asr-1.0
MiniMax ASR 1.0 omvandlar ljud till text och stöder ryska, uppdelning av repliker efter talare och tidsstämplar.
Om modellen
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Samtalsinspelning till text
MiniMax ASR 1.0 känner igen tal i en ljudfil. Tillverkaren beskriver användning för möten, intervjuer, poddar, videoljudspår, innehållskontroll och samtalsanalys. Modellen är anpassad till talspråk, brus och fackspråk med fokus på att minska påhittade avsnitt. I detta Ailoot-modellkort är indata ljud och resultatet text.
Språk och flera deltagare
Ryska och ukrainska, engelska, franska, tyska, spanska, italienska, portugisiska och polska stöds. Även kinesiska, kantonesiska, japanska, koreanska, thailändska, vietnamesiska, indonesiska, malajiska, filipino, arabiska och turkiska stöds. Om inget språk anges identifierar modellen huvudspråket automatiskt. Tillverkaren beskriver separat kombinationen av kinesiskt och engelskt tal.
Med en utökad resultatrepresentation kan modellen urskilja talare och koppla repliker till tidpunkter. Den returnerar det totala antalet deltagare och segment med talaridentifierare, början, slut och text. Det hjälper till att avgöra vem som sade en viss replik och när, utan att olika deltagares repliker blandas.
Resultatrepresentation
Tillverkaren erbjuder vanlig JSON med text och längd, utökad verbose_json samt undertexter i SRT och WebVTT. Tidsstämplar använder menings- eller segmentnivå som standard. Stämplar för enskilda ord beskrivs för engelska och för enskilda tecken för kinesiska. Sådana stämplar hör till format med tidsalignering.
Gradvis textutdata är möjlig men kan inte kombineras med talarseparering eller undertextformat. Läget returnerar nya igenkända textavsnitt efter hand som den redan inskickade filen bearbetas. Det är en resultatström, inte kontinuerlig ljudöverföring från en mikrofon.
Krav på inspelningen
Angivna indataformat är WAV, AIFF, FLAC, ALAC i M4A-container, MP3, AAC, Opus och Ogg. Filen får innehålla högst 500 sekunder ljud och vara högst 50 MB. För lång varaktighet avvisas i stället för att klippas ned utan meddelande. Rå PCM utan container stöds inte.
För inspelningsförberedelsen rekommenderar tillverkaren mono i 16 kHz eller ett komprimerat ljudformat. Hög samplingsfrekvens och stereo behövs inte för igenkänning och ökar filstorleken. Möjligheterna för utökad utdata och strömmande bearbetning gäller ASR 1.0. Det tillgängliga svarsformatet för ett specifikt anrop anges med Ailoots funktioner.
Ailoot · Tal till text POST /v1/audio/transcriptions asr-1.0
asr-1.0Start
MiniMax ASR 1.0 omvandlar ljud till text och stöder ryska, uppdelning av repliker efter talare och tidsstämplar.
- Godkända indata
- Ljud
- Resultat
- Text
Tillgängligt i Ailoot · indata & metoder
Ailoot · Tal till text POST /v1/audio/transcriptions
- Indatatyper
audio- Utdatatyper
text- Utdataformat
- json
| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser asr-1.0 | Standard— |
Fältfile | Typfile | KravObligatoriskt | Värden & gränser Maximalt antal byte: 52 428 800 Filformat: wav, mp3, m4a, ogg, webm, flac Innehållstyp: multipart/form-data Maximal längd (exklusive gränsvärdet), sekunder: 500 | Standard— |
Fältresponse_format | Typstring | KravValfritt | Värden & gränser json | Standard— |
Kombinationer av indatamaterial
speech_to_text · Krävs: actual audio file
Metodparametrar och livscykel
| Parameter | Avtal |
|---|---|
Parametermaterial_types | Avtalaudio |
Parameterrequired | Avtalnull |
Parameteroptional_controls | Avtalnull |
Livscykel: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · Det task_id som faktiskt returnerades eller en post i mediebiblioteket
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Metodernas strukturer och ID:n är exakta; leverantörens funktioner är åtskilda från att begäran tillåts.
Priser
Priser för Ailoot-metoder
POST /v1/audio/transcriptions- Indata
- 0,38 US$ per timme ljud
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
Exempelbegäranden
Ailoot · Tal till 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 $AILOOT_API_KEY" \
--form-string model=asr-1.0 -F "file=@$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
Ta emot och spara resultat
Ailoot · Tal till text
json
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
Behåll alla färdiga resultat
Behåll varje fullständigt returnerat svar, fil och innehållsdel.
Behåll hela JSON-svaret, inte bara text; bevara varje tillgängligt segment, varje talare och tidsstämpel samt faktisk uppgifts- och tillgångsidentitet.
Om det ursprungliga svaret behöver kontrolleras
Behåll de ursprungliga värdena för operation_id/X-Client-Request-ID för avstämning utan att skicka förfrågan igen; det finns ingen särskild rutt för statusavläsning av ljud.
Svarsfält
| Fält | Typ |
|---|---|
Fälttext | Typstring |
Fältsegments[] | Typobject |
Fälttask_id | Typstring |
Fältasset_url | Typstring |
Fältusage | Typobject |
Fel och nästa steg
| Svar | Villkor | Nästa steg |
|---|---|---|
Svar400 · invalid_request_error | VillkorOgiltiga obligatoriska fält, ogiltig representation av underlaget eller ogiltigt parametervärde | Nästa stegKorrigera de angivna fälten före en ny begäran om att skapa. |
Svarserver_error | VillkorDet returnerade svaret anger att operationen eller resultatet behöver kontrolleras | Nästa stegSpara det ursprungliga operations- eller uppgifts-ID som returnerades, förfrågans headers och svaret. Fortsätt att läsa den ursprungliga operationen med de läsmetoder som stöds. Skicka inte skapandeförfrågan igen. |
Alias
Modellalias
Ailoot asr-1.0
Alias för metodsökvägar
Använd metodsökvägarna som visas ovan.
Relaterade anropar-ID:n
FAQ · asr-1.0
- Vilka indata och resultat finns?
POST /v1/audio/transcriptions·asr-1.0:audio→text- Vilka fält använder begäran?
POST /v1/audio/transcriptions·asr-1.0:model,file,response_format