asr-1.0
MiniMax ASR 1.0 превращает аудио в текст, поддерживает русский язык, разделение реплик по говорящим и временные метки.
О модели
Описание раскрывает возможности модели. Доступные в Ailoot входные данные, результаты и параметры выбранного метода перечислены ниже.
Запись разговора в текст
MiniMax ASR 1.0 распознаёт речь в аудиофайле. Производитель описывает применение для встреч, интервью, подкастов, звуковой дорожки видео, контроля содержания и разбора разговоров. Модель настроена на разговорную речь, шум и профессиональную лексику, с акцентом на уменьшение выдуманных фрагментов. В этой карточке Ailoot вход — аудио, результат — текст.
Язык и несколько участников
Поддерживаются русский и украинский, английский, французский, немецкий, испанский, итальянский, португальский и польский; также китайский, кантонский, японский, корейский, тайский, вьетнамский, индонезийский, малайский, филиппинский, арабский и турецкий. Если язык не задан, модель определяет основной язык автоматически; производитель отдельно описывает сочетание китайской и английской речи.
При расширенном представлении результата модель может выделять говорящих и привязывать реплики ко времени. В нём возвращаются общее число участников и сегменты с меткой говорящего, началом, концом и текстом. Это помогает разобрать, кто и когда произнёс конкретную реплику, не смешивая реплики разных участников.
Представление результата
Производитель предусматривает обычный JSON с текстом и длительностью, расширенный verbose_json, а также субтитры SRT и WebVTT. Для временных меток по умолчанию используется уровень предложения или сегмента. Метки отдельных слов описаны для английского, отдельных символов — для китайского; такие метки относятся к форматам с выравниванием.
Возможен постепенный текстовый вывод, однако его нельзя совмещать с разделением по говорящим и форматами субтитров. Такой режим возвращает новые фрагменты распознанного текста по мере обработки уже переданного файла. Это поток результата, а не непрерывная отправка аудио с микрофона.
Требования к записи
Заявленные форматы входа — WAV, AIFF, FLAC, ALAC в контейнере M4A, MP3, AAC, Opus и Ogg. Файл должен содержать не более 500 секунд аудио и занимать не более 50 МБ. Превышение длительности отклоняется, а не обрезается незаметно. Сырой PCM без контейнера не поддерживается.
Для подготовки записи производитель рекомендует моно 16 кГц или сжатый аудиоформат: высокая частота и стерео не нужны для распознавания и увеличивают размер файла. Возможности расширенного вывода и потоковой обработки относятся к ASR 1.0; доступный формат ответа конкретного запроса задаётся средствами Ailoot.
Ailoot · Распознавание речи в текст POST /v1/audio/transcriptions asr-1.0
asr-1.0Начало
MiniMax ASR 1.0 превращает аудио в текст, поддерживает русский язык, разделение реплик по говорящим и временные метки.
- Допустимые входные данные
- Аудио
- Результаты
- Текст
Доступно в Ailoot · входные данные и методы
Ailoot · Распознавание речи в текст POST /v1/audio/transcriptions
- Входные данные
audio- Результат
text- Выходной формат
- json
| Поле | Тип | Требование | Значения и ограничения | По умолчанию |
|---|---|---|---|---|
Полеmodel | Типstring | ТребованиеОбязательно | Значения и ограничения asr-1.0 | По умолчанию— |
Полеfile | Типfile | ТребованиеОбязательно | Значения и ограничения Максимум байтов: 52 428 800 Форматы файлов: wav, mp3, m4a, ogg, webm, flac Тип содержимого: multipart/form-data Максимальная длительность (не включительно), секунды: 500 | По умолчанию— |
Полеresponse_format | Типstring | ТребованиеНеобязательно | Значения и ограничения json | По умолчанию— |
Сочетания входных материалов
speech_to_text · Обязательно: actual audio file
Параметры и жизненный цикл метода
| Параметр | Контракт |
|---|---|
Параметрmaterial_types | Контрактaudio |
Параметрrequired | Контрактnull |
Параметрoptional_controls | Контрактnull |
Жизненный цикл: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · Фактически возвращённый task_id или запись в медиатеке
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Структуры методов и ID указаны точно; возможности поставщика рассматриваются отдельно от допуска.
Тарифы
Ставки методов Ailoot
POST /v1/audio/transcriptions- Вход
- 0,38 $ за час аудио
Ailoot резервирует расчётную сумму перед запросом. После получения результата списывает итоговую плату по измеренному расходу. Для окончательного списания за потоковый ответ используется итоговая запись расхода. Как работают резервирование и расчёт →
Примеры запросов
Ailoot · Распознавание речи в текст
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
Получить и сохранить результаты
Ailoot · Распознавание речи в текст
json
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
Сохраняйте все готовые результаты
Сохраняйте каждый полностью полученный ответ, файл и элемент содержимого.
Сохраните полный JSON, а не только текст; сохраняйте каждый доступный сегмент, говорящего, временную метку и фактическую идентичность задачи или ресурса.
Если нужно проверить исходный ответ
Сохраняйте исходный operation_id/X-Client-Request-ID для сверки без повторной отправки; отдельного маршрута опроса аудио нет.
Поля ответа
| Поле | Тип |
|---|---|
Полеtext | Типstring |
Полеsegments[] | Типobject |
Полеtask_id | Типstring |
Полеasset_url | Типstring |
Полеusage | Типobject |
Ошибки и дальнейшие шаги
| Ответ | Условие | Следующий шаг |
|---|---|---|
Ответ400 · invalid_request_error | УсловиеНеверные обязательные поля, представление материалов или значение параметра | Следующий шагИсправьте указанные поля перед новым запросом на создание. |
Ответserver_error | УсловиеВозвращённый ответ указывает, что операция или результат требуют проверки | Следующий шагСохраните исходный возвращённый ID операции или задачи, заголовки запроса и ответ; продолжайте поддерживаемые операции чтения исходной операции. Не отправляйте запрос создания повторно. |
Псевдонимы
Псевдонимы моделей
Ailoot asr-1.0
Псевдонимы путей метода
Используйте пути методов, указанные выше.
Связанные ID для вызова
FAQ · asr-1.0
- Какие входные данные и результаты доступны?
POST /v1/audio/transcriptions·asr-1.0:audio→text- Какие поля использует запрос?
POST /v1/audio/transcriptions·asr-1.0:model,file,response_format