qwen-audio-3.0-asr-flash
Taligenkänningsmodell som omvandlar ljud till läsbar text med interpunktion och normalisering av siffror. Stöder ryska och andra språk samt kinesiska dialekter.
- Ailoot · Tal till text
POST /v1/audio/transcriptionsqwen-audio-3.0-asr-flash - Ailoot · Tal till text
POST /v1/audio/transcriptionsqwen-asr - Ailoot · Tal till text
POST /v1/audio/transcriptionsqwen-asr-latest
Om modellen
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Qwen-Audio-3.0-ASR-Flash är avsedd att omvandla inspelat tal till text. Alibaba framhåller flerspråkig igenkänning och hantering av uttrycksfullt tal, bland annat poetisk rytm, klassisk kinesiska och kulturpräglat berättande. Indata är ljud och resultatet en transkription.
Tal i skriftlig form
Modellen sätter ut interpunktion och återger uttalade tal, datum och penningbelopp i vedertagen skriftlig form. Det är användbart för röstmeddelanden, intervjuutdrag och undervisning där läsbar text behövs, inte bara en följd av igenkända ord.
30 språk stöds, däribland ryska, engelska, franska, tyska, japanska och arabiska. Dessutom hanteras sju huvudsakliga kinesiska dialektsystem och fler än 20 regionala uttalsvarianter. Urvalet är avsett att känna igen olika språkliga särdrag och accenter.
För facktermer går det att ange uppgiftens sammanhang och ledord. De hjälper till att styra igenkänningen av namn och fackspråk. Tidsstämplar är alltid aktiverade i den här versionen, så resultatet kan kopplas till motsvarande avsnitt i inspelningen. Transkriptionen av en kort fil kan returneras i sin helhet eller efter hand under bearbetningen.
Material och begränsningar
Inspelningen får vara högst fem minuter lång. En fil används per uppgift. AAC, AMR, AVI, FLAC, FLV, M4A, MKV, MOV, MP3, MP4, MPEG, OGG, OPUS, WAV, WEBM, WMA och WMV stöds, med valfri samplingsfrekvens. Att videokontainrar finns bland formaten innebär att tal kan hämtas ur deras ljudspår, inte att bildrutorna analyseras visuellt.
Qwen-Audio-3.0-ASR-Flash har inte stöd för talarseparering eller känsloigenkänning. Dess huvudsakliga resultat är text och en koppling mellan det igenkända innehållet och tidpunkterna i inspelningen. Stöd för längre inspelningar och andra sätt att analysera ljud som anges för närliggande modeller gäller inte den här versionen.
Ailoot · Tal till 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
Start
Taligenkänningsmodell som omvandlar ljud till läsbar text med interpunktion och normalisering av siffror. Stöder ryska och andra språk samt kinesiska dialekter.
- 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 qwen-audio-3.0-asr-flash | Standard— |
Fältfile | Typfile | KravObligatoriskt | Värden & gränser Maximalt antal byte: 10 485 760 Filformat: wav, mp3, m4a, ogg, webm, flac Innehållstyp: multipart/form-data Maximal längd, sekunder: 300 | 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
- 0,0021 US$ per minut 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 $AILOOT_API_KEY" \
--form-string model=qwen-audio-3.0-asr-flash -F "file=@$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
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 qwen-audio-3.0-asr-flash, qwen-asr, qwen-asr-latest
Alias för metodsökvägar
Använd metodsökvägarna som visas ovan.
Relaterade anropar-ID:n
Ailoot · Tal till text POST /v1/audio/transcriptions qwen-asr
qwen-asrqwen-audio-3.0-asr-flashqwen-asrqwen-asr-latest
Start
Taligenkänningsmodell som omvandlar ljud till läsbar text med interpunktion och normalisering av siffror. Stöder ryska och andra språk samt kinesiska dialekter.
- 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 qwen-asr | Standard— |
Fältfile | Typfile | KravObligatoriskt | Värden & gränser Maximalt antal byte: 10 485 760 Filformat: wav, mp3, m4a, ogg, webm, flac Innehållstyp: multipart/form-data Maximal längd, sekunder: 300 | 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
- 0,0021 US$ per minut 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 $AILOOT_API_KEY" \
--form-string model=qwen-asr -F "file=@$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
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 qwen-audio-3.0-asr-flash, qwen-asr, qwen-asr-latest
Alias för metodsökvägar
Använd metodsökvägarna som visas ovan.
Relaterade anropar-ID:n
Ailoot · Tal till text POST /v1/audio/transcriptions qwen-asr-latest
qwen-asr-latestqwen-audio-3.0-asr-flashqwen-asrqwen-asr-latest
Start
Taligenkänningsmodell som omvandlar ljud till läsbar text med interpunktion och normalisering av siffror. Stöder ryska och andra språk samt kinesiska dialekter.
- 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 qwen-asr-latest | Standard— |
Fältfile | Typfile | KravObligatoriskt | Värden & gränser Maximalt antal byte: 10 485 760 Filformat: wav, mp3, m4a, ogg, webm, flac Innehållstyp: multipart/form-data Maximal längd, sekunder: 300 | 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
- 0,0021 US$ per minut 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 $AILOOT_API_KEY" \
--form-string model=qwen-asr-latest -F "file=@$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
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 qwen-audio-3.0-asr-flash, qwen-asr, qwen-asr-latest
Alias för metodsökvägar
Använd metodsökvägarna som visas ovan.
Relaterade anropar-ID:n
FAQ · qwen-audio-3.0-asr-flash
- Vilka indata och resultat finns?
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- Vilka fält använder begäran?
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