qwen-audio-3.0-asr-flash
Model za prepoznavanje govora, ki zvok pretvori v berljivo besedilo z ločili in normaliziranimi števili. Podpira ruščino in druge jezike ter kitajska narečja.
- Ailoot · Pretvorba govora v besedilo
POST /v1/audio/transcriptionsqwen-audio-3.0-asr-flash - Ailoot · Pretvorba govora v besedilo
POST /v1/audio/transcriptionsqwen-asr - Ailoot · Pretvorba govora v besedilo
POST /v1/audio/transcriptionsqwen-asr-latest
O modelu
Ta opis zajema zmožnosti modela. Vhodi, izhodi in možnosti, ki so na voljo v Ailoot, so spodaj navedeni za izbrano metodo.
Qwen-Audio-3.0-ASR-Flash je namenjen pretvorbi govornega posnetka v besedilo. Alibaba izpostavlja večjezično prepoznavanje in obdelavo izraznega govora, vključno s pesniškim ritmom, klasično kitajščino in kulturnim pripovedovanjem. Vhod je zvok, rezultat pa prepis.
Govor v pisni obliki
Model vstavi ločila ter izgovorjena števila, datume in denarne zneske pretvori v običajno pisno obliko. To je koristno pri glasovnih sporočilih, odlomkih intervjujev in govornem učnem gradivu, kjer potrebujete berljivo besedilo in ne zgolj zaporedja prepoznanih besed.
Podprtih je 30 jezikov, med njimi ruščina, angleščina, francoščina, nemščina, japonščina in arabščina. Dodatno je upoštevanih sedem glavnih kitajskih narečnih sistemov in več kot 20 regionalnih različic izgovarjave. Ta nabor je namenjen prepoznavanju različnih jezikovnih značilnosti in naglasov.
Za strokovne izraze lahko podate kontekst naloge in besede za usmerjanje prepoznavanja. Te pomagajo usmerjati prepoznavanje imen in področne terminologije. Časovne oznake so pri tej različici vedno vključene: rezultat je mogoče povezati z ustreznimi deli posnetka. Prepis kratke datoteke se lahko vrne v celoti ali sproti med obdelavo.
Gradivo in omejitve
Najdaljše trajanje posnetka je pet minut. Posamezna naloga uporablja eno datoteko. Podprti so AAC, AMR, AVI, FLAC, FLV, M4A, MKV, MOV, MP3, MP4, MPEG, OGG, OPUS, WAV, WEBM, WMA in WMV; dovoljena je katera koli frekvenca vzorčenja. Prisotnost videovsebnika na seznamu formatov se nanaša na pridobivanje govora iz njegovega zvočnega dela in ne na vizualno analizo kadrov.
Qwen-Audio-3.0-ASR-Flash ne predvideva ločevanja po govorcih in prepoznavanja čustev. Njegov glavni rezultat sta besedilo in povezava prepoznane vsebine s časom v posnetku. Zmožnosti obdelave daljših posnetkov in drugi načini analize zvoka, navedeni za sorodne modele, ne veljajo za to različico.
Ailoot · Pretvorba govora v besedilo POST /v1/audio/transcriptions qwen-audio-3.0-asr-flash
qwen-audio-3.0-asr-flashqwen-audio-3.0-asr-flashqwen-asrqwen-asr-latest
Začetek
Model za prepoznavanje govora, ki zvok pretvori v berljivo besedilo z ločili in normaliziranimi števili. Podpira ruščino in druge jezike ter kitajska narečja.
- 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 qwen-audio-3.0-asr-flash | Privzeto— |
Poljefile | Vrstafile | ZahtevaObvezno | Vrednosti in omejitve Največ bajtov: 10.485.760 Formati datotek: wav, mp3, m4a, ogg, webm, flac Vrsta vsebine: multipart/form-data Najdaljše trajanje, sekunde: 300 | 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
- 0,0021 $ na minuto 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 $AILOOT_API_KEY" \
--form-string model=qwen-audio-3.0-asr-flash -F "file=@$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
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 qwen-audio-3.0-asr-flash, qwen-asr, qwen-asr-latest
Druga imena poti metod
Uporabite zgoraj navedene poti metod.
Povezani ID-ji za klic
Ailoot · Pretvorba govora v besedilo POST /v1/audio/transcriptions qwen-asr
qwen-asrqwen-audio-3.0-asr-flashqwen-asrqwen-asr-latest
Začetek
Model za prepoznavanje govora, ki zvok pretvori v berljivo besedilo z ločili in normaliziranimi števili. Podpira ruščino in druge jezike ter kitajska narečja.
- 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 qwen-asr | Privzeto— |
Poljefile | Vrstafile | ZahtevaObvezno | Vrednosti in omejitve Največ bajtov: 10.485.760 Formati datotek: wav, mp3, m4a, ogg, webm, flac Vrsta vsebine: multipart/form-data Najdaljše trajanje, sekunde: 300 | 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
- 0,0021 $ na minuto 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 $AILOOT_API_KEY" \
--form-string model=qwen-asr -F "file=@$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
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 qwen-audio-3.0-asr-flash, qwen-asr, qwen-asr-latest
Druga imena poti metod
Uporabite zgoraj navedene poti metod.
Povezani ID-ji za klic
Ailoot · Pretvorba govora v besedilo POST /v1/audio/transcriptions qwen-asr-latest
qwen-asr-latestqwen-audio-3.0-asr-flashqwen-asrqwen-asr-latest
Začetek
Model za prepoznavanje govora, ki zvok pretvori v berljivo besedilo z ločili in normaliziranimi števili. Podpira ruščino in druge jezike ter kitajska narečja.
- 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 qwen-asr-latest | Privzeto— |
Poljefile | Vrstafile | ZahtevaObvezno | Vrednosti in omejitve Največ bajtov: 10.485.760 Formati datotek: wav, mp3, m4a, ogg, webm, flac Vrsta vsebine: multipart/form-data Najdaljše trajanje, sekunde: 300 | 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
- 0,0021 $ na minuto 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 $AILOOT_API_KEY" \
--form-string model=qwen-asr-latest -F "file=@$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
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 qwen-audio-3.0-asr-flash, qwen-asr, qwen-asr-latest
Druga imena poti metod
Uporabite zgoraj navedene poti metod.
Povezani ID-ji za klic
FAQ · qwen-audio-3.0-asr-flash
- Kateri vhodi in rezultati so na voljo?
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- Katera polja uporablja zahteva?
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