qwen-audio-3.0-asr-flash
Модель распознавания речи, которая переводит аудио в читаемый текст с пунктуацией и нормализацией чисел. Поддерживает русский и другие языки, а также китайские диалекты.
- Ailoot · Распознавание речи в текст
POST /v1/audio/transcriptionsqwen-audio-3.0-asr-flash - Ailoot · Распознавание речи в текст
POST /v1/audio/transcriptionsqwen-asr - Ailoot · Распознавание речи в текст
POST /v1/audio/transcriptionsqwen-asr-latest
О модели
Описание раскрывает возможности модели. Доступные в Ailoot входные данные, результаты и параметры выбранного метода перечислены ниже.
Qwen-Audio-3.0-ASR-Flash предназначена для перевода записи речи в текст. Alibaba выделяет многоязычное распознавание и работу с выразительной речью, в том числе поэтическим ритмом, классическим китайским и культурным повествованием. На вход поступает аудио, результатом служит расшифровка.
Речь в письменной форме
Модель расставляет пунктуацию и приводит произнесённые числа, даты и денежные суммы к принятой письменной форме. Это полезно для голосовых сообщений, фрагментов интервью и учебной речи, где нужен читаемый текст, а не только последовательность распознанных слов.
Поддерживаются 30 языков, включая русский, английский, французский, немецкий, японский и арабский. Дополнительно учитываются семь основных китайских диалектных систем и более 20 региональных вариантов произношения. Этот набор предназначен для распознавания разных языковых и акцентных особенностей.
Для специальных терминов можно передать контекст задания и слова-подсказки. Они помогают направить распознавание имён и предметной лексики. Временные отметки для этой версии включены постоянно: результат можно связывать с соответствующими фрагментами записи. Расшифровка короткого файла может возвращаться целиком или по мере обработки.
Материал и ограничения
Максимальная длительность записи — пять минут. В одном задании используется один файл. Поддерживаются AAC, AMR, AVI, FLAC, FLV, M4A, MKV, MOV, MP3, MP4, MPEG, OGG, OPUS, WAV, WEBM, WMA и WMV; допустима любая частота дискретизации. Наличие видеоконтейнера в списке форматов относится к извлечению речи из его звуковой части, а не к визуальному анализу кадров.
Для Qwen-Audio-3.0-ASR-Flash не предусмотрены разделение по говорящим и распознавание эмоций. Её основной результат — текст и связь распознанного содержания со временем в записи. Возможности более длинных записей и другие способы анализа звука, заявленные для соседних моделей, к этой версии не относятся.
Ailoot · Распознавание речи в текст POST /v1/audio/transcriptions qwen-audio-3.0-asr-flash
qwen-audio-3.0-asr-flashqwen-audio-3.0-asr-flashqwen-asrqwen-asr-latest
Начало
Модель распознавания речи, которая переводит аудио в читаемый текст с пунктуацией и нормализацией чисел. Поддерживает русский и другие языки, а также китайские диалекты.
- 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 qwen-audio-3.0-asr-flash | По умолчанию— |
Полеfile | Типfile | ТребованиеОбязательно | Значения и ограничения Максимум байтов: 10 485 760 Форматы файлов: wav, mp3, m4a, ogg, webm, flac Тип содержимого: multipart/form-data Максимальная длительность, секунды: 300 | 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
- 0,0021 $ за минуту 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 $AILOOT_API_KEY" \
--form-string model=qwen-audio-3.0-asr-flash -F "file=@$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
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 qwen-audio-3.0-asr-flash, qwen-asr, qwen-asr-latest
Псевдонимы путей метода
Используйте пути методов, указанные выше.
Связанные ID для вызова
Ailoot · Распознавание речи в текст POST /v1/audio/transcriptions qwen-asr
qwen-asrqwen-audio-3.0-asr-flashqwen-asrqwen-asr-latest
Начало
Модель распознавания речи, которая переводит аудио в читаемый текст с пунктуацией и нормализацией чисел. Поддерживает русский и другие языки, а также китайские диалекты.
- 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 qwen-asr | По умолчанию— |
Полеfile | Типfile | ТребованиеОбязательно | Значения и ограничения Максимум байтов: 10 485 760 Форматы файлов: wav, mp3, m4a, ogg, webm, flac Тип содержимого: multipart/form-data Максимальная длительность, секунды: 300 | 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
- 0,0021 $ за минуту 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 $AILOOT_API_KEY" \
--form-string model=qwen-asr -F "file=@$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
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 qwen-audio-3.0-asr-flash, qwen-asr, qwen-asr-latest
Псевдонимы путей метода
Используйте пути методов, указанные выше.
Связанные ID для вызова
Ailoot · Распознавание речи в текст POST /v1/audio/transcriptions qwen-asr-latest
qwen-asr-latestqwen-audio-3.0-asr-flashqwen-asrqwen-asr-latest
Начало
Модель распознавания речи, которая переводит аудио в читаемый текст с пунктуацией и нормализацией чисел. Поддерживает русский и другие языки, а также китайские диалекты.
- 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 qwen-asr-latest | По умолчанию— |
Полеfile | Типfile | ТребованиеОбязательно | Значения и ограничения Максимум байтов: 10 485 760 Форматы файлов: wav, mp3, m4a, ogg, webm, flac Тип содержимого: multipart/form-data Максимальная длительность, секунды: 300 | 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
- 0,0021 $ за минуту 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 $AILOOT_API_KEY" \
--form-string model=qwen-asr-latest -F "file=@$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
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 qwen-audio-3.0-asr-flash, qwen-asr, qwen-asr-latest
Псевдонимы путей метода
Используйте пути методов, указанные выше.
Связанные ID для вызова
FAQ · qwen-audio-3.0-asr-flash
- Какие входные данные и результаты доступны?
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- Какие поля использует запрос?
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