{ "aboutHtml": "

Qwen3-ASR-0.6B er den kompakte utgaven i Qwens Qwen3-ASR-familie for talegjenkjenning. Den tar imot lyd og produserer en transkripsjon med en språketikett. Produsenten posisjonerer 0.6B rundt balansen mellom gjenkjenningskvalitet og effektivitet, mens 1.7B er den separat navngitte, større utgaven. Begge bygger på lydforståelsen i Qwen3-Omni og deler den dokumenterte gjenkjenningsdekningen og en samlet tilnærming til offlinebehandling og strømming. Den kompakte utgaven kan levere transkripsjonstrinnet i en arbeidsflyt for talenotater, klargjøring av undertekster eller søkbare opptak.

Språk, dialekter og støttede opptak

Qwen dokumenterer gjenkjenning og språkidentifikasjon for 30 språk og 22 kinesiske dialekter, med støtte for engelske aksenter fra ulike regioner. Språktabellen oppgir kinesisk, engelsk, kantonesisk, arabisk, tysk, fransk, spansk, portugisisk, indonesisk, italiensk, koreansk, russisk, thai, vietnamesisk, japansk, tyrkisk, hindi, malayisk, nederlandsk, svensk, dansk, finsk, polsk, tsjekkisk, filippinsk, persisk, gresk, ungarsk, makedonsk og rumensk. De gjenkjente lydtypene omfatter tale, sangstemme og sanger med bakgrunnsmusikk. Den mindre utgaven beholder denne familiedekningen; størrelsen innebærer ikke en annen liste over støttede språk.

Offlinegjenkjenning og klargjøring av inndata

Det offisielle verktøysettet kan ta imot lyd via en filreferanse, kodet lyd eller en bølgeform med tilhørende samplingsfrekvens. Det støtter offlinebehandling av flere opptak, automatisk språkdeteksjon og angivelse av et støttet språk. Det dokumenterte resultatet inneholder språket og den gjenkjente teksten. Velg talespråket når du kjenner det, eller la modellen identifisere det når en samling inneholder ukjente språk. Behold identifikatoren til hvert opptak ved siden av resultatet, slik at en transkripsjon kan spores tilbake til riktig kilde.

For en samling talenotater beholder du et separat resultat for hvert notat og kontrollerer navn, tall og uklare formuleringer mot opptaket før du gjør teksten om til oppgaver eller en oppsummering. For en muntlig veiledning bruker du transkripsjonen til å finne passasjer og kontrollere ordlyden i hver instruksjon. Ved sang lytter du til vokallinjen når du kontrollerer teksten, fremfor å godta et ord bare fordi det gir mening i sangen. Dette er klargjørings- og gjennomgangstrinn for tekstresultatet; oppsummering, oversettelse eller tolkning av transkripsjonen kan følge som separate operasjoner.

Strømmende tekst og sluttføring av et opptak

Qwen3-ASR bruker samme modell for offlinegjenkjenning og strømmende gjenkjenning. I produsentens strømmingseksempel oppdaterer innkommende lydbiter en gjenkjenningstilstand som beholdes, og et sluttføringstrinn gir den ferdige teksten og språket. Dette støtter en fortløpende visning som er nyttig for en løpende transkripsjon. Behandle den foreløpige visningen som den gjeldende gjenkjenningstilstanden, og behold sluttresultatet når opptaket er ferdig, med lydkilden tilgjengelig for korrigering.

Den dokumenterte strømmingsimplementasjonen støtter ikke batchinferens eller retur av tidsstempler i denne strømmingsflyten. Strømmende tekst, en samling offlinetranskripsjoner og klargjøring av tidsfestede undertekster er derfor ulike produsentarbeidsflyter. Produsentens eksempelstørrelser for lydbiter og tokeninnstillinger illustrerer en implementasjon; de er ikke universelle løfter om forsinkelse, samtidighet eller lydlengde. Velg arbeidsflyt ut fra om det nyttige resultatet er tekst som kommer mens et opptak pågår, ferdig tekst for en samling eller tekst justert mot en tidslinje.

Tidsfestet tekst bruker Qwen3-ForcedAligner

Qwen3-ForcedAligner-0.6B er en separat modell for tidsjustering, selv om den deler størrelsesbetegnelsen 0.6B med denne ASR-utgaven. Den tar et tekst–lyd-par og forutsier start- og sluttider på ord- eller tegnnivå. Produsentens offlineverktøysett for ASR kan kalle den når det bes om tidsstempler. Det dokumenterte språksettet er kinesisk, engelsk, kantonesisk, fransk, tysk, italiensk, japansk, koreansk, portugisisk, russisk og spansk, og det oppgitte justeringsspennet er opptil fem minutter med tale. Dette smalere språksettet og spennet på fem minutter gjelder tvungen tidsjustering, ikke ASR-modellens generelle transkripsjonsdekning.

For undertekster klargjør du en gjennomgått transkripsjon på opptakets språk, tidsjusterer den der den støttede arbeidsflyten gjelder, og undersøker segmentgrensene mens du spiller av kilden. Et brukbart undertekstresultat holder ordlyd og tidsangivelser sammen. Hvis et ord i transkripsjonen er feil, korrigerer du ordlyden mot lyden fremfor å anta at et tidsintervall bekrefter den. Dette skillet gjør det tydelig om et problem ligger i gjenkjenningen, i den oppgitte teksten eller i plasseringen av en undertekstgrense.

Utdata fra lang lyd og kontroll av gjenkjenningen

Qwen3-ASR-familien støtter lange opptak. Inferenseksemplene anbefaler å tillate flere genererte tokener for lengre lyd, så sørg for at transkripsjonen når slutten av opptaket, og at en grense for utdata ikke har kuttet den av. De publiserte eksemplene fastslår ikke et universelt, numerisk kontekstvindu eller en maksimal varighet for ASR-opptak. Behold nyttige seksjoner knyttet til sine kildeposisjoner når du organiserer et langt opptak for gjennomgang. Kontroller tildekkede ord, språkskifter, overlappende tale, uvanlige navn og sungne stavelser mot originallyden. Det praktiske resultatet er gjenkjent tekst med en språketikett, klar for søk eller et etterfølgende innholdstrinn, med tidsangivelser lagt til gjennom den separate justeringsflyten når det trengs.

", "aboutText": "Qwen3-ASR-0.6B er den kompakte utgaven i Qwens Qwen3-ASR-familie for talegjenkjenning. Den tar imot lyd og produserer en transkripsjon med en språketikett. Produsenten posisjonerer 0.6B rundt balansen mellom gjenkjenningskvalitet og effektivitet, mens 1.7B er den separat navngitte, større utgaven. Begge bygger på lydforståelsen i Qwen3-Omni og deler den dokumenterte gjenkjenningsdekningen og en samlet tilnærming til offlinebehandling og strømming. Den kompakte utgaven kan levere transkripsjonstrinnet i en arbeidsflyt for talenotater, klargjøring av undertekster eller søkbare opptak.\n\n### Språk, dialekter og støttede opptak\n\nQwen dokumenterer gjenkjenning og språkidentifikasjon for 30 språk og 22 kinesiske dialekter, med støtte for engelske aksenter fra ulike regioner. Språktabellen oppgir kinesisk, engelsk, kantonesisk, arabisk, tysk, fransk, spansk, portugisisk, indonesisk, italiensk, koreansk, russisk, thai, vietnamesisk, japansk, tyrkisk, hindi, malayisk, nederlandsk, svensk, dansk, finsk, polsk, tsjekkisk, filippinsk, persisk, gresk, ungarsk, makedonsk og rumensk. De gjenkjente lydtypene omfatter tale, sangstemme og sanger med bakgrunnsmusikk. Den mindre utgaven beholder denne familiedekningen; størrelsen innebærer ikke en annen liste over støttede språk.\n\n### Offlinegjenkjenning og klargjøring av inndata\n\nDet offisielle verktøysettet kan ta imot lyd via en filreferanse, kodet lyd eller en bølgeform med tilhørende samplingsfrekvens. Det støtter offlinebehandling av flere opptak, automatisk språkdeteksjon og angivelse av et støttet språk. Det dokumenterte resultatet inneholder språket og den gjenkjente teksten. Velg talespråket når du kjenner det, eller la modellen identifisere det når en samling inneholder ukjente språk. Behold identifikatoren til hvert opptak ved siden av resultatet, slik at en transkripsjon kan spores tilbake til riktig kilde.\n\nFor en samling talenotater beholder du et separat resultat for hvert notat og kontrollerer navn, tall og uklare formuleringer mot opptaket før du gjør teksten om til oppgaver eller en oppsummering. For en muntlig veiledning bruker du transkripsjonen til å finne passasjer og kontrollere ordlyden i hver instruksjon. Ved sang lytter du til vokallinjen når du kontrollerer teksten, fremfor å godta et ord bare fordi det gir mening i sangen. Dette er klargjørings- og gjennomgangstrinn for tekstresultatet; oppsummering, oversettelse eller tolkning av transkripsjonen kan følge som separate operasjoner.\n\n### Strømmende tekst og sluttføring av et opptak\n\nQwen3-ASR bruker samme modell for offlinegjenkjenning og strømmende gjenkjenning. I produsentens strømmingseksempel oppdaterer innkommende lydbiter en gjenkjenningstilstand som beholdes, og et sluttføringstrinn gir den ferdige teksten og språket. Dette støtter en fortløpende visning som er nyttig for en løpende transkripsjon. Behandle den foreløpige visningen som den gjeldende gjenkjenningstilstanden, og behold sluttresultatet når opptaket er ferdig, med lydkilden tilgjengelig for korrigering.\n\nDen dokumenterte strømmingsimplementasjonen støtter ikke batchinferens eller retur av tidsstempler i denne strømmingsflyten. Strømmende tekst, en samling offlinetranskripsjoner og klargjøring av tidsfestede undertekster er derfor ulike produsentarbeidsflyter. Produsentens eksempelstørrelser for lydbiter og tokeninnstillinger illustrerer en implementasjon; de er ikke universelle løfter om forsinkelse, samtidighet eller lydlengde. Velg arbeidsflyt ut fra om det nyttige resultatet er tekst som kommer mens et opptak pågår, ferdig tekst for en samling eller tekst justert mot en tidslinje.\n\n### Tidsfestet tekst bruker Qwen3-ForcedAligner\n\nQwen3-ForcedAligner-0.6B er en separat modell for tidsjustering, selv om den deler størrelsesbetegnelsen 0.6B med denne ASR-utgaven. Den tar et tekst–lyd-par og forutsier start- og sluttider på ord- eller tegnnivå. Produsentens offlineverktøysett for ASR kan kalle den når det bes om tidsstempler. Det dokumenterte språksettet er kinesisk, engelsk, kantonesisk, fransk, tysk, italiensk, japansk, koreansk, portugisisk, russisk og spansk, og det oppgitte justeringsspennet er opptil fem minutter med tale. Dette smalere språksettet og spennet på fem minutter gjelder tvungen tidsjustering, ikke ASR-modellens generelle transkripsjonsdekning.\n\nFor undertekster klargjør du en gjennomgått transkripsjon på opptakets språk, tidsjusterer den der den støttede arbeidsflyten gjelder, og undersøker segmentgrensene mens du spiller av kilden. Et brukbart undertekstresultat holder ordlyd og tidsangivelser sammen. Hvis et ord i transkripsjonen er feil, korrigerer du ordlyden mot lyden fremfor å anta at et tidsintervall bekrefter den. Dette skillet gjør det tydelig om et problem ligger i gjenkjenningen, i den oppgitte teksten eller i plasseringen av en undertekstgrense.\n\n### Utdata fra lang lyd og kontroll av gjenkjenningen\n\nQwen3-ASR-familien støtter lange opptak. Inferenseksemplene anbefaler å tillate flere genererte tokener for lengre lyd, så sørg for at transkripsjonen når slutten av opptaket, og at en grense for utdata ikke har kuttet den av. De publiserte eksemplene fastslår ikke et universelt, numerisk kontekstvindu eller en maksimal varighet for ASR-opptak. Behold nyttige seksjoner knyttet til sine kildeposisjoner når du organiserer et langt opptak for gjennomgang. Kontroller tildekkede ord, språkskifter, overlappende tale, uvanlige navn og sungne stavelser mot originallyden. Det praktiske resultatet er gjenkjent tekst med en språketikett, klar for søk eller et etterfølgende innholdstrinn, med tidsangivelser lagt til gjennom den separate justeringsflyten når det trengs.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "df3c8c8b421eeb9bd562ca85e99637ffddc19f30b10030cc928eaa3b51ff319f", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "nb", "methods": [ { "html": "
Al

Qwen: Qwen3 ASR 0.6B

Alibaba /qwen/qwen3-asr-0.6b

Start

Qwen3-ASR-0.6B er Qwens kompakte talegjenkjenningsmodell for å gjøre talt eller sunget lyd om til tekst med språkidentifikasjon. Den deler familiens dekning av 30 språk og 22 dialekter, med offline- og strømmingsarbeidsflyter og separat tvungen tidsjustering for tidsfestet tekst.

Godkjente inndata
Lyd
Resultater
Tekst
Om modellen

Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.

Qwen3-ASR-0.6B er den kompakte utgaven i Qwens Qwen3-ASR-familie for talegjenkjenning. Den tar imot lyd og produserer en transkripsjon med en språketikett. Produsenten posisjonerer 0.6B rundt balansen mellom gjenkjenningskvalitet og effektivitet, mens 1.7B er den separat navngitte, større utgaven. Begge bygger på lydforståelsen i Qwen3-Omni og deler den dokumenterte gjenkjenningsdekningen og en samlet tilnærming til offlinebehandling og strømming. Den kompakte utgaven kan levere transkripsjonstrinnet i en arbeidsflyt for talenotater, klargjøring av undertekster eller søkbare opptak.

Språk, dialekter og støttede opptak

Qwen dokumenterer gjenkjenning og språkidentifikasjon for 30 språk og 22 kinesiske dialekter, med støtte for engelske aksenter fra ulike regioner. Språktabellen oppgir kinesisk, engelsk, kantonesisk, arabisk, tysk, fransk, spansk, portugisisk, indonesisk, italiensk, koreansk, russisk, thai, vietnamesisk, japansk, tyrkisk, hindi, malayisk, nederlandsk, svensk, dansk, finsk, polsk, tsjekkisk, filippinsk, persisk, gresk, ungarsk, makedonsk og rumensk. De gjenkjente lydtypene omfatter tale, sangstemme og sanger med bakgrunnsmusikk. Den mindre utgaven beholder denne familiedekningen; størrelsen innebærer ikke en annen liste over støttede språk.

Offlinegjenkjenning og klargjøring av inndata

Det offisielle verktøysettet kan ta imot lyd via en filreferanse, kodet lyd eller en bølgeform med tilhørende samplingsfrekvens. Det støtter offlinebehandling av flere opptak, automatisk språkdeteksjon og angivelse av et støttet språk. Det dokumenterte resultatet inneholder språket og den gjenkjente teksten. Velg talespråket når du kjenner det, eller la modellen identifisere det når en samling inneholder ukjente språk. Behold identifikatoren til hvert opptak ved siden av resultatet, slik at en transkripsjon kan spores tilbake til riktig kilde.

For en samling talenotater beholder du et separat resultat for hvert notat og kontrollerer navn, tall og uklare formuleringer mot opptaket før du gjør teksten om til oppgaver eller en oppsummering. For en muntlig veiledning bruker du transkripsjonen til å finne passasjer og kontrollere ordlyden i hver instruksjon. Ved sang lytter du til vokallinjen når du kontrollerer teksten, fremfor å godta et ord bare fordi det gir mening i sangen. Dette er klargjørings- og gjennomgangstrinn for tekstresultatet; oppsummering, oversettelse eller tolkning av transkripsjonen kan følge som separate operasjoner.

Strømmende tekst og sluttføring av et opptak

Qwen3-ASR bruker samme modell for offlinegjenkjenning og strømmende gjenkjenning. I produsentens strømmingseksempel oppdaterer innkommende lydbiter en gjenkjenningstilstand som beholdes, og et sluttføringstrinn gir den ferdige teksten og språket. Dette støtter en fortløpende visning som er nyttig for en løpende transkripsjon. Behandle den foreløpige visningen som den gjeldende gjenkjenningstilstanden, og behold sluttresultatet når opptaket er ferdig, med lydkilden tilgjengelig for korrigering.

Den dokumenterte strømmingsimplementasjonen støtter ikke batchinferens eller retur av tidsstempler i denne strømmingsflyten. Strømmende tekst, en samling offlinetranskripsjoner og klargjøring av tidsfestede undertekster er derfor ulike produsentarbeidsflyter. Produsentens eksempelstørrelser for lydbiter og tokeninnstillinger illustrerer en implementasjon; de er ikke universelle løfter om forsinkelse, samtidighet eller lydlengde. Velg arbeidsflyt ut fra om det nyttige resultatet er tekst som kommer mens et opptak pågår, ferdig tekst for en samling eller tekst justert mot en tidslinje.

Tidsfestet tekst bruker Qwen3-ForcedAligner

Qwen3-ForcedAligner-0.6B er en separat modell for tidsjustering, selv om den deler størrelsesbetegnelsen 0.6B med denne ASR-utgaven. Den tar et tekst–lyd-par og forutsier start- og sluttider på ord- eller tegnnivå. Produsentens offlineverktøysett for ASR kan kalle den når det bes om tidsstempler. Det dokumenterte språksettet er kinesisk, engelsk, kantonesisk, fransk, tysk, italiensk, japansk, koreansk, portugisisk, russisk og spansk, og det oppgitte justeringsspennet er opptil fem minutter med tale. Dette smalere språksettet og spennet på fem minutter gjelder tvungen tidsjustering, ikke ASR-modellens generelle transkripsjonsdekning.

For undertekster klargjør du en gjennomgått transkripsjon på opptakets språk, tidsjusterer den der den støttede arbeidsflyten gjelder, og undersøker segmentgrensene mens du spiller av kilden. Et brukbart undertekstresultat holder ordlyd og tidsangivelser sammen. Hvis et ord i transkripsjonen er feil, korrigerer du ordlyden mot lyden fremfor å anta at et tidsintervall bekrefter den. Dette skillet gjør det tydelig om et problem ligger i gjenkjenningen, i den oppgitte teksten eller i plasseringen av en undertekstgrense.

Utdata fra lang lyd og kontroll av gjenkjenningen

Qwen3-ASR-familien støtter lange opptak. Inferenseksemplene anbefaler å tillate flere genererte tokener for lengre lyd, så sørg for at transkripsjonen når slutten av opptaket, og at en grense for utdata ikke har kuttet den av. De publiserte eksemplene fastslår ikke et universelt, numerisk kontekstvindu eller en maksimal varighet for ASR-opptak. Behold nyttige seksjoner knyttet til sine kildeposisjoner når du organiserer et langt opptak for gjennomgang. Kontroller tildekkede ord, språkskifter, overlappende tale, uvanlige navn og sungne stavelser mot originallyden. Det praktiske resultatet er gjenkjent tekst med en språketikett, klar for søk eller et etterfølgende innholdstrinn, med tidsangivelser lagt til gjennom den separate justeringsflyten når det trengs.

Tilgjengelig i Ailoot · inndata & metoder

Ailoot Ultra · Transkripsjon POST /v1/audio/transcriptions
Inndatatyper
audio
Utdatatyper
text
FeltTypeKravVerdier & grenserStandard
FeltmodelTypestringKravPåkrevdVerdier & grenser
qwen/qwen3-asr-0.6b
Standard—
Feltinput_audioTypeobjectKravPåkrevdVerdier & grenserStandard—
FeltlanguageTypestringKravValgfrittVerdier & grenserStandard—
FelttemperatureTypenumberKravValgfrittVerdier & grenser
Minimum: 0
Maksimum: 1
Standard—
Feltresponse_formatTypestringKravValgfrittVerdier & grenser
json, verbose_json
Standardjson
Felttimestamp_granularitiesTypearrayKravValgfrittVerdier & grenserStandard—
FeltproviderTypeobjectKravValgfrittVerdier & grenserStandard—
Metodeparametere og livssyklus
ParameterAvtale
Parametercontent_typeAvtaleapplication/json
ParameterrequiredAvtalemodel, input_audio
Parametermaterial_typesAvtaleaudio
Parametermaterial_conditionsAvtaleLes en faktisk WAV-fil og kod de virkelige bytene for det deklarerte JSON-feltet input_audio; ingen multipart-rute tilbys for denne eksakte deklarasjonen som bare bruker JSON.

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}

Priser

Slik beregnes det endelige beløpet

De viste satsene anslår kostnaden før generering. Det endelige beløpet beregnes ut fra kostnaden som er registrert for den opprinnelige genereringen. Målt varighet på utdataene og anslåtte mengder er ikke den endelige fakturerbare mengden.

Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.

Hurtigmodus
Ikke angitt Når hurtigmodus er valgt
Flex-modus
Ikke angitt Når flex-modus er valgt
Maksimal resonneringsinnsats
Ikke angitt Når justeringen «default» brukes for maksimal resonneringsinnsats

Estimerte satser for sammenligning

Priser etter konfigurasjon

Knytt hver kostnad til de viste vilkårene. Bruk én sats for hvert sett med alternative konfigurasjoner.

KonfigurasjonPrisplanForventet mengdeFaktureringsenhetKostnad
KonfigurasjonGrunnpriser for tokenerPrisplanGrunnsatsForventet mengde—Faktureringsenhet—Kostnad
Inndata · Inngående tokener · Estimat kun for sammenligning — / 1K tokener
Utdata · Utgående tokener · Estimat kun for sammenligning — / 1K tokener
Inndata · Lesing fra hurtigbuffer · Estimat kun for sammenligning — / 1K tokener
Inndata · Skriving til hurtigbuffer · Estimat kun for sammenligning — / 1K tokener
Inndata · Skriving til hurtigbuffer, 1 time · Estimat kun for sammenligning — / 1K tokener
Konfigurasjonlydsekund i inndataPrisplan—Forventet mengde—Faktureringsenhetper sekund inndatalydKostnad
Inndata · lydsekund i inndata · Estimat kun for sammenligning $0.00000666 per sekund inndatalyd
KonfigurasjonAnslått genereringskostnadPrisplan—Forventet mengdeestimat for én genereringFaktureringsenhet—Kostnad
Utdata · Anslått genereringskostnad · Estimat kun for sammenligning $0.00000666 estimat før generering

Dette anslaget er verken en tilleggsavgift eller en fast sats for den fullførte genereringen.

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 Ultra · Transkripsjon

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.\n

Motta og lagre resultater

Ailoot Ultra · Transkripsjon

Andre innholdslesinger
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.\n
Behold alle ferdige resultater

Behold alle fullstendige returnerte svar, filer og innholdsdeler.

Bevar hele svaret og svarhodene, alle faktiske utdata, de opprinnelige returnerte identifikatorene og alle bruksfeltene. Hent den opprinnelige operasjonen igjen uten å sende opprettelsesforespørselen på nytt.

Hvis det opprinnelige svaret må kontrolleres

Bevar returnert X-Client-Request-ID for avstemming. Les bare faktisk returnerte task_id/asset_id-verdier eller egne oppføringer i mediebiblioteket; bygg aldri en oppgave-URL fra operasjons-ID-en, og send aldri opprettelsesforespørselen på nytt.

Svarfelter
FeltType
FelttextType
FeltusageType
Feltsegments[]Type
Feltwords[]Type
Feltspeaker fieldsType
FelttimestampsType

Aliaser

Modellaliaser

Ailoot Ultra qwen/qwen3-asr-0.6b

Aliaser for metodestier

Bruk metodestiene som vises ovenfor.

Tilknyttede anroper-ID-er

qwen/qwen3-asr-0.6b

", "method_identity": { "effective_request_model_id": "qwen/qwen3-asr-0.6b", "fmt": "transcriptions", "http": "POST", "path": "/v1/audio/transcriptions", "request_model_id": "qwen/qwen3-asr-0.6b", "route_label": "Ultra" }, "method_key": "Ultra|transcriptions|/v1/audio/transcriptions|qwen%2Fqwen3-asr-0.6b", "ordinal": 0, "rawMethod": { "available": null, "billing_basis": { "basis": "original_invoice_usd", "description": "De viste satsene anslår kostnaden før generering. Det endelige beløpet beregnes ut fra kostnaden som er registrert for den opprinnelige genereringen. Målt varighet på utdataene og anslåtte mengder er ikke den endelige fakturerbare mengden.", "forecast_quantity_is_estimate": true, "physical_output_is_billable_quantity": false, "version": "original_invoice_usd_v1" }, "cache_read": null, "cache_write": null, "cache_write_1h": null, "contract": { "data": { "all_results": "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.", "lifecycle": { "assets": [ { "http": "GET", "path": "/v1/media/assets" }, { "http": "GET", "path": "/v1/media/assets/{asset_id}" } ], "content": [ { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "url_source": "exact returned signed URL; never construct token" } ], "mode": "synchronous_result_then_owned_library", "operation_id_is_not_task_id": true, "status": [ { "http": "GET", "id_source": "actual returned task_id or media library record", "path": "/v1/media/tasks/{task_id}" } ], "unknown": "Bevar returnert X-Client-Request-ID for avstemming. Les bare faktisk returnerte task_id/asset_id-verdier eller egne oppføringer i mediebiblioteket; bygg aldri en oppgave-URL fra operasjons-ID-en, og send aldri opprettelsesforespørselen på nytt." }, "outputs": { "all_results": "Bevar hele svaret og svarhodene, alle faktiske utdata, de opprinnelige returnerte identifikatorene og alle bruksfeltene. Hent den opprinnelige operasjonen igjen uten å sende opprettelsesforespørselen på nytt.", "family": "text", "fields": [ { "description": null, "name": "text", "type": null }, { "description": null, "name": "usage", "type": null }, { "description": null, "name": "segments[]", "type": null }, { "description": null, "name": "words[]", "type": null }, { "description": null, "name": "speaker fields", "type": null }, { "description": null, "name": "timestamps", "type": null } ] }, "parameters": [ { "enum": [ "qwen/qwen3-asr-0.6b" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "name": "input_audio", "required": true, "type": "object" }, { "name": "language", "required": false, "type": "string" }, { "maximum": 1, "minimum": 0, "name": "temperature", "required": false, "type": "number" }, { "default": "json", "default_known": true, "enum": [ "json", "verbose_json" ], "enum_known": true, "name": "response_format", "required": false, "type": "string" }, { "items": { "enum": [ "segment", "word" ], "type": "string" }, "name": "timestamp_granularities", "required": false, "type": "array" }, { "name": "provider", "required": false, "type": "object" } ], "request_schema": { "properties": { "input_audio": { "properties": { "data": { "contentEncoding": "base64", "type": "string" }, "format": { "enum": [ "wav", "mp3", "flac", "m4a", "ogg", "webm", "aac" ], "type": "string" } }, "required": [ "data", "format" ], "type": "object" }, "language": { "description": "ISO-639-1 code; omitted means auto-detection", "type": "string" }, "model": { "enum": [ "qwen/qwen3-asr-0.6b" ], "type": "string" }, "provider": { "description": "Data policy and exact provider options; order/only/ignore are not applied to STT", "properties": { "data_collection": { "enum": [ "allow", "deny", null ], "type": [ "string", "null" ] }, "options": { "type": "object" }, "zdr": { "type": [ "boolean", "null" ] } }, "type": "object" }, "response_format": { "default": "json", "description": "verbose_json requires exact model/provider support", "enum": [ "json", "verbose_json" ], "type": "string" }, "temperature": { "maximum": 1, "minimum": 0, "type": "number" }, "timestamp_granularities": { "description": "Only used with supported verbose_json", "items": { "enum": [ "segment", "word" ], "type": "string" }, "type": "array" } }, "required": [ "model", "input_audio" ], "type": "object" }, "schema_template": { "actual_file_preparation_required": true, "body": { "input_audio": { "data": "${BASE64_ACTUAL_WAV_BYTES}", "format": "wav" }, "model": "qwen/qwen3-asr-0.6b" }, "content_type": "application/json" } }, "input": { "content_type": "application/json", "material_conditions": [ "Les en faktisk WAV-fil og kod de virkelige bytene for det deklarerte JSON-feltet input_audio; ingen multipart-rute tilbys for denne eksakte deklarasjonen som bare bruker JSON." ], "material_types": [ "audio" ], "required": [ "model", "input_audio" ] }, "lifecycle": { "assets": [ { "http": "GET", "path": "/v1/media/assets" }, { "http": "GET", "path": "/v1/media/assets/{asset_id}" } ], "content": [ { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "url_source": "exact returned signed URL; never construct token" } ], "mode": "synchronous_result_then_owned_library", "operation_id_is_not_task_id": true, "status": [ { "http": "GET", "id_source": "faktisk returnert task_id eller oppføring i mediebiblioteket", "path": "/v1/media/tasks/{task_id}" } ], "unknown": "Keep the returned X-Client-Request-ID for reconciliation. Read only actual returned task_id/asset_id values or the owned media library; never build a task URL from the operation ID and never resubmit creation." }, "method": { "http": "POST", "path": "/v1/audio/transcriptions" }, "output": { "all_results": "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.", "family": "text", "fields": [ { "description": null, "name": "text", "type": null }, { "description": null, "name": "usage", "type": null }, { "description": null, "name": "segments[]", "type": null }, { "description": null, "name": "words[]", "type": null }, { "description": null, "name": "speaker fields", "type": null }, { "description": null, "name": "timestamps", "type": null } ] } }, "ctx": null, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": false, "estimate_only": true, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": false, "estimate_only": true, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": false, "estimate_only": true, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": false, "estimate_only": true, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": false, "estimate_only": true, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "quoted_unit": "per input audio second" }, "label": "input audio second", "units": [ { "amount": "0.00000666", "amount_unit": "usd_per_exact_native_unit", "billing_input": false, "estimate_only": true, "key": "audio_input_second", "label": "input audio second", "native_amount_usd_per_unit": "0.00000666", "native_quantity": 1, "public_unit_label": "per input audio second", "quantity": 1, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_second" } ] }, { "basis": "Dette anslaget er verken en tilleggsavgift eller en fast sats for den fullførte genereringen.", "dimensions": { "forecast_quantity": "one generation estimate" }, "label": "Anslått genereringskostnad", "units": [ { "amount": "0.00000666", "amount_unit": "usd_per_exact_native_unit", "billing_input": false, "estimate_only": true, "key": "forecast_usd", "label": "Estimated generation cost", "native_amount_usd_per_unit": "0.00000666", "native_quantity": 1, "public_unit_label": "estimate before generation", "quantity": 1, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "request_estimate" } ] } ], "examples": [ { "code": "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 $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o response.bin\n# Keep the complete original response and headers. Read every returned segment, word and usage field.\n# Preserve actual operation/task/asset IDs; continue reads of the original result without resubmitting.\n", "label": "curl · exact native body and complete result", "language": "bash" }, { "code": "set -eu\n: \"${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.\n", "label": "Read existing owned assets", "language": "bash" } ], "family": "openai", "fast_multiplier": null, "flex_multiplier": null, "fmt": "transcriptions", "hints": [ "Use the exact caller model ID and documented input representation.", "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again." ], "http": "POST", "in": null, "input": [ "audio" ], "label": "Transkripsjon", "max_out": null, "max_reasoning_effort_multiplier": null, "method_aliases": [], "native_endpoint": "audio_transcriptions", "out": null, "output": [ "text" ], "path": "/v1/audio/transcriptions", "price_conditions": [ { "label": "Fast mode", "value": "Not specified", "when": "When fast mode is selected" }, { "label": "Flex mode", "value": "Not specified", "when": "When flex mode is selected" }, { "label": "Maximum reasoning effort", "value": "Not specified", "when": "When maximum reasoning effort uses the default adjustment" } ], "pricing": { "billing_mode": "original_invoice_usd", "image_input_price": null, "image_output_price": null }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": false, "estimate_only": true, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": false, "estimate_only": true, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": false, "estimate_only": true, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": false, "estimate_only": true, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": false, "estimate_only": true, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "quoted_unit": "per input audio second" }, "label": "input audio second", "units": [ { "amount": "0.00000666", "amount_unit": "usd_per_exact_native_unit", "billing_input": false, "estimate_only": true, "key": "audio_input_second", "label": "input audio second", "native_amount_usd_per_unit": "0.00000666", "native_quantity": 1, "public_unit_label": "per input audio second", "quantity": 1, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_second" } ] }, { "basis": "This estimate is not an additional charge or a fixed rate for the completed generation.", "dimensions": { "forecast_quantity": "one generation estimate" }, "label": "Estimated generation cost", "units": [ { "amount": "0.00000666", "amount_unit": "usd_per_exact_native_unit", "billing_input": false, "estimate_only": true, "key": "forecast_usd", "label": "Estimated generation cost", "native_amount_usd_per_unit": "0.00000666", "native_quantity": 1, "public_unit_label": "estimate before generation", "quantity": 1, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "request_estimate" } ] } ], "request_model_id": "qwen/qwen3-asr-0.6b", "route_label": "Ultra", "status_reads": [ "GET /v1/media/tasks/{task_id}" ], "tiers": [], "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": false, "estimate_only": true, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": false, "estimate_only": true, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": false, "estimate_only": true, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": false, "estimate_only": true, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": false, "estimate_only": true, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" }, { "amount": "0.00000666", "amount_unit": "usd_per_exact_native_unit", "billing_input": false, "estimate_only": true, "key": "audio_input_second", "label": "input audio second", "native_amount_usd_per_unit": "0.00000666", "native_quantity": 1, "public_unit_label": "per input audio second", "quantity": 1, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_second" }, { "amount": "0.00000666", "amount_unit": "usd_per_exact_native_unit", "billing_input": false, "estimate_only": true, "key": "forecast_usd", "label": "Estimated generation cost", "native_amount_usd_per_unit": "0.00000666", "native_quantity": 1, "public_unit_label": "estimate before generation", "quantity": 1, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "request_estimate" } ] } } ], "model_id": "qwen/qwen3-asr-0.6b", "nativeProvenance": { "input_facts_canonical_sha256": "5fc0965f6aa377e4afd802e12568416057a127bc6dc1c3bfa683c12c343acba0", "input_html_sha256": "72cdfc12436b57b0bc697b1a5a5d822c993905f8da498c805150570205f15a23", "private_audit_sha256": "b04b4cfcac284d1c536eaf8125bc364277170744a8d975baa90c2dbb42587ea3", "role": "historical-normalized-input-audit-hashes", "schema": "ailoot-native-model-provenance-v2" }, "page": { "canonical": "https://ailoot.ai/models/nb/qwen-qwen3-asr-0-6b/", "description": "Qwen3-ASR-0.6B er Qwens kompakte talegjenkjenningsmodell for å gjøre talt eller sunget lyd om til tekst med språkidentifikasjon. Den deler familiens dekning av 30 språk og 22 dialekter, med offline- og strømmingsarbeidsflyter og separat tvungen tidsjustering for tidsfestet tekst.", "locale": "nb", "md_url": "https://ailoot.ai/models/nb/qwen-qwen3-asr-0-6b/index.md", "title": "Qwen: Qwen3 ASR 0.6B — Ailoot", "url": "https://ailoot.ai/models/nb/qwen-qwen3-asr-0-6b/" }, "rawModel": { "about": "Qwen3-ASR-0.6B er den kompakte utgaven i Qwens Qwen3-ASR-familie for talegjenkjenning. Den tar imot lyd og produserer en transkripsjon med en språketikett. Produsenten posisjonerer 0.6B rundt balansen mellom gjenkjenningskvalitet og effektivitet, mens 1.7B er den separat navngitte, større utgaven. Begge bygger på lydforståelsen i Qwen3-Omni og deler den dokumenterte gjenkjenningsdekningen og en samlet tilnærming til offlinebehandling og strømming. Den kompakte utgaven kan levere transkripsjonstrinnet i en arbeidsflyt for talenotater, klargjøring av undertekster eller søkbare opptak.\n\n### Språk, dialekter og støttede opptak\n\nQwen dokumenterer gjenkjenning og språkidentifikasjon for 30 språk og 22 kinesiske dialekter, med støtte for engelske aksenter fra ulike regioner. Språktabellen oppgir kinesisk, engelsk, kantonesisk, arabisk, tysk, fransk, spansk, portugisisk, indonesisk, italiensk, koreansk, russisk, thai, vietnamesisk, japansk, tyrkisk, hindi, malayisk, nederlandsk, svensk, dansk, finsk, polsk, tsjekkisk, filippinsk, persisk, gresk, ungarsk, makedonsk og rumensk. De gjenkjente lydtypene omfatter tale, sangstemme og sanger med bakgrunnsmusikk. Den mindre utgaven beholder denne familiedekningen; størrelsen innebærer ikke en annen liste over støttede språk.\n\n### Offlinegjenkjenning og klargjøring av inndata\n\nDet offisielle verktøysettet kan ta imot lyd via en filreferanse, kodet lyd eller en bølgeform med tilhørende samplingsfrekvens. Det støtter offlinebehandling av flere opptak, automatisk språkdeteksjon og angivelse av et støttet språk. Det dokumenterte resultatet inneholder språket og den gjenkjente teksten. Velg talespråket når du kjenner det, eller la modellen identifisere det når en samling inneholder ukjente språk. Behold identifikatoren til hvert opptak ved siden av resultatet, slik at en transkripsjon kan spores tilbake til riktig kilde.\n\nFor en samling talenotater beholder du et separat resultat for hvert notat og kontrollerer navn, tall og uklare formuleringer mot opptaket før du gjør teksten om til oppgaver eller en oppsummering. For en muntlig veiledning bruker du transkripsjonen til å finne passasjer og kontrollere ordlyden i hver instruksjon. Ved sang lytter du til vokallinjen når du kontrollerer teksten, fremfor å godta et ord bare fordi det gir mening i sangen. Dette er klargjørings- og gjennomgangstrinn for tekstresultatet; oppsummering, oversettelse eller tolkning av transkripsjonen kan følge som separate operasjoner.\n\n### Strømmende tekst og sluttføring av et opptak\n\nQwen3-ASR bruker samme modell for offlinegjenkjenning og strømmende gjenkjenning. I produsentens strømmingseksempel oppdaterer innkommende lydbiter en gjenkjenningstilstand som beholdes, og et sluttføringstrinn gir den ferdige teksten og språket. Dette støtter en fortløpende visning som er nyttig for en løpende transkripsjon. Behandle den foreløpige visningen som den gjeldende gjenkjenningstilstanden, og behold sluttresultatet når opptaket er ferdig, med lydkilden tilgjengelig for korrigering.\n\nDen dokumenterte strømmingsimplementasjonen støtter ikke batchinferens eller retur av tidsstempler i denne strømmingsflyten. Strømmende tekst, en samling offlinetranskripsjoner og klargjøring av tidsfestede undertekster er derfor ulike produsentarbeidsflyter. Produsentens eksempelstørrelser for lydbiter og tokeninnstillinger illustrerer en implementasjon; de er ikke universelle løfter om forsinkelse, samtidighet eller lydlengde. Velg arbeidsflyt ut fra om det nyttige resultatet er tekst som kommer mens et opptak pågår, ferdig tekst for en samling eller tekst justert mot en tidslinje.\n\n### Tidsfestet tekst bruker Qwen3-ForcedAligner\n\nQwen3-ForcedAligner-0.6B er en separat modell for tidsjustering, selv om den deler størrelsesbetegnelsen 0.6B med denne ASR-utgaven. Den tar et tekst–lyd-par og forutsier start- og sluttider på ord- eller tegnnivå. Produsentens offlineverktøysett for ASR kan kalle den når det bes om tidsstempler. Det dokumenterte språksettet er kinesisk, engelsk, kantonesisk, fransk, tysk, italiensk, japansk, koreansk, portugisisk, russisk og spansk, og det oppgitte justeringsspennet er opptil fem minutter med tale. Dette smalere språksettet og spennet på fem minutter gjelder tvungen tidsjustering, ikke ASR-modellens generelle transkripsjonsdekning.\n\nFor undertekster klargjør du en gjennomgått transkripsjon på opptakets språk, tidsjusterer den der den støttede arbeidsflyten gjelder, og undersøker segmentgrensene mens du spiller av kilden. Et brukbart undertekstresultat holder ordlyd og tidsangivelser sammen. Hvis et ord i transkripsjonen er feil, korrigerer du ordlyden mot lyden fremfor å anta at et tidsintervall bekrefter den. Dette skillet gjør det tydelig om et problem ligger i gjenkjenningen, i den oppgitte teksten eller i plasseringen av en undertekstgrense.\n\n### Utdata fra lang lyd og kontroll av gjenkjenningen\n\nQwen3-ASR-familien støtter lange opptak. Inferenseksemplene anbefaler å tillate flere genererte tokener for lengre lyd, så sørg for at transkripsjonen når slutten av opptaket, og at en grense for utdata ikke har kuttet den av. De publiserte eksemplene fastslår ikke et universelt, numerisk kontekstvindu eller en maksimal varighet for ASR-opptak. Behold nyttige seksjoner knyttet til sine kildeposisjoner når du organiserer et langt opptak for gjennomgang. Kontroller tildekkede ord, språkskifter, overlappende tale, uvanlige navn og sungne stavelser mot originallyden. Det praktiske resultatet er gjenkjent tekst med en språketikett, klar for søk eller et etterfølgende innholdstrinn, med tidsangivelser lagt til gjennom den separate justeringsflyten når det trengs.", "alias_of": null, "aliases": [], "author": "Alibaba", "capabilities": { "context_length": 0, "manufacturer_input": [ "audio" ], "manufacturer_output": [ "transcription" ] }, "card_routes": [ { "label": "Ultra", "rates": [ { "amount": "0.00000666", "amount_unit": "usd_per_exact_native_unit", "billing_input": false, "estimate_only": true, "key": "forecast_usd", "label": "Estimated generation cost", "native_amount_usd_per_unit": "0.00000666", "native_quantity": 1, "public_unit_label": "estimate before generation", "quantity": 1, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "request_estimate" } ], "summary": "Fullstendige priser for konfigurasjonen finnes i detaljene." } ], "ctx": null, "formats": [ "transcriptions" ], "id": "qwen/qwen3-asr-0.6b", "input": [ "audio" ], "kind": "audio", "max_out": null, "methods": [ { "available": null, "billing_basis": { "basis": "original_invoice_usd", "description": "De viste satsene anslår kostnaden før generering. Det endelige beløpet beregnes ut fra kostnaden som er registrert for den opprinnelige genereringen. Målt varighet på utdataene og anslåtte mengder er ikke den endelige fakturerbare mengden.", "forecast_quantity_is_estimate": true, "physical_output_is_billable_quantity": false, "version": "original_invoice_usd_v1" }, "cache_read": null, "cache_write": null, "cache_write_1h": null, "contract": { "data": { "all_results": "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.", "lifecycle": { "assets": [ { "http": "GET", "path": "/v1/media/assets" }, { "http": "GET", "path": "/v1/media/assets/{asset_id}" } ], "content": [ { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "url_source": "exact returned signed URL; never construct token" } ], "mode": "synchronous_result_then_owned_library", "operation_id_is_not_task_id": true, "status": [ { "http": "GET", "id_source": "actual returned task_id or media library record", "path": "/v1/media/tasks/{task_id}" } ], "unknown": "Bevar returnert X-Client-Request-ID for avstemming. Les bare faktisk returnerte task_id/asset_id-verdier eller egne oppføringer i mediebiblioteket; bygg aldri en oppgave-URL fra operasjons-ID-en, og send aldri opprettelsesforespørselen på nytt." }, "outputs": { "all_results": "Bevar hele svaret og svarhodene, alle faktiske utdata, de opprinnelige returnerte identifikatorene og alle bruksfeltene. Hent den opprinnelige operasjonen igjen uten å sende opprettelsesforespørselen på nytt.", "family": "text", "fields": [ { "description": null, "name": "text", "type": null }, { "description": null, "name": "usage", "type": null }, { "description": null, "name": "segments[]", "type": null }, { "description": null, "name": "words[]", "type": null }, { "description": null, "name": "speaker fields", "type": null }, { "description": null, "name": "timestamps", "type": null } ] }, "parameters": [ { "enum": [ "qwen/qwen3-asr-0.6b" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "name": "input_audio", "required": true, "type": "object" }, { "name": "language", "required": false, "type": "string" }, { "maximum": 1, "minimum": 0, "name": "temperature", "required": false, "type": "number" }, { "default": "json", "default_known": true, "enum": [ "json", "verbose_json" ], "enum_known": true, "name": "response_format", "required": false, "type": "string" }, { "items": { "enum": [ "segment", "word" ], "type": "string" }, "name": "timestamp_granularities", "required": false, "type": "array" }, { "name": "provider", "required": false, "type": "object" } ], "request_schema": { "properties": { "input_audio": { "properties": { "data": { "contentEncoding": "base64", "type": "string" }, "format": { "enum": [ "wav", "mp3", "flac", "m4a", "ogg", "webm", "aac" ], "type": "string" } }, "required": [ "data", "format" ], "type": "object" }, "language": { "description": "ISO-639-1 code; omitted means auto-detection", "type": "string" }, "model": { "enum": [ "qwen/qwen3-asr-0.6b" ], "type": "string" }, "provider": { "description": "Data policy and exact provider options; order/only/ignore are not applied to STT", "properties": { "data_collection": { "enum": [ "allow", "deny", null ], "type": [ "string", "null" ] }, "options": { "type": "object" }, "zdr": { "type": [ "boolean", "null" ] } }, "type": "object" }, "response_format": { "default": "json", "description": "verbose_json requires exact model/provider support", "enum": [ "json", "verbose_json" ], "type": "string" }, "temperature": { "maximum": 1, "minimum": 0, "type": "number" }, "timestamp_granularities": { "description": "Only used with supported verbose_json", "items": { "enum": [ "segment", "word" ], "type": "string" }, "type": "array" } }, "required": [ "model", "input_audio" ], "type": "object" }, "schema_template": { "actual_file_preparation_required": true, "body": { "input_audio": { "data": "${BASE64_ACTUAL_WAV_BYTES}", "format": "wav" }, "model": "qwen/qwen3-asr-0.6b" }, "content_type": "application/json" } }, "input": { "content_type": "application/json", "material_conditions": [ "Les en faktisk WAV-fil og kod de virkelige bytene for det deklarerte JSON-feltet input_audio; ingen multipart-rute tilbys for denne eksakte deklarasjonen som bare bruker JSON." ], "material_types": [ "audio" ], "required": [ "model", "input_audio" ] }, "lifecycle": { "assets": [ { "http": "GET", "path": "/v1/media/assets" }, { "http": "GET", "path": "/v1/media/assets/{asset_id}" } ], "content": [ { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "url_source": "exact returned signed URL; never construct token" } ], "mode": "synchronous_result_then_owned_library", "operation_id_is_not_task_id": true, "status": [ { "http": "GET", "id_source": "faktisk returnert task_id eller oppføring i mediebiblioteket", "path": "/v1/media/tasks/{task_id}" } ], "unknown": "Keep the returned X-Client-Request-ID for reconciliation. Read only actual returned task_id/asset_id values or the owned media library; never build a task URL from the operation ID and never resubmit creation." }, "method": { "http": "POST", "path": "/v1/audio/transcriptions" }, "output": { "all_results": "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.", "family": "text", "fields": [ { "description": null, "name": "text", "type": null }, { "description": null, "name": "usage", "type": null }, { "description": null, "name": "segments[]", "type": null }, { "description": null, "name": "words[]", "type": null }, { "description": null, "name": "speaker fields", "type": null }, { "description": null, "name": "timestamps", "type": null } ] } }, "ctx": null, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": false, "estimate_only": true, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": false, "estimate_only": true, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": false, "estimate_only": true, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": false, "estimate_only": true, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": false, "estimate_only": true, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "quoted_unit": "per input audio second" }, "label": "input audio second", "units": [ { "amount": "0.00000666", "amount_unit": "usd_per_exact_native_unit", "billing_input": false, "estimate_only": true, "key": "audio_input_second", "label": "input audio second", "native_amount_usd_per_unit": "0.00000666", "native_quantity": 1, "public_unit_label": "per input audio second", "quantity": 1, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_second" } ] }, { "basis": "Dette anslaget er verken en tilleggsavgift eller en fast sats for den fullførte genereringen.", "dimensions": { "forecast_quantity": "one generation estimate" }, "label": "Anslått genereringskostnad", "units": [ { "amount": "0.00000666", "amount_unit": "usd_per_exact_native_unit", "billing_input": false, "estimate_only": true, "key": "forecast_usd", "label": "Estimated generation cost", "native_amount_usd_per_unit": "0.00000666", "native_quantity": 1, "public_unit_label": "estimate before generation", "quantity": 1, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "request_estimate" } ] } ], "examples": [ { "code": "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 $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o response.bin\n# Keep the complete original response and headers. Read every returned segment, word and usage field.\n# Preserve actual operation/task/asset IDs; continue reads of the original result without resubmitting.\n", "label": "curl · exact native body and complete result", "language": "bash" }, { "code": "set -eu\n: \"${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.\n", "label": "Read existing owned assets", "language": "bash" } ], "family": "openai", "fast_multiplier": null, "flex_multiplier": null, "fmt": "transcriptions", "hints": [ "Use the exact caller model ID and documented input representation.", "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again." ], "http": "POST", "in": null, "input": [ "audio" ], "label": "Transkripsjon", "max_out": null, "max_reasoning_effort_multiplier": null, "method_aliases": [], "native_endpoint": "audio_transcriptions", "out": null, "output": [ "text" ], "path": "/v1/audio/transcriptions", "price_conditions": [ { "label": "Fast mode", "value": "Not specified", "when": "When fast mode is selected" }, { "label": "Flex mode", "value": "Not specified", "when": "When flex mode is selected" }, { "label": "Maximum reasoning effort", "value": "Not specified", "when": "When maximum reasoning effort uses the default adjustment" } ], "pricing": { "billing_mode": "original_invoice_usd", "image_input_price": null, "image_output_price": null }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": false, "estimate_only": true, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": false, "estimate_only": true, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": false, "estimate_only": true, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": false, "estimate_only": true, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": false, "estimate_only": true, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "quoted_unit": "per input audio second" }, "label": "input audio second", "units": [ { "amount": "0.00000666", "amount_unit": "usd_per_exact_native_unit", "billing_input": false, "estimate_only": true, "key": "audio_input_second", "label": "input audio second", "native_amount_usd_per_unit": "0.00000666", "native_quantity": 1, "public_unit_label": "per input audio second", "quantity": 1, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_second" } ] }, { "basis": "This estimate is not an additional charge or a fixed rate for the completed generation.", "dimensions": { "forecast_quantity": "one generation estimate" }, "label": "Estimated generation cost", "units": [ { "amount": "0.00000666", "amount_unit": "usd_per_exact_native_unit", "billing_input": false, "estimate_only": true, "key": "forecast_usd", "label": "Estimated generation cost", "native_amount_usd_per_unit": "0.00000666", "native_quantity": 1, "public_unit_label": "estimate before generation", "quantity": 1, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "request_estimate" } ] } ], "request_model_id": "qwen/qwen3-asr-0.6b", "route_label": "Ultra", "status_reads": [ "GET /v1/media/tasks/{task_id}" ], "tiers": [], "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": false, "estimate_only": true, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": false, "estimate_only": true, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": false, "estimate_only": true, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": false, "estimate_only": true, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": false, "estimate_only": true, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" }, { "amount": "0.00000666", "amount_unit": "usd_per_exact_native_unit", "billing_input": false, "estimate_only": true, "key": "audio_input_second", "label": "input audio second", "native_amount_usd_per_unit": "0.00000666", "native_quantity": 1, "public_unit_label": "per input audio second", "quantity": 1, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_second" }, { "amount": "0.00000666", "amount_unit": "usd_per_exact_native_unit", "billing_input": false, "estimate_only": true, "key": "forecast_usd", "label": "Estimated generation cost", "native_amount_usd_per_unit": "0.00000666", "native_quantity": 1, "public_unit_label": "estimate before generation", "quantity": 1, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "request_estimate" } ] } ], "model_aliases": [ { "canonical_model_id": "qwen/qwen3-asr-0.6b", "request_model_id": "qwen/qwen3-asr-0.6b", "route_label": "Ultra" } ], "name": "Qwen: Qwen3 ASR 0.6B", "price": { "estimate_only": true, "in": null, "in_label": null, "out": 6.66e-06, "out_label": "estimate before generation", "scope_label": "Estimated generation cost", "sort_in": null, "sort_out": 6.66e-06, "varies": false }, "short": "Qwen3-ASR-0.6B er Qwens kompakte talegjenkjenningsmodell for å gjøre talt eller sunget lyd om til tekst med språkidentifikasjon. Den deler familiens dekning av 30 språk og 22 dialekter, med offline- og strømmingsarbeidsflyter og separat tvungen tidsjustering for tidsfestet tekst." }, "renderer_schema": { "method_order": "Original DTO methods order; every exact route/format/path/caller survives.", "prices": "Original public DTO fields and original native display HTML; no flattened or normalized offers." }, "representation": "exact-public-dto-and-native-renderer-html", "representationNotes": { "current_reference": { "about_json_pointer": "/aboutHtml", "methods": [ { "contract_json_pointer": "/methods/0/rawMethod/contract", "html_json_pointer": "/methods/0/html", "method_ordinal": 0 } ], "role": "current-semantic-reference" }, "raw_input": { "examples_role": "historical-input-not-current-ready-examples", "json_pointers": [ "/rawModel", "/methods/0/rawMethod" ], "role": "historical-owner-input" }, "schema": "ailoot-native-model-representations-v1" }, "schema": "ailoot-static-model-facts-v1", "schema_version": 1, "shortText": "Qwen3-ASR-0.6B er Qwens kompakte talegjenkjenningsmodell for å gjøre talt eller sunget lyd om til tekst med språkidentifikasjon. Den deler familiens dekning av 30 språk og 22 dialekter, med offline- og strømmingsarbeidsflyter og separat tvungen tidsjustering for tidsfestet tekst.", "source": { "audit_sha256": "2e00086bcbfc28e64d0cebe97aa47c17d8d5618963027f8ffb9dc6123d7d25b1", "bridge_map_sha256": "1125275768b9636fc8461bc7da5061239a81ddfe508e2557843ca42c58ab0036", "raw_model_json_sha256": "be0e1fa8fbf55c19ae98abd42b463c4f7da4567dcedf8a49a5d2674b2154a781", "renderer_sha256": "c8cb5a92c10b47373d294dee7465d66796cd4710c6626fd81459dc0625fc6d26" }, "sourceRevision": "614218ff4593cb37813a1670311dc5b053fa317037c1aa526f4bf063efedbd8c" }