asr-1.0
MiniMax ASR 1.0 pretvarja zvok v besedilo, podpira ruščino, ločevanje replik po govorcih in časovne oznake.
O modelu
Ta opis zajema zmožnosti modela. Vhodi, izhodi in možnosti, ki so na voljo v Ailoot, so spodaj navedeni za izbrano metodo.
Posnetek pogovora v besedilo
MiniMax ASR 1.0 prepoznava govor v zvočni datoteki. Proizvajalec opisuje uporabo pri sestankih, intervjujih, podkastih, zvočni sledi videa, nadzoru vsebine in analizi pogovorov. Model je prilagojen pogovornemu govoru, hrupu in strokovnemu besedišču s poudarkom na zmanjševanju izmišljenih odsekov. V tej kartici Ailoot je vhod zvok, rezultat pa besedilo.
Jezik in več udeležencev
Podprte so ruščina in ukrajinščina, angleščina, francoščina, nemščina, španščina, italijanščina, portugalščina in poljščina; pa tudi kitajščina, kantonščina, japonščina, korejščina, tajščina, vietnamščina, indonezijščina, malajščina, filipinščina, arabščina in turščina. Če jezik ni določen, model glavni jezik določi samodejno; proizvajalec posebej opisuje kombinacijo kitajskega in angleškega govora.
Pri razširjeni predstavitvi rezultata lahko model loči govorce in replike poveže s časom. Vrne skupno število udeležencev in segmente z oznako govorca, začetkom, koncem in besedilom. To pomaga ugotoviti, kdo in kdaj je izgovoril konkretno repliko, brez mešanja replik različnih udeležencev.
Predstavitev rezultata
Proizvajalec predvideva običajni JSON z besedilom in trajanjem, razširjeni verbose_json ter podnapise SRT in WebVTT. Za časovne oznake se privzeto uporablja raven povedi ali segmenta. Oznake posameznih besed so opisane za angleščino, posameznih znakov pa za kitajščino; takšne oznake veljajo za formate s časovno poravnavo.
Mogoč je postopni besedilni izhod, vendar ga ni mogoče združiti z ločevanjem govorcev in formati podnapisov. Takšen način med obdelavo že podane datoteke vrača nove odseke prepoznanega besedila. To je tok rezultata in ne neprekinjeno pošiljanje zvoka iz mikrofona.
Zahteve za posnetek
Navedeni vhodni formati so WAV, AIFF, FLAC, ALAC v vsebniku M4A, MP3, AAC, Opus in Ogg. Datoteka sme vsebovati največ 500 sekund zvoka in zasedati največ 50 MB. Predolg posnetek se zavrne, ne pa neopazno skrajša. Surovi PCM brez vsebnika ni podprt.
Za pripravo posnetka proizvajalec priporoča mono pri 16 kHz ali stisnjen zvočni format: visoka frekvenca in stereo za prepoznavanje nista potrebna ter povečujeta velikost datoteke. Zmožnosti razširjenega izhoda in pretočne obdelave veljajo za ASR 1.0; razpoložljivi format odgovora konkretne zahteve določajo sredstva Ailoot.
Ailoot · Pretvorba govora v besedilo POST /v1/audio/transcriptions asr-1.0
asr-1.0Začetek
MiniMax ASR 1.0 pretvarja zvok v besedilo, podpira ruščino, ločevanje replik po govorcih in časovne oznake.
- Dovoljeni vhodi
- Zvok
- Rezultati
- Besedilo
Na voljo v Ailoot · vhodi in metode
Ailoot · Pretvorba govora v besedilo POST /v1/audio/transcriptions
- Vhod
audio- Izhod
text- Izhodni format
- json
| Polje | Vrsta | Zahteva | Vrednosti in omejitve | Privzeto |
|---|---|---|---|---|
Poljemodel | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve asr-1.0 | Privzeto— |
Poljefile | Vrstafile | ZahtevaObvezno | Vrednosti in omejitve Največ bajtov: 52.428.800 Formati datotek: wav, mp3, m4a, ogg, webm, flac Vrsta vsebine: multipart/form-data Najdaljše trajanje (izključno), sekunde: 500 | Privzeto— |
Poljeresponse_format | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve json | Privzeto— |
Kombinacije vhodnih gradiv
speech_to_text · Obvezno: actual audio file
Parametri in življenjski cikel metode
| Parameter | Specifikacija |
|---|---|
Parametermaterial_types | Specifikacijaaudio |
Parameterrequired | Specifikacijanull |
Parameteroptional_controls | Specifikacijanull |
Življenjski cikel: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · Dejansko vrnjeni task_id ali zapis v medijski knjižnici
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Strukture metod in ID so natančno določeni; zmožnost ponudnika je ločena od sprejema zahteve.
Cenik
Cene metod Ailoot
POST /v1/audio/transcriptions- Vhod
- 0,38 $ na uro zvoka
Ailoot pred zahtevo rezervira ocenjeni znesek. Po rezultatu obračuna končni strošek na podlagi izmerjene porabe. Obračun pretakanja uporablja končni zapis porabe. Kako delujeta rezervacija in obračun →
Primeri zahtev
Ailoot · Pretvorba govora v besedilo
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
Prejmi in shrani rezultate
Ailoot · Pretvorba govora v besedilo
json
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
Ohrani vse dokončane rezultate
Shranite vsak v celoti vrnjen odgovor, datoteko in del vsebine.
Ohranite celoten JSON in ne samo besedila; ohranite vsak razpoložljivi segment/govorca/časovno oznako in dejansko identiteto opravila/sredstva.
Če je treba preveriti izvirni odgovor
Shranite izvirni operation_id/X-Client-Request-ID za uskladitev evidenc brez ponovnega pošiljanja; namenska pot za periodično preverjanje zvoka ne obstaja.
Polja odgovora
| Polje | Vrsta |
|---|---|
Poljetext | Vrstastring |
Poljesegments[] | Vrstaobject |
Poljetask_id | Vrstastring |
Poljeasset_url | Vrstastring |
Poljeusage | Vrstaobject |
Napake in naslednji koraki
| Odgovor | Pogoj | Naslednji korak |
|---|---|---|
Odgovor400 · invalid_request_error | PogojNeveljavna obvezna polja, predstavitev gradiva ali vrednost parametra | Naslednji korakPred novo zahtevo za ustvarjanje popravite navedena polja. |
Odgovorserver_error | PogojVrnjeni odgovor navaja, da je treba operacijo ali rezultat preveriti | Naslednji korakShranite izvirni vrnjeni ID operacije/opravila, glave zahteve in odgovor; nadaljujte s podprtimi branji te izvirne operacije. Zahteve za ustvarjanje ne pošiljajte znova. |
Druga imena
Druga imena modelov
Ailoot asr-1.0
Druga imena poti metod
Uporabite zgoraj navedene poti metod.
Povezani ID-ji za klic
FAQ · asr-1.0
- Kateri vhodi in rezultati so na voljo?
POST /v1/audio/transcriptions·asr-1.0:audio→text- Katera polja uporablja zahteva?
POST /v1/audio/transcriptions·asr-1.0:model,file,response_format