asr-1.0
MiniMax ASR 1.0 converte áudio em texto, suporta russo, separação de intervenções por interveniente e marcas temporais.
Sobre o modelo
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
Uma gravação de conversa transformada em texto
MiniMax ASR 1.0 reconhece fala num ficheiro de áudio. O fabricante descreve utilização em reuniões, entrevistas, podcasts, faixas de áudio de vídeo, controlo de conteúdo e análise de conversas. O modelo está preparado para fala coloquial, ruído e vocabulário profissional, com especial atenção à redução de fragmentos inventados. Nesta ficha Ailoot, a entrada é áudio e o resultado é texto.
Língua e vários participantes
São suportados russo e ucraniano, inglês, francês, alemão, espanhol, italiano, português e polaco; também chinês, cantonês, japonês, coreano, tailandês, vietnamita, indonésio, malaio, filipino, árabe e turco. Se a língua não for indicada, o modelo deteta automaticamente a língua principal; o fabricante descreve separadamente a combinação de fala chinesa e inglesa.
Na representação alargada do resultado, o modelo pode identificar intervenientes e associar as intervenções a tempos. São devolvidos o número total de participantes e segmentos com identificador do interveniente, início, fim e texto. Isto ajuda a analisar quem proferiu uma intervenção concreta e quando, sem misturar intervenções de participantes diferentes.
Representação do resultado
O fabricante prevê JSON comum com texto e duração, verbose_json alargado e legendas SRT e WebVTT. As marcas temporais utilizam, por predefinição, o nível da frase ou do segmento. As marcas por palavra são descritas para inglês, e as marcas por carácter, para chinês; estas marcas pertencem aos formatos com alinhamento.
É possível saída textual gradual, mas esta não pode ser combinada com separação por interveniente nem formatos de legendas. Este modo devolve novos fragmentos do texto reconhecido à medida que processa o ficheiro já fornecido. Trata-se de um fluxo de resultados, em vez de envio contínuo de áudio do microfone.
Requisitos da gravação
Os formatos de entrada anunciados são WAV, AIFF, FLAC, ALAC em contentor M4A, MP3, AAC, Opus e Ogg. O ficheiro tem de conter, no máximo, 500 segundos de áudio e ocupar, no máximo, 50 MB. Uma duração excessiva é rejeitada, em vez de ser cortada silenciosamente. PCM bruto sem contentor não é suportado.
Para preparar a gravação, o fabricante recomenda mono a 16 kHz ou um formato de áudio comprimido: uma frequência alta e estéreo não são necessários para reconhecimento e aumentam o tamanho do ficheiro. As capacidades de saída alargada e processamento em fluxo dizem respeito ao ASR 1.0; o formato de resposta disponível num pedido concreto é definido pelos meios da Ailoot.
Ailoot · Voz para texto POST /v1/audio/transcriptions asr-1.0
asr-1.0Introdução
MiniMax ASR 1.0 converte áudio em texto, suporta russo, separação de intervenções por interveniente e marcas temporais.
- Entradas aceites
- Áudio
- Resultados
- Texto
Disponível no Ailoot · entradas e métodos
Ailoot · Voz para texto POST /v1/audio/transcriptions
- Entrada
audio- Saída
text- Formato de saída
- json
| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites asr-1.0 | Predefinição— |
Campofile | Tipofile | RequisitoObrigatório | Valores e limites Número máximo de bytes: 52 428 800 Formatos de ficheiro: wav, mp3, m4a, ogg, webm, flac Tipo de conteúdo: multipart/form-data Duração máxima (exclusiva), em segundos: 500 | Predefinição— |
Camporesponse_format | Tipostring | RequisitoOpcional | Valores e limites json | Predefinição— |
Combinações de materiais de entrada
speech_to_text · Obrigatório: actual audio file
Parâmetros e ciclo de vida do método
| Parâmetro | Contrato |
|---|---|
Parâmetromaterial_types | Contratoaudio |
Parâmetrorequired | Contratonull |
Parâmetrooptional_controls | Contratonull |
Ciclo de vida: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · task_id efetivamente devolvido ou registo na biblioteca de multimédia
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
As estruturas dos métodos e os ID são exatos; a capacidade do fornecedor é distinta da admissão dos pedidos.
Tarifários
Tarifas dos métodos Ailoot
POST /v1/audio/transcriptions- Entrada
- 0,38 US$ por hora de áudio
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
Exemplos de pedidos
Ailoot · Voz para texto
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 $AILOOT_API_KEY" \
--form-string model=asr-1.0 -F "file=@$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
Receber e guardar os resultados
Ailoot · Voz para texto
json
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
Guardar todos os resultados concluídos
Guarde cada resposta, ficheiro e parte de conteúdo devolvidos na íntegra.
Conserve o JSON completo, sem se limitar ao texto; preserve todos os segmentos/intervenientes/marcas temporais disponíveis e a identidade real da tarefa/recurso.
Se for necessário verificar a resposta original
Conserve o operation_id/X-Client-Request-ID original para reconciliação sem voltar a enviar o pedido; não existe uma rota dedicada à consulta periódica do estado do áudio.
Campos da resposta
| Campo | Tipo |
|---|---|
Campotext | Tipostring |
Camposegments[] | Tipoobject |
Campotask_id | Tipostring |
Campoasset_url | Tipostring |
Campousage | Tipoobject |
Erros e passos seguintes
| Resposta | Condição | Passo seguinte |
|---|---|---|
Resposta400 · invalid_request_error | CondiçãoCampos obrigatórios, representação do material ou valor do parâmetro inválidos | Passo seguinteCorrija os campos indicados antes de um novo pedido de criação. |
Respostaserver_error | CondiçãoA resposta devolvida indica que a operação ou o resultado requer verificação | Passo seguinteGuarde o ID original da operação/tarefa devolvido, os cabeçalhos do pedido e a resposta; continue a consultar essa operação original através das consultas suportadas. Não volte a enviar o pedido de criação. |
Aliases
Aliases do modelo
Ailoot asr-1.0
Aliases dos caminhos dos métodos
Use os caminhos dos métodos indicados acima.
IDs de chamada relacionados
FAQ · asr-1.0
- Que entradas e resultados estão disponíveis?
POST /v1/audio/transcriptions·asr-1.0:audio→text- Que campos utiliza o pedido?
POST /v1/audio/transcriptions·asr-1.0:model,file,response_format