asr-1.0

MiniMax ASR 1.0 prevádza audio na text, podporuje ruštinu, rozdelenie replík podľa hovoriacich a časové značky.

Ailoot · Prevod reči na text POST /v1/audio/transcriptions asr-1.0

O modeli

Tento opis pokrýva možnosti modelu. Dostupné vstupy, výstupy a voľby v Ailoot sú uvedené nižšie pre vybranú metódu.

Prevod nahrávky rozhovoru na text

MiniMax ASR 1.0 rozpoznáva reč v audiosúbore. Výrobca opisuje využitie na stretnutia, rozhovory, podcasty, zvukovú stopu videa, kontrolu obsahu a analýzu rozhovorov. Model je nastavený na hovorovú reč, šum a odbornú slovnú zásobu s dôrazom na obmedzenie vymyslených fragmentov. V tejto karte Ailoot je vstupom audio a výsledkom text.

Jazyk a viacerí účastníci

Podporované sú ruština a ukrajinčina, angličtina, francúzština, nemčina, španielčina, taliančina, portugalčina a poľština; tiež čínština, kantončina, japončina, kórejčina, thajčina, vietnamčina, indonézština, malajčina, filipínčina, arabčina a turečtina. Ak jazyk nie je zadaný, model automaticky určí hlavný jazyk; výrobca samostatne opisuje kombináciu čínskej a anglickej reči.

Pri rozšírenom zobrazení výsledku môže model rozlišovať hovoriacich a priraďovať repliky k času. Vracia sa v ňom celkový počet účastníkov a segmenty s označením hovoriaceho, začiatkom, koncom a textom. To pomáha zistiť, kto a kedy vyslovil konkrétnu repliku, bez miešania replík rôznych účastníkov.

Zobrazenie výsledku

Výrobca poskytuje bežný JSON s textom a trvaním, rozšírený verbose_json, ako aj titulky SRT a WebVTT. Pre časové značky sa predvolene používa úroveň vety alebo segmentu. Značky jednotlivých slov sú opísané pre angličtinu, jednotlivých znakov pre čínštinu; tieto značky patria do formátov so zarovnaním.

Možný je postupný textový výstup, nemožno ho však kombinovať s rozlišovaním hovoriacich ani formátmi titulkov. Tento režim vracia nové fragmenty rozpoznaného textu počas spracovania už odovzdaného súboru. Ide o stream výsledku, nie o nepretržité odosielanie audia z mikrofónu.

Požiadavky na nahrávku

Deklarované vstupné formáty sú WAV, AIFF, FLAC, ALAC v kontajneri M4A, MP3, AAC, Opus a Ogg. Súbor musí obsahovať najviac 500 sekúnd audia a mať veľkosť najviac 50 MB. Prekročenie dĺžky sa odmietne, nahrávka sa potichu neskráti. Surové PCM bez kontajnera nie je podporované.

Na prípravu nahrávky výrobca odporúča mono 16 kHz alebo komprimovaný audioformát: vysoká vzorkovacia frekvencia a stereo nie sú potrebné na rozpoznávanie a zväčšujú súbor. Možnosti rozšíreného výstupu a streamovacieho spracovania patria k ASR 1.0; dostupný formát odpovede konkrétnej požiadavky sa nastavuje prostriedkami Ailoot.

Ailoot · Prevod reči na text POST /v1/audio/transcriptions asr-1.0

asr-1.0

MiniMax /asr-1.0

Úvod

MiniMax ASR 1.0 prevádza audio na text, podporuje ruštinu, rozdelenie replík podľa hovoriacich a časové značky.

Povolené vstupy: Audio
Výsledky: Text

Dostupné v Ailoot · vstupy a metódy

Ailoot · Prevod reči na text POST /v1/audio/transcriptions

Vstup: audio
Výstup: text
Výstupný formát: json

Pole	Typ	Požiadavka	Hodnoty a limity	Predvolené
Pole`model`	Typ`string`	PožiadavkaPovinné	Hodnoty a limity asr-1.0	Predvolené—
Pole`file`	Typ`file`	PožiadavkaPovinné	Hodnoty a limity Maximálny počet bajtov: 52 428 800 Formáty súborov: wav, mp3, m4a, ogg, webm, flac Typ obsahu: multipart/form-data Maximálne trvanie (bez zahrnutia hranice), sekundy: 500	Predvolené—
Pole`response_format`	Typ`string`	PožiadavkaVoliteľné	Hodnoty a limity json	Predvolené—

Kombinácie vstupných podkladov

speech_to_text · Povinné: actual audio file

Parametre a životný cyklus metódy

Parameter	Špecifikácia
Parameter`material_types`	Špecifikáciaaudio
Parameter`required`	Špecifikácianull
Parameter`optional_controls`	Špecifikácianull

Životný cyklus: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · skutočne vrátené task_id alebo záznam v knižnici médií

GET /v1/media/assets/{asset_id}/content

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Štruktúry metód a ID sú presné; možnosti dodávateľa sa posudzujú oddelene od prijatia požiadavky.

Cenník

Sadzby metód Ailoot

Ailoot Prevod reči na textPOST /v1/audio/transcriptions

Vstup: 0,38 USD za hodinu audia

Ailoot pred požiadavkou rezervuje odhadovanú sumu. Po získaní výsledku vyúčtuje konečný poplatok podľa nameraného využitia. Pri streamovaní sa vyúčtovanie riadi konečným záznamom využitia. Ako funguje rezervácia a vyúčtovanie →

Príklady požiadaviek

Ailoot · Prevod reči na text

Príklad prepisu

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

Prijať a uložiť výsledky

Ailoot · Prevod reči na text

json

GET /v1/media/tasks/{task_id}
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}

Uchovať všetky dokončené výsledky

Uložte každú úplnú vrátenú odpoveď, súbor a časť obsahu.

Zachovajte celý JSON, nielen text; zachovajte každý dostupný segment, hovoriaceho a časovú značku aj skutočnú identitu úlohy alebo súboru.

Ak treba overiť pôvodnú odpoveď

Uchovajte pôvodné operation_id/X-Client-Request-ID na zosúladenie záznamov bez opätovného odoslania; neexistuje samostatná trasa na priebežné zisťovanie stavu zvuku.

Polia odpovede

Pole	Typ
Pole`text`	Typstring
Pole`segments[]`	Typobject
Pole`task_id`	Typstring
Pole`asset_url`	Typstring
Pole`usage`	Typobject

Chyby a ďalšie kroky

Odpoveď	Podmienka	Ďalší krok
Odpoveď400 · `invalid_request_error`	PodmienkaNeplatné povinné polia, reprezentácia materiálu alebo hodnota parametra	Ďalší krokPred novou požiadavkou na vytvorenie opravte uvedené polia.
Odpoveď`server_error`	PodmienkaVrátená odpoveď uvádza, že operáciu alebo výsledok je potrebné skontrolovať	Ďalší krokUchovajte pôvodné vrátené ID operácie/úlohy, hlavičky požiadavky a odpoveď; naďalej čítajte údaje o tejto pôvodnej operácii podporovaným spôsobom. Požiadavku na vytvorenie znova neodosielajte.

Aliasy

Aliasy modelov

Ailoot asr-1.0

Aliasy ciest metód

Použite cesty metód uvedené vyššie.

Súvisiace ID na volanie

asr-1.0

FAQ · asr-1.0

Aké vstupy a výsledky sú dostupné?: POST /v1/audio/transcriptions · asr-1.0: audio → text
Aké polia používa požiadavka?: POST /v1/audio/transcriptions · asr-1.0: model, file, response_format

asr-1.0

asr-1.0

Prevod nahrávky rozhovoru na text

Jazyk a viacerí účastníci

Zobrazenie výsledku

Požiadavky na nahrávku

Úvod

Dostupné v Ailoot · vstupy a metódy

Cenník

Sadzby metód Ailoot

Príklady požiadaviek

Ailoot · Prevod reči na text

Prijať a uložiť výsledky

Ailoot · Prevod reči na text

Uchovať všetky dokončené výsledky

Ak treba overiť pôvodnú odpoveď

Aliasy

Aliasy modelov

Aliasy ciest metód

Súvisiace ID na volanie

Spoločnosť a jej portfólio projektov

Nakupujte tokeny so zľavou.

Pripojte API k produktu, ktorý predávate.