qwen-audio-3.0-asr-flash
Model na rozpoznávanie reči, ktorý prevádza zvuk na čitateľný text s interpunkciou a normalizáciou čísel. Podporuje ruštinu aj ďalšie jazyky a čínske dialekty.
- Ailoot · Prevod reči na text
POST /v1/audio/transcriptionsqwen-audio-3.0-asr-flash - Ailoot · Prevod reči na text
POST /v1/audio/transcriptionsqwen-asr - Ailoot · Prevod reči na text
POST /v1/audio/transcriptionsqwen-asr-latest
O modeli
Tento opis pokrýva možnosti modelu. Dostupné vstupy, výstupy a voľby v Ailoot sú uvedené nižšie pre vybranú metódu.
Qwen-Audio-3.0-ASR-Flash je určený na prevod záznamu reči na text. Alibaba zdôrazňuje viacjazyčné rozpoznávanie a prácu s expresívnou rečou vrátane básnického rytmu, klasickej čínštiny a kultúrneho rozprávania. Na vstup prichádza zvuk a výsledkom je prepis.
Reč v písomnej podobe
Model dopĺňa interpunkciu a prevádza vyslovené čísla, dátumy a peňažné sumy do zaužívanej písomnej podoby. Je to užitočné pre hlasové správy, úryvky rozhovorov a reč pri výučbe, keď je potrebný čitateľný text, nielen sled rozpoznaných slov.
Podporovaných je 30 jazykov vrátane ruštiny, angličtiny, francúzštiny, nemčiny, japončiny a arabčiny. Navyše sa zohľadňuje sedem hlavných čínskych dialektových systémov a viac než 20 regionálnych variantov výslovnosti. Tento súbor slúži na rozpoznávanie rozličných jazykových a prízvukových osobitostí.
Pre odborné výrazy možno odovzdať kontext zadania a pomocné slová. Pomáhajú usmerniť rozpoznávanie mien a odbornej slovnej zásoby. Časové značky sú v tejto verzii vždy zapnuté: výsledok možno spojiť s príslušnými úsekmi nahrávky. Prepis krátkeho súboru sa môže vracať celý alebo priebežne počas spracovania.
Materiál a obmedzenia
Maximálna dĺžka nahrávky je päť minút. V jednom zadaní sa používa jeden súbor. Podporované sú AAC, AMR, AVI, FLAC, FLV, M4A, MKV, MOV, MP3, MP4, MPEG, OGG, OPUS, WAV, WEBM, WMA a WMV; prípustná je ľubovoľná vzorkovacia frekvencia. Prítomnosť videokontajnera v zozname formátov sa týka získavania reči z jeho zvukovej časti, nie vizuálnej analýzy snímok.
Pre Qwen-Audio-3.0-ASR-Flash nie je k dispozícii rozdelenie podľa hovoriacich ani rozpoznávanie emócií. Jeho hlavným výsledkom je text a prepojenie rozpoznaného obsahu s časom v nahrávke. Možnosti dlhších nahrávok a ďalšie spôsoby analýzy zvuku deklarované pri susedných modeloch sa na túto verziu nevzťahujú.
Ailoot · Prevod reči na text POST /v1/audio/transcriptions qwen-audio-3.0-asr-flash
qwen-audio-3.0-asr-flashqwen-audio-3.0-asr-flashqwen-asrqwen-asr-latest
Úvod
Model na rozpoznávanie reči, ktorý prevádza zvuk na čitateľný text s interpunkciou a normalizáciou čísel. Podporuje ruštinu aj ďalšie jazyky a čínske dialekty.
- 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 |
|---|---|---|---|---|
Polemodel | Typstring | PožiadavkaPovinné | Hodnoty a limity qwen-audio-3.0-asr-flash | Predvolené— |
Polefile | Typfile | PožiadavkaPovinné | Hodnoty a limity Maximálny počet bajtov: 10 485 760 Formáty súborov: wav, mp3, m4a, ogg, webm, flac Typ obsahu: multipart/form-data Maximálne trvanie, sekundy: 300 | Predvolené— |
Poleresponse_format | Typstring | PožiadavkaVoliteľné | Hodnoty a limity json | Predvolené— |
Kombinácie vstupných podkladov
speech_to_text · Povinné: actual audio file
Parametre a životný cyklus metódy
| Parameter | Špecifikácia |
|---|---|
Parametermaterial_types | Špecifikáciaaudio |
Parameterrequired | Špecifikácianull |
Parameteroptional_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
POST /v1/audio/transcriptions- Vstup
- 0,0021 USD za minútu 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
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
Prijať a uložiť výsledky
Ailoot · Prevod reči na text
json
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /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 |
|---|---|
Poletext | Typstring |
Polesegments[] | Typobject |
Poletask_id | Typstring |
Poleasset_url | Typstring |
Poleusage | 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. |
Odpoveďserver_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 qwen-audio-3.0-asr-flash, qwen-asr, qwen-asr-latest
Aliasy ciest metód
Použite cesty metód uvedené vyššie.
Súvisiace ID na volanie
Ailoot · Prevod reči na text POST /v1/audio/transcriptions qwen-asr
qwen-asrqwen-audio-3.0-asr-flashqwen-asrqwen-asr-latest
Úvod
Model na rozpoznávanie reči, ktorý prevádza zvuk na čitateľný text s interpunkciou a normalizáciou čísel. Podporuje ruštinu aj ďalšie jazyky a čínske dialekty.
- 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 |
|---|---|---|---|---|
Polemodel | Typstring | PožiadavkaPovinné | Hodnoty a limity qwen-asr | Predvolené— |
Polefile | Typfile | PožiadavkaPovinné | Hodnoty a limity Maximálny počet bajtov: 10 485 760 Formáty súborov: wav, mp3, m4a, ogg, webm, flac Typ obsahu: multipart/form-data Maximálne trvanie, sekundy: 300 | Predvolené— |
Poleresponse_format | Typstring | PožiadavkaVoliteľné | Hodnoty a limity json | Predvolené— |
Kombinácie vstupných podkladov
speech_to_text · Povinné: actual audio file
Parametre a životný cyklus metódy
| Parameter | Špecifikácia |
|---|---|
Parametermaterial_types | Špecifikáciaaudio |
Parameterrequired | Špecifikácianull |
Parameteroptional_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
POST /v1/audio/transcriptions- Vstup
- 0,0021 USD za minútu 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
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
Prijať a uložiť výsledky
Ailoot · Prevod reči na text
json
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /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 |
|---|---|
Poletext | Typstring |
Polesegments[] | Typobject |
Poletask_id | Typstring |
Poleasset_url | Typstring |
Poleusage | 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. |
Odpoveďserver_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 qwen-audio-3.0-asr-flash, qwen-asr, qwen-asr-latest
Aliasy ciest metód
Použite cesty metód uvedené vyššie.
Súvisiace ID na volanie
Ailoot · Prevod reči na text POST /v1/audio/transcriptions qwen-asr-latest
qwen-asr-latestqwen-audio-3.0-asr-flashqwen-asrqwen-asr-latest
Úvod
Model na rozpoznávanie reči, ktorý prevádza zvuk na čitateľný text s interpunkciou a normalizáciou čísel. Podporuje ruštinu aj ďalšie jazyky a čínske dialekty.
- 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 |
|---|---|---|---|---|
Polemodel | Typstring | PožiadavkaPovinné | Hodnoty a limity qwen-asr-latest | Predvolené— |
Polefile | Typfile | PožiadavkaPovinné | Hodnoty a limity Maximálny počet bajtov: 10 485 760 Formáty súborov: wav, mp3, m4a, ogg, webm, flac Typ obsahu: multipart/form-data Maximálne trvanie, sekundy: 300 | Predvolené— |
Poleresponse_format | Typstring | PožiadavkaVoliteľné | Hodnoty a limity json | Predvolené— |
Kombinácie vstupných podkladov
speech_to_text · Povinné: actual audio file
Parametre a životný cyklus metódy
| Parameter | Špecifikácia |
|---|---|
Parametermaterial_types | Špecifikáciaaudio |
Parameterrequired | Špecifikácianull |
Parameteroptional_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
POST /v1/audio/transcriptions- Vstup
- 0,0021 USD za minútu 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
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
Prijať a uložiť výsledky
Ailoot · Prevod reči na text
json
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /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 |
|---|---|
Poletext | Typstring |
Polesegments[] | Typobject |
Poletask_id | Typstring |
Poleasset_url | Typstring |
Poleusage | 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. |
Odpoveďserver_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 qwen-audio-3.0-asr-flash, qwen-asr, qwen-asr-latest
Aliasy ciest metód
Použite cesty metód uvedené vyššie.
Súvisiace ID na volanie
FAQ · qwen-audio-3.0-asr-flash
- Aké vstupy a výsledky sú dostupné?
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- Aké polia používa požiadavka?
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