-Client-Request-ID for avstemming uten ny innsending; det finnes ingen egen rute for å spørre etter lydstatus.
Svarfelter
| Felt | Type |
|---|---|
Felttext | Typestring |
Feltsegments[] | Typeobject |
Felttask_id | Typestring |
Feltasset_url | Typestring |
Feltusage | Typeobject |
Feil og neste trinn
| Svar | Vilkår | Neste trinn |
|---|---|---|
Svar400 · invalid_request_error | VilkårUgyldige påkrevde felter, materialrepresentasjon eller parameterverdi | Neste trinnKorriger de angitte feltene før en ny opprettelsesforespørsel. |
Svarserver_error | VilkårDet returnerte svaret angir at operasjonen eller resultatet må kontrolleres | Neste trinnBevar den opprinnelige returnerte operasjons-/oppgave-ID-en, forespørselshodene og svaret; fortsett å lese den opprinnelige operasjonen på de støttede måtene. Ikke send opprettelsesforespørselen på nytt. |
Aliaser
Modellaliaser
Ailoot qwen-audio-3.0-asr-flash, qwen-asr, qwen-asr-latest
Aliaser for metodestier
Bruk metodestiene som vises ovenfor.
Tilknyttede anroper-ID-er
Ailoot · Tale til tekst POST /v1/audio/transcriptions qwen-asr-latest
qwen-asr-latestqwen-audio-3.0-asr-flashqwen-asrqwen-asr-latest
Start
En talegjenkjenningsmodell som gjør lyd om til lesbar tekst med tegnsetting og normaliserte tall. Støtter russisk og andre språk, samt kinesiske dialekter.
- Godkjente inndata
- Lyd
- Resultater
- Tekst
Tilgjengelig i Ailoot · inndata & metoder
Ailoot · Tale til tekst POST /v1/audio/transcriptions
- Inndatatyper
audio- Utdatatyper
text- Utdataformat
- json
| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser qwen-asr-latest | Standard— |
Feltfile | Typefile | KravPåkrevd | Verdier & grenser Maksimalt antall byte: 10 485 760 Filformater: wav, mp3, m4a, ogg, webm, flac Innholdstype: multipart/form-data Maksimal varighet, sekunder: 300 | Standard— |
Feltresponse_format | Typestring | KravValgfritt | Verdier & grenser json | Standard— |
Kombinasjoner av inngående materialer
speech_to_text · Påkrevd: actual audio file
Metodeparametere og livssyklus
| Parameter | Avtale |
|---|---|
Parametermaterial_types | Avtaleaudio |
Parameterrequired | Avtalenull |
Parameteroptional_controls | Avtalenull |
Livssyklus: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · faktisk returnert task_id eller oppføring i mediebiblioteket
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Metodestrukturer og ID-er er eksakte; leverandørens evne er adskilt fra godkjenning av forespørselen.
Priser
Satser for Ailoot-metoder
POST /v1/audio/transcriptions- Inndata
- 0,0021 USD per minutt lyd
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
Eksempelforespørsler
Ailoot · Tale til tekst
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
Motta og lagre resultater
Ailoot · Tale til tekst
json
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
Behold alle ferdige resultater
Behold alle fullstendige returnerte svar, filer og innholdsdeler.
Behold hele JSON-svaret, ikke bare teksten; bevar alle tilgjengelige segmenter, talere og tidsstempler og faktiske oppgave- og ressursidentiteter.
Hvis det opprinnelige svaret må kontrolleres
Bevar opprinnelig operation_id/X-Client-Request-ID for avstemming uten ny innsending; det finnes ingen egen rute for å spørre etter lydstatus.
Svarfelter
| Felt | Type |
|---|---|
Felttext | Typestring |
Feltsegments[] | Typeobject |
Felttask_id | Typestring |
Feltasset_url | Typestring |
Feltusage | Typeobject |
Feil og neste trinn
| Svar | Vilkår | Neste trinn |
|---|---|---|
Svar400 · invalid_request_error | VilkårUgyldige påkrevde felter, materialrepresentasjon eller parameterverdi | Neste trinnKorriger de angitte feltene før en ny opprettelsesforespørsel. |
Svarserver_error | VilkårDet returnerte svaret angir at operasjonen eller resultatet må kontrolleres | Neste trinnBevar den opprinnelige returnerte operasjons-/oppgave-ID-en, forespørselshodene og svaret; fortsett å lese den opprinnelige operasjonen på de støttede måtene. Ikke send opprettelsesforespørselen på nytt. |
Aliaser
Modellaliaser
Ailoot qwen-audio-3.0-asr-flash, qwen-asr, qwen-asr-latest
Aliaser for metodestier
Bruk metodestiene som vises ovenfor.
Tilknyttede anroper-ID-er
FAQ · qwen-audio-3.0-asr-flash
- Hvilke inndata og resultater er tilgjengelige?
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- Hvilke felt bruker forespørselen?
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