qwen-audio-3.0-asr-flash
Modelo de reconhecimento de fala que converte áudio em texto legível, com pontuação e normalização de números. Suporta russo, outras línguas e dialetos chineses.
- Ailoot · Voz para texto
POST /v1/audio/transcriptionsqwen-audio-3.0-asr-flash - Ailoot · Voz para texto
POST /v1/audio/transcriptionsqwen-asr - Ailoot · Voz para texto
POST /v1/audio/transcriptionsqwen-asr-latest
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.
Qwen-Audio-3.0-ASR-Flash destina-se a converter uma gravação de fala em texto. A Alibaba destaca o reconhecimento multilingue e o trabalho com fala expressiva, incluindo ritmo poético, chinês clássico e narrativas culturais. A entrada é áudio e o resultado é uma transcrição.
Fala em forma escrita
O modelo acrescenta pontuação e converte números, datas e montantes monetários pronunciados para a forma escrita convencional. Isto é útil em mensagens de voz, excertos de entrevistas e fala educativa, quando se pretende um texto legível, e não apenas uma sequência de palavras reconhecidas.
São suportadas 30 línguas, incluindo russo, inglês, francês, alemão, japonês e árabe. São ainda consideradas sete grandes famílias de dialetos chineses e mais de 20 variantes regionais de pronúncia. Este conjunto destina-se a reconhecer diferentes características linguísticas e de sotaque.
Para termos especializados, podem ser fornecidos o contexto da tarefa e palavras de apoio. Estes ajudam a orientar o reconhecimento de nomes e de vocabulário específico. Nesta versão, as marcas temporais estão permanentemente ativas: o resultado pode ser associado aos excertos correspondentes da gravação. A transcrição de um ficheiro curto pode ser devolvida na íntegra ou à medida que é processada.
Material e limitações
A duração máxima da gravação é de cinco minutos. Cada tarefa utiliza um único ficheiro. São suportados AAC, AMR, AVI, FLAC, FLV, M4A, MKV, MOV, MP3, MP4, MPEG, OGG, OPUS, WAV, WEBM, WMA e WMV; é admitida qualquer frequência de amostragem. A presença de um contentor de vídeo na lista de formatos refere-se à extração da fala da sua componente sonora, e não à análise visual dos fotogramas.
O Qwen-Audio-3.0-ASR-Flash não prevê a separação por interlocutores nem o reconhecimento de emoções. O seu principal resultado é texto e a associação do conteúdo reconhecido ao tempo na gravação. As capacidades para gravações mais longas e outras formas de análise de som anunciadas para modelos próximos não se aplicam a esta versão.
Ailoot · Voz para texto POST /v1/audio/transcriptions qwen-audio-3.0-asr-flash
qwen-audio-3.0-asr-flashqwen-audio-3.0-asr-flashqwen-asrqwen-asr-latest
Introdução
Modelo de reconhecimento de fala que converte áudio em texto legível, com pontuação e normalização de números. Suporta russo, outras línguas e dialetos chineses.
- 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 qwen-audio-3.0-asr-flash | Predefinição— |
Campofile | Tipofile | RequisitoObrigatório | Valores e limites Número máximo de bytes: 10 485 760 Formatos de ficheiro: wav, mp3, m4a, ogg, webm, flac Tipo de conteúdo: multipart/form-data Duração máxima, em segundos: 300 | 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
- 0,0021 US$ por minuto 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 $AILOOT_API_KEY" \
--form-string model=qwen-audio-3.0-asr-flash -F "file=@$AILOOT_AUDIO_FILE" \
-D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
print(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))
PY_RESULT
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 qwen-audio-3.0-asr-flash, qwen-asr, qwen-asr-latest
Aliases dos caminhos dos métodos
Use os caminhos dos métodos indicados acima.
IDs de chamada relacionados
Ailoot · Voz para texto POST /v1/audio/transcriptions qwen-asr
qwen-asrqwen-audio-3.0-asr-flashqwen-asrqwen-asr-latest
Introdução
Modelo de reconhecimento de fala que converte áudio em texto legível, com pontuação e normalização de números. Suporta russo, outras línguas e dialetos chineses.
- 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 qwen-asr | Predefinição— |
Campofile | Tipofile | RequisitoObrigatório | Valores e limites Número máximo de bytes: 10 485 760 Formatos de ficheiro: wav, mp3, m4a, ogg, webm, flac Tipo de conteúdo: multipart/form-data Duração máxima, em segundos: 300 | 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
- 0,0021 US$ por minuto 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 $AILOOT_API_KEY" \
--form-string model=qwen-asr -F "file=@$AILOOT_AUDIO_FILE" \
-D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
print(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))
PY_RESULT
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 qwen-audio-3.0-asr-flash, qwen-asr, qwen-asr-latest
Aliases dos caminhos dos métodos
Use os caminhos dos métodos indicados acima.
IDs de chamada relacionados
Ailoot · Voz para texto POST /v1/audio/transcriptions qwen-asr-latest
qwen-asr-latestqwen-audio-3.0-asr-flashqwen-asrqwen-asr-latest
Introdução
Modelo de reconhecimento de fala que converte áudio em texto legível, com pontuação e normalização de números. Suporta russo, outras línguas e dialetos chineses.
- 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 qwen-asr-latest | Predefinição— |
Campofile | Tipofile | RequisitoObrigatório | Valores e limites Número máximo de bytes: 10 485 760 Formatos de ficheiro: wav, mp3, m4a, ogg, webm, flac Tipo de conteúdo: multipart/form-data Duração máxima, em segundos: 300 | 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
- 0,0021 US$ por minuto 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 $AILOOT_API_KEY" \
--form-string model=qwen-asr-latest -F "file=@$AILOOT_AUDIO_FILE" \
-D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
print(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))
PY_RESULT
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 qwen-audio-3.0-asr-flash, qwen-asr, qwen-asr-latest
Aliases dos caminhos dos métodos
Use os caminhos dos métodos indicados acima.
IDs de chamada relacionados
FAQ · qwen-audio-3.0-asr-flash
- Que entradas e resultados estão disponíveis?
POST /v1/audio/transcriptions·qwen-audio-3.0-asr-flash:audio→textPOST /v1/audio/transcriptions·qwen-asr:audio→textPOST /v1/audio/transcriptions·qwen-asr-latest:audio→text- Que campos utiliza o pedido?
POST /v1/audio/transcriptions·qwen-audio-3.0-asr-flash:model,file,response_formatPOST /v1/audio/transcriptions·qwen-asr:model,file,response_formatPOST /v1/audio/transcriptions·qwen-asr-latest:model,file,response_format