Source: https://ailoot.ai/models/nb/qwen-qwen3-asr-0-6b/ Canonical: https://ailoot.ai/models/nb/qwen-qwen3-asr-0-6b/ Language: nb # Qwen: Qwen3 ASR 0.6B [Markdown](https://ailoot.ai/models/nb/qwen-qwen3-asr-0-6b/index.md) · [JSON](https://ailoot.ai/models/nb/qwen-qwen3-asr-0-6b/facts.json) ## [Qwen: Qwen3 ASR 0.6B](https://ailoot.ai/models/nb/qwen-qwen3-asr-0-6b/) 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. - [**Ailoot Ultra · Transkripsjon** `POST /v1/audio/transcriptions` `qwen/qwen3-asr-0.6b`](https://ailoot.ai/models/nb/qwen-qwen3-asr-0-6b/#method-0) 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. **Ailoot Ultra · Transkripsjon** `POST /v1/audio/transcriptions` `qwen/qwen3-asr-0.6b` [`qwen/qwen3-asr-0.6b`](https://ailoot.ai/models/nb/#m=qwen%2Fqwen3-asr-0.6b&route=Ultra&caller=qwen%2Fqwen3-asr-0.6b&fmt=transcriptions) 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 ### Tilgjengelig i Ailoot · inndata & metoder **Ailoot Ultra · Transkripsjon** `POST /v1/audio/transcriptions` Inndatatyper `audio` Utdatatyper `text` | Felt | Type | Krav | Verdier & grenser | Standard | | --- | --- | --- | --- | --- | | Felt`model` | Type`string` | KravPåkrevd | Verdier & grenser qwen/qwen3-asr-0.6b | Standard— | | Felt`input_audio` | Type`object` | KravPåkrevd | Verdier & grenser | Standard— | | Felt`language` | Type`string` | KravValgfritt | Verdier & grenser | Standard— | | Felt`temperature` | Type`number` | KravValgfritt | Verdier & grenser Minimum: 0 Maksimum: 1 | Standard— | | Felt`response_format` | Type`string` | KravValgfritt | Verdier & grenser json, verbose\_json | Standardjson | | Felt`timestamp_granularities` | Type`array` | KravValgfritt | Verdier & grenser | Standard— | | Felt`provider` | Type`object` | KravValgfritt | Verdier & grenser | Standard— | Metodeparametere og livssyklus | Parameter | Avtale | | --- | --- | | Parameter`content_type` | Avtaleapplication/json | | Parameter`required` | Avtalemodel, input\_audio | | Parameter`material_types` | Avtaleaudio | | Parameter`material_conditions` | AvtaleLes 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. | Konfigurasjon | Prisplan | Forventet mengde | Faktureringsenhet | Kostnad | | --- | --- | --- | --- | --- | | KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Forventet 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 inndata | Prisplan— | Forventet mengde— | Faktureringsenhetper sekund inndatalyd | Kostnad Inndata · lydsekund i inndata · Estimat kun for sammenligning **$0.00000666** per sekund inndatalyd | | KonfigurasjonAnslått genereringskostnad | Prisplan— | Forventet mengdeestimat for én generering | Faktureringsenhet— | Kostnad Utdata · Anslått genereringskostnad · Estimat kun for sammenligning **$0.00000666** estimat før generering Dette anslaget er verken en tilleggsavgift eller en fast sats for den fullførte genereringen. | Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. [Slik fungerer reservasjon og oppgjør →](https://ailoot.ai/docs/nb/billing/reserve/) ### Eksempelforespørsler #### Ailoot Ultra · Transkripsjon curl · nøyaktig forespørselskropp i originalformat og komplett resultat ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" : "${AILOOT_AUDIO_FILE:?Set the path to your actual WAV recording}" python3 - <<'PY_REQUEST' import json,os from pathlib import Path import base64 audio=Path(os.environ['AILOOT_AUDIO_FILE']).read_bytes() if not (audio[:4]==b'RIFF' and audio[8:12]==b'WAVE'): raise SystemExit('Supply an actual WAV audio file') if len(audio)>26214400: raise SystemExit('Use a documented supported large-file flow') request={'model': 'qwen/qwen3-asr-0.6b', 'input_audio': {'data': '${BASE64_ACTUAL_WAV_BYTES}', 'format': 'wav'}} request['input_audio']['data']=base64.b64encode(audio).decode('ascii') Path('request.json').write_text(json.dumps(request,ensure_ascii=False),encoding='utf-8') PY_REQUEST curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/transcriptions \ -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o response.bin # Keep the complete original response and headers. Read every returned segment, word and usage field. # Preserve actual operation/task/asset IDs; continue reads of the original result without resubmitting. ``` ### Motta og lagre resultater #### Ailoot Ultra · Transkripsjon - `GET /v1/media/tasks/{task_id}` - `GET /v1/media/assets/{asset_id}/content` - `GET /v1/media/assets` - `GET /v1/media/assets/{asset_id}` Andre innholdslesinger Les eksisterende ressurser som tilhører deg ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \ -H "Authorization: Bearer $AILOOT_API_KEY" -o owned-assets.json # Preserve every returned asset and follow its exact signed content URL. Do not construct a signed token. ``` ##### 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 | Felt | Type | | --- | --- | | Felt`text` | Type | | Felt`usage` | Type | | Felt`segments[]` | Type | | Felt`words[]` | Type | | Felt`speaker fields` | Type | | Felt`timestamps` | Type | ### Aliaser #### Modellaliaser **Ailoot Ultra** [`qwen/qwen3-asr-0.6b`](https://ailoot.ai/models/nb/#m=qwen%2Fqwen3-asr-0.6b&route=Ultra&caller=qwen%2Fqwen3-asr-0.6b&fmt=transcriptions) #### Aliaser for metodestier Bruk metodestiene som vises ovenfor. #### Tilknyttede anroper-ID-er [`qwen/qwen3-asr-0.6b`](https://ailoot.ai/models/nb/#m=qwen%2Fqwen3-asr-0.6b&route=Ultra&caller=qwen%2Fqwen3-asr-0.6b&fmt=transcriptions) FAQ · Qwen: Qwen3 ASR 0.6B Hvilke inndata og resultater er tilgjengelige? `POST /v1/audio/transcriptions` · `qwen/qwen3-asr-0.6b`: `audio` → `text` Hvilke felt bruker forespørselen? `POST /v1/audio/transcriptions` · `qwen/qwen3-asr-0.6b`: `model`, `input_audio`, `language`, `temperature`, `response_format`, `timestamp_granularities`, `provider` Hvilke grenser gjelder? `POST /v1/audio/transcriptions` · `qwen/qwen3-asr-0.6b`: `temperature.minimum`: `0`; `temperature.maximum`: `1` Koble Ailoot til Claude Code, OpenCode, Hermes eller egen applikasjon. ## Selskapet og dets prosjektportefølje Selskapet og dets prosjektportefølje: millioner av kunder; månedlig salg for milliarder. ## Kjøp tokener med rabatt. Abonnementsrabatt for jevnlig bruk. Kampanjekoder gir opptil 50% på tokenkjøp. Abonnement Velg et rabattabonnement for faste forespørsler. Kampanjekode opptil 50% Oppgi kode ved kjøp. Prisen beregnes på nytt etter gjeldende kampanje. Kostnader i historikken Modell, tokener og beløp lagres for hver forespørsel. [Velg abonnement](https://ailoot.ai/docs/nb/billing/subscriptions/) · [Se modellpriser](https://ailoot.ai/models/nb/) ## Koble API-et til produktet du selger. SaaS, apper og boter etter Ailoots offentlige tilbud og lisensavtale. Be om forhandlerlisens for videresalg. Kommersiell applikasjon Bygg tekst-, bilde-, video- og lydgenerering inn i betalte funksjoner i tjenesten. Forhandlerlisens Send prosjektbeskrivelse og tilgangsopplegg. Be om skriftlige vilkår for bruk og videresalg. Dokumenter på nettstedet Offentlig tilbud, lisensavtale og retningslinjer for databehandling er tilgjengelige før tilkobling. [Be om forhandlerlisens](mailto:support@ailoot.ai) · [Offentlig tilbud og lisensavtale](https://ailoot.ai/legal/offer?lang=nb) ## Ailoot · Selskapet og dets prosjektportefølje Ailoot bygger på etablert driftserfaring, en stor kundebase, stabil tjeneste og løpende KPI-kontroll. Selskapet og dets prosjektportefølje: millioner av kunder; månedlig salg for milliarder. Ailoot bruker denne driftserfaringen til API-tilgang til AI-funksjoner i kundenes produkter, agenter, applikasjoner og automatiseringer.