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.
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.
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.
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.
", "aboutText": "### Uma gravação de conversa transformada em texto\n\nMiniMax 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.\n\n### Língua e vários participantes\n\nSão 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.\n\nNa 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.\n\n### Representação do resultado\n\nO 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.\n\nÉ 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.\n\n### Requisitos da gravação\n\nOs 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.\n\nPara 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.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "113954d2fb4b25be9bce0aeada23e3f6576bbcc2b7c2a08342244f12ea4e7e88", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "pt-pt", "methods": [ { "html": "asr-1.0MiniMax ASR 1.0 converte áudio em texto, suporta russo, separação de intervenções por interveniente e marcas temporais.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
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.
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.
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.
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.
POST /v1/audio/transcriptionsaudiotext| 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— |
speech_to_text · Obrigatório: actual audio file
| 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.
POST /v1/audio/transcriptionsO 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 →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_AUDIO_FILE:?Set your actual MP3 recording}"\nexport AILOOT_AUDIO_FILE\npython3 - <<'PY_REQUEST'\nimport os\nfrom pathlib import Path\nf=Path(os.environ["AILOOT_AUDIO_FILE"])\nif not f.is_file() or f.suffix.lower()!=".mp3":raise SystemExit("Choose your actual MP3 recording")\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/transcriptions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" \\\n --form-string model=asr-1.0 -F "file=@$AILOOT_AUDIO_FILE" \\\n -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\njson
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}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.
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.
| Campo | Tipo |
|---|---|
Campotext | Tipostring |
Camposegments[] | Tipoobject |
Campotask_id | Tipostring |
Campoasset_url | Tipostring |
Campousage | Tipoobject |
| 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. |
Ailoot asr-1.0
Use os caminhos dos métodos indicados acima.