Source: https://ailoot.ai/models/th/qwen-audio-3-0-asr-flash/
Canonical: https://ailoot.ai/models/th/qwen-audio-3-0-asr-flash/
Language: th

# qwen-audio-3.0-asr-flash

[Markdown](https://ailoot.ai/models/th/qwen-audio-3-0-asr-flash/index.md) · [JSON](https://ailoot.ai/models/th/qwen-audio-3-0-asr-flash/facts.json)

## [qwen-audio-3.0-asr-flash](https://ailoot.ai/models/th/qwen-audio-3-0-asr-flash/)

โมเดลรู้จำเสียงพูดที่แปลงเสียงเป็นข้อความอ่านง่าย พร้อมเครื่องหมายวรรคตอนและการปรับรูปแบบตัวเลข รองรับภาษารัสเซียและภาษาอื่น ๆ รวมถึงภาษาถิ่นจีน

- [**Ailoot · เสียงพูดเป็นข้อความ** `POST /v1/audio/transcriptions` `qwen-audio-3.0-asr-flash`](https://ailoot.ai/models/th/qwen-audio-3-0-asr-flash/#method-0)
- [**Ailoot · เสียงพูดเป็นข้อความ** `POST /v1/audio/transcriptions` `qwen-asr`](https://ailoot.ai/models/th/qwen-audio-3-0-asr-flash/#method-1)
- [**Ailoot · เสียงพูดเป็นข้อความ** `POST /v1/audio/transcriptions` `qwen-asr-latest`](https://ailoot.ai/models/th/qwen-audio-3-0-asr-flash/#method-2)

เกี่ยวกับโมเดล

คำอธิบายนี้ครอบคลุมความสามารถของโมเดล อินพุต เอาต์พุต และตัวเลือกที่ใช้ได้ใน Ailoot แสดงด้านล่างตามเมธอดที่เลือก

Qwen-Audio-3.0-ASR-Flash ใช้แปลงเสียงพูดที่บันทึกไว้เป็นข้อความ Alibaba เน้นการรู้จำหลายภาษาและการทำงานกับเสียงพูดที่มีลีลาการถ่ายทอด รวมถึงจังหวะบทกวี ภาษาจีนคลาสสิก และการเล่าเรื่องทางวัฒนธรรม อินพุตคือเสียง ส่วนผลลัพธ์คือข้อความถอดเสียง

#### จากเสียงพูดสู่ภาษาเขียน

โมเดลใส่เครื่องหมายวรรคตอน และแปลงตัวเลข วันที่ และจำนวนเงินที่พูดให้เป็นรูปแบบภาษาเขียนที่ใช้กัน เหมาะกับข้อความเสียง ช่วงหนึ่งของการสัมภาษณ์ และเสียงพูดเพื่อการเรียนรู้ที่ต้องการข้อความอ่านง่าย ไม่ใช่เพียงลำดับคำที่รู้จำได้

รองรับ 30 ภาษา รวมถึงรัสเซีย อังกฤษ ฝรั่งเศส เยอรมัน ญี่ปุ่น และอาหรับ นอกจากนี้ยังครอบคลุมกลุ่มภาษาถิ่นจีนหลักเจ็ดกลุ่ม และรูปแบบการออกเสียงในภูมิภาคอีกมากกว่า 20 แบบ เพื่อรองรับความแตกต่างด้านภาษาและสำเนียง

สำหรับศัพท์เฉพาะ สามารถส่งบริบทของงานและคำใบ้ประกอบได้ ข้อมูลเหล่านี้ช่วยชี้นำการรู้จำชื่อและคำศัพท์เฉพาะสาขา เวอร์ชันนี้เปิดใช้การประทับเวลาไว้เสมอ จึงสามารถเชื่อมผลลัพธ์กับช่วงที่เกี่ยวข้องในเสียงบันทึกได้ ข้อความถอดเสียงของไฟล์สั้นอาจส่งกลับมาทั้งหมดในครั้งเดียว หรือทยอยส่งระหว่างประมวลผล

#### ไฟล์และข้อจำกัด

เสียงบันทึกยาวได้สูงสุดห้านาที ใช้หนึ่งไฟล์ต่อหนึ่งงาน รองรับ AAC, AMR, AVI, FLAC, FLV, M4A, MKV, MOV, MP3, MP4, MPEG, OGG, OPUS, WAV, WEBM, WMA และ WMV โดยใช้อัตราสุ่มสัญญาณใดก็ได้ การมีคอนเทนเนอร์วิดีโออยู่ในรายการรูปแบบหมายถึงการดึงเสียงพูดจากส่วนเสียง ไม่ใช่การวิเคราะห์ภาพในเฟรม

Qwen-Audio-3.0-ASR-Flash ไม่มีความสามารถแยกผู้พูดหรือรู้จำอารมณ์ ผลลัพธ์หลักคือข้อความและการเชื่อมเนื้อหาที่รู้จำได้กับเวลาในเสียงบันทึก ความสามารถรองรับเสียงบันทึกที่ยาวกว่าและการวิเคราะห์เสียงแบบอื่นที่ระบุสำหรับโมเดลใกล้เคียง ไม่ได้เป็นความสามารถของเวอร์ชันนี้

**Ailoot · เสียงพูดเป็นข้อความ** `POST /v1/audio/transcriptions` `qwen-audio-3.0-asr-flash`

[`qwen-audio-3.0-asr-flash`](https://ailoot.ai/models/th/#m=qwen-audio-3.0-asr-flash&route=Core&caller=qwen-audio-3.0-asr-flash&fmt=transcriptions)

Alibaba /`qwen-audio-3.0-asr-flash`

ID โมเดล

- `qwen-audio-3.0-asr-flash`
- `qwen-asr`
- `qwen-asr-latest`

### เริ่มต้น

โมเดลรู้จำเสียงพูดที่แปลงเสียงเป็นข้อความอ่านง่าย พร้อมเครื่องหมายวรรคตอนและการปรับรูปแบบตัวเลข รองรับภาษารัสเซียและภาษาอื่น ๆ รวมถึงภาษาถิ่นจีน

อินพุตที่รองรับ

เสียง

ผลลัพธ์

ข้อความ

### ใช้งานได้ใน Ailoot · อินพุตและเมธอด

**Ailoot · เสียงพูดเป็นข้อความ** `POST /v1/audio/transcriptions`

ขาเข้า

`audio`

ขาออก

`text`

รูปแบบเอาต์พุต

json

| ฟิลด์ | ประเภท | ข้อกำหนด | ค่าและข้อจำกัด | ค่าเริ่มต้น |
| --- | --- | --- | --- | --- |
| ฟิลด์`model` | ประเภท`string` | ข้อกำหนดจำเป็น | ค่าและข้อจำกัด qwen-audio-3.0-asr-flash | ค่าเริ่มต้น— |
| ฟิลด์`file` | ประเภท`file` | ข้อกำหนดจำเป็น | ค่าและข้อจำกัด จำนวนไบต์สูงสุด: 10,485,760 รูปแบบไฟล์: wav, mp3, m4a, ogg, webm, flac ประเภทเนื้อหา: multipart/form-data ความยาวสูงสุด หน่วยวินาที: 300 | ค่าเริ่มต้น— |
| ฟิลด์`response_format` | ประเภท`string` | ข้อกำหนดไม่บังคับ | ค่าและข้อจำกัด json | ค่าเริ่มต้น— |

ชุดผสมของสื่ออินพุต

**speech\_to\_text** · จำเป็น: actual audio file

พารามิเตอร์และวงจรการทำงานของเมธอด

| พารามิเตอร์ | ข้อกำหนด |
| --- | --- |
| พารามิเตอร์`material_types` | ข้อกำหนดaudio |
| พารามิเตอร์`required` | ข้อกำหนดnull |
| พารามิเตอร์`optional_controls` | ข้อกำหนดnull |

วงจรการทำงาน: `synchronous_result_then_owned_library`

`GET /v1/media/tasks/{task_id}` · ค่า task\_id ที่ส่งกลับมาจริง หรือระเบียนในคลังสื่อ

`GET /v1/media/assets/{asset_id}/content`

`GET /v1/media/assets`

`GET /v1/media/assets/{asset_id}`

รูปแบบเมธอดและ ID ระบุอย่างแม่นยำ ความสามารถของผู้ให้บริการแยกจากการอนุญาตให้รับคำขอ

### ราคา

#### อัตราค่าบริการเมธอด Ailoot

ขาเข้า

US$0.0021 *ต่อนาทีของเสียง*

Ailoot กันยอดเงินประมาณการไว้ก่อนส่งคำขอ หลังได้ผลลัพธ์ จะคิดค่าบริการสุดท้ายตามการใช้งานที่วัดได้ การคิดค่าบริการแบบสตรีมใช้บันทึกการใช้งานสุดท้าย [วิธีกันยอดเงินและคิดค่าบริการสุดท้าย →](https://ailoot.ai/docs/th/billing/reserve/)

### ตัวอย่างคำขอ

#### Ailoot · เสียงพูดเป็นข้อความ

ตัวอย่างการถอดเสียง

```bash
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
```

### รับและบันทึกผลลัพธ์

#### Ailoot · เสียงพูดเป็นข้อความ

json

- `GET /v1/media/tasks/{task_id}`
- `GET /v1/media/assets/{asset_id}/content`
- `GET /v1/media/assets`
- `GET /v1/media/assets/{asset_id}`

##### เก็บผลลัพธ์ที่เสร็จสมบูรณ์ทั้งหมด

เก็บทุกการตอบกลับ ไฟล์ และส่วนเนื้อหาที่ส่งกลับมาอย่างครบถ้วน

เก็บ JSON ทั้งหมด ไม่ใช่เฉพาะข้อความ คงช่วงข้อความ/ผู้พูด/เวลาทุกรายการที่มีและตัวตนงาน/แอสเซ็ตจริงไว้

##### เมื่อต้องตรวจสอบการตอบกลับต้นฉบับ

เก็บ operation\_id/X-Client-Request-ID เดิมไว้เพื่อกระทบยอดโดยไม่ส่งคำขอซ้ำ ไม่มีเส้นทางเฉพาะสำหรับตรวจสอบสถานะงานเสียงเป็นระยะ

ฟิลด์การตอบกลับ

| ฟิลด์ | ประเภท |
| --- | --- |
| ฟิลด์`text` | ประเภทstring |
| ฟิลด์`segments[]` | ประเภทobject |
| ฟิลด์`task_id` | ประเภทstring |
| ฟิลด์`asset_url` | ประเภทstring |
| ฟิลด์`usage` | ประเภทobject |

ข้อผิดพลาดและขั้นตอนถัดไป

| การตอบกลับ | เงื่อนไข | ขั้นตอนถัดไป |
| --- | --- | --- |
| การตอบกลับ400 · `invalid_request_error` | เงื่อนไขฟิลด์จำเป็น รูปแบบการแทนข้อมูล หรือค่าพารามิเตอร์ไม่ถูกต้อง | ขั้นตอนถัดไปแก้ฟิลด์ที่ระบุก่อนส่งคำขอสร้างครั้งใหม่ |
| การตอบกลับ`server_error` | เงื่อนไขการตอบกลับที่ได้รับระบุว่าต้องตรวจสอบการดำเนินการหรือผลลัพธ์ | ขั้นตอนถัดไปเก็บ ID การดำเนินการ/งานที่ส่งกลับมาแต่เดิม ส่วนหัวของคำขอ และการตอบกลับไว้ แล้วอ่านข้อมูลการดำเนินการเดิมนั้นต่อด้วยวิธีที่รองรับ ห้ามส่งคำขอสร้างซ้ำ |

### ชื่ออื่น

#### ชื่ออื่นของโมเดล

**Ailoot** [`qwen-audio-3.0-asr-flash`](https://ailoot.ai/models/th/#m=qwen-audio-3.0-asr-flash&route=Core&caller=qwen-audio-3.0-asr-flash&fmt=transcriptions), [`qwen-asr`](https://ailoot.ai/models/th/#m=qwen-audio-3.0-asr-flash&route=Core&caller=qwen-asr&fmt=transcriptions), [`qwen-asr-latest`](https://ailoot.ai/models/th/#m=qwen-audio-3.0-asr-flash&route=Core&caller=qwen-asr-latest&fmt=transcriptions)

#### ชื่อพาธเมธอดอื่น

ใช้พาธเมธอดที่แสดงด้านบน

#### ID ที่เกี่ยวข้องสำหรับเรียกใช้โมเดล

[`qwen-audio-3.0-asr-flash`](https://ailoot.ai/models/th/#m=qwen-audio-3.0-asr-flash&route=Core&caller=qwen-audio-3.0-asr-flash&fmt=transcriptions), [`qwen-asr`](https://ailoot.ai/models/th/#m=qwen-audio-3.0-asr-flash&route=Core&caller=qwen-asr&fmt=transcriptions), [`qwen-asr-latest`](https://ailoot.ai/models/th/#m=qwen-audio-3.0-asr-flash&route=Core&caller=qwen-asr-latest&fmt=transcriptions)

**Ailoot · เสียงพูดเป็นข้อความ** `POST /v1/audio/transcriptions` `qwen-asr`

[`qwen-asr`](https://ailoot.ai/models/th/#m=qwen-audio-3.0-asr-flash&route=Core&caller=qwen-asr&fmt=transcriptions)

Alibaba /`qwen-asr`

ID โมเดล

- `qwen-audio-3.0-asr-flash`
- `qwen-asr`
- `qwen-asr-latest`

### เริ่มต้น

โมเดลรู้จำเสียงพูดที่แปลงเสียงเป็นข้อความอ่านง่าย พร้อมเครื่องหมายวรรคตอนและการปรับรูปแบบตัวเลข รองรับภาษารัสเซียและภาษาอื่น ๆ รวมถึงภาษาถิ่นจีน

อินพุตที่รองรับ

เสียง

ผลลัพธ์

ข้อความ

### ใช้งานได้ใน Ailoot · อินพุตและเมธอด

**Ailoot · เสียงพูดเป็นข้อความ** `POST /v1/audio/transcriptions`

ขาเข้า

`audio`

ขาออก

`text`

รูปแบบเอาต์พุต

json

| ฟิลด์ | ประเภท | ข้อกำหนด | ค่าและข้อจำกัด | ค่าเริ่มต้น |
| --- | --- | --- | --- | --- |
| ฟิลด์`model` | ประเภท`string` | ข้อกำหนดจำเป็น | ค่าและข้อจำกัด qwen-asr | ค่าเริ่มต้น— |
| ฟิลด์`file` | ประเภท`file` | ข้อกำหนดจำเป็น | ค่าและข้อจำกัด จำนวนไบต์สูงสุด: 10,485,760 รูปแบบไฟล์: wav, mp3, m4a, ogg, webm, flac ประเภทเนื้อหา: multipart/form-data ความยาวสูงสุด หน่วยวินาที: 300 | ค่าเริ่มต้น— |
| ฟิลด์`response_format` | ประเภท`string` | ข้อกำหนดไม่บังคับ | ค่าและข้อจำกัด json | ค่าเริ่มต้น— |

ชุดผสมของสื่ออินพุต

**speech\_to\_text** · จำเป็น: actual audio file

พารามิเตอร์และวงจรการทำงานของเมธอด

| พารามิเตอร์ | ข้อกำหนด |
| --- | --- |
| พารามิเตอร์`material_types` | ข้อกำหนดaudio |
| พารามิเตอร์`required` | ข้อกำหนดnull |
| พารามิเตอร์`optional_controls` | ข้อกำหนดnull |

วงจรการทำงาน: `synchronous_result_then_owned_library`

`GET /v1/media/tasks/{task_id}` · ค่า task\_id ที่ส่งกลับมาจริง หรือระเบียนในคลังสื่อ

`GET /v1/media/assets/{asset_id}/content`

`GET /v1/media/assets`

`GET /v1/media/assets/{asset_id}`

รูปแบบเมธอดและ ID ระบุอย่างแม่นยำ ความสามารถของผู้ให้บริการแยกจากการอนุญาตให้รับคำขอ

### ราคา

#### อัตราค่าบริการเมธอด Ailoot

ขาเข้า

US$0.0021 *ต่อนาทีของเสียง*

Ailoot กันยอดเงินประมาณการไว้ก่อนส่งคำขอ หลังได้ผลลัพธ์ จะคิดค่าบริการสุดท้ายตามการใช้งานที่วัดได้ การคิดค่าบริการแบบสตรีมใช้บันทึกการใช้งานสุดท้าย [วิธีกันยอดเงินและคิดค่าบริการสุดท้าย →](https://ailoot.ai/docs/th/billing/reserve/)

### ตัวอย่างคำขอ

#### Ailoot · เสียงพูดเป็นข้อความ

ตัวอย่างการถอดเสียง

```bash
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
```

### รับและบันทึกผลลัพธ์

#### Ailoot · เสียงพูดเป็นข้อความ

json

- `GET /v1/media/tasks/{task_id}`
- `GET /v1/media/assets/{asset_id}/content`
- `GET /v1/media/assets`
- `GET /v1/media/assets/{asset_id}`

##### เก็บผลลัพธ์ที่เสร็จสมบูรณ์ทั้งหมด

เก็บทุกการตอบกลับ ไฟล์ และส่วนเนื้อหาที่ส่งกลับมาอย่างครบถ้วน

เก็บ JSON ทั้งหมด ไม่ใช่เฉพาะข้อความ คงช่วงข้อความ/ผู้พูด/เวลาทุกรายการที่มีและตัวตนงาน/แอสเซ็ตจริงไว้

##### เมื่อต้องตรวจสอบการตอบกลับต้นฉบับ

เก็บ operation\_id/X-Client-Request-ID เดิมไว้เพื่อกระทบยอดโดยไม่ส่งคำขอซ้ำ ไม่มีเส้นทางเฉพาะสำหรับตรวจสอบสถานะงานเสียงเป็นระยะ

ฟิลด์การตอบกลับ

| ฟิลด์ | ประเภท |
| --- | --- |
| ฟิลด์`text` | ประเภทstring |
| ฟิลด์`segments[]` | ประเภทobject |
| ฟิลด์`task_id` | ประเภทstring |
| ฟิลด์`asset_url` | ประเภทstring |
| ฟิลด์`usage` | ประเภทobject |

ข้อผิดพลาดและขั้นตอนถัดไป

| การตอบกลับ | เงื่อนไข | ขั้นตอนถัดไป |
| --- | --- | --- |
| การตอบกลับ400 · `invalid_request_error` | เงื่อนไขฟิลด์จำเป็น รูปแบบการแทนข้อมูล หรือค่าพารามิเตอร์ไม่ถูกต้อง | ขั้นตอนถัดไปแก้ฟิลด์ที่ระบุก่อนส่งคำขอสร้างครั้งใหม่ |
| การตอบกลับ`server_error` | เงื่อนไขการตอบกลับที่ได้รับระบุว่าต้องตรวจสอบการดำเนินการหรือผลลัพธ์ | ขั้นตอนถัดไปเก็บ ID การดำเนินการ/งานที่ส่งกลับมาแต่เดิม ส่วนหัวของคำขอ และการตอบกลับไว้ แล้วอ่านข้อมูลการดำเนินการเดิมนั้นต่อด้วยวิธีที่รองรับ ห้ามส่งคำขอสร้างซ้ำ |

### ชื่ออื่น

#### ชื่ออื่นของโมเดล

**Ailoot** [`qwen-audio-3.0-asr-flash`](https://ailoot.ai/models/th/#m=qwen-audio-3.0-asr-flash&route=Core&caller=qwen-audio-3.0-asr-flash&fmt=transcriptions), [`qwen-asr`](https://ailoot.ai/models/th/#m=qwen-audio-3.0-asr-flash&route=Core&caller=qwen-asr&fmt=transcriptions), [`qwen-asr-latest`](https://ailoot.ai/models/th/#m=qwen-audio-3.0-asr-flash&route=Core&caller=qwen-asr-latest&fmt=transcriptions)

#### ชื่อพาธเมธอดอื่น

ใช้พาธเมธอดที่แสดงด้านบน

#### ID ที่เกี่ยวข้องสำหรับเรียกใช้โมเดล

[`qwen-audio-3.0-asr-flash`](https://ailoot.ai/models/th/#m=qwen-audio-3.0-asr-flash&route=Core&caller=qwen-audio-3.0-asr-flash&fmt=transcriptions), [`qwen-asr`](https://ailoot.ai/models/th/#m=qwen-audio-3.0-asr-flash&route=Core&caller=qwen-asr&fmt=transcriptions), [`qwen-asr-latest`](https://ailoot.ai/models/th/#m=qwen-audio-3.0-asr-flash&route=Core&caller=qwen-asr-latest&fmt=transcriptions)

**Ailoot · เสียงพูดเป็นข้อความ** `POST /v1/audio/transcriptions` `qwen-asr-latest`

[`qwen-asr-latest`](https://ailoot.ai/models/th/#m=qwen-audio-3.0-asr-flash&route=Core&caller=qwen-asr-latest&fmt=transcriptions)

Alibaba /`qwen-asr-latest`

ID โมเดล

- `qwen-audio-3.0-asr-flash`
- `qwen-asr`
- `qwen-asr-latest`

### เริ่มต้น

โมเดลรู้จำเสียงพูดที่แปลงเสียงเป็นข้อความอ่านง่าย พร้อมเครื่องหมายวรรคตอนและการปรับรูปแบบตัวเลข รองรับภาษารัสเซียและภาษาอื่น ๆ รวมถึงภาษาถิ่นจีน

อินพุตที่รองรับ

เสียง

ผลลัพธ์

ข้อความ

### ใช้งานได้ใน Ailoot · อินพุตและเมธอด

**Ailoot · เสียงพูดเป็นข้อความ** `POST /v1/audio/transcriptions`

ขาเข้า

`audio`

ขาออก

`text`

รูปแบบเอาต์พุต

json

| ฟิลด์ | ประเภท | ข้อกำหนด | ค่าและข้อจำกัด | ค่าเริ่มต้น |
| --- | --- | --- | --- | --- |
| ฟิลด์`model` | ประเภท`string` | ข้อกำหนดจำเป็น | ค่าและข้อจำกัด qwen-asr-latest | ค่าเริ่มต้น— |
| ฟิลด์`file` | ประเภท`file` | ข้อกำหนดจำเป็น | ค่าและข้อจำกัด จำนวนไบต์สูงสุด: 10,485,760 รูปแบบไฟล์: wav, mp3, m4a, ogg, webm, flac ประเภทเนื้อหา: multipart/form-data ความยาวสูงสุด หน่วยวินาที: 300 | ค่าเริ่มต้น— |
| ฟิลด์`response_format` | ประเภท`string` | ข้อกำหนดไม่บังคับ | ค่าและข้อจำกัด json | ค่าเริ่มต้น— |

ชุดผสมของสื่ออินพุต

**speech\_to\_text** · จำเป็น: actual audio file

พารามิเตอร์และวงจรการทำงานของเมธอด

| พารามิเตอร์ | ข้อกำหนด |
| --- | --- |
| พารามิเตอร์`material_types` | ข้อกำหนดaudio |
| พารามิเตอร์`required` | ข้อกำหนดnull |
| พารามิเตอร์`optional_controls` | ข้อกำหนดnull |

วงจรการทำงาน: `synchronous_result_then_owned_library`

`GET /v1/media/tasks/{task_id}` · ค่า task\_id ที่ส่งกลับมาจริง หรือระเบียนในคลังสื่อ

`GET /v1/media/assets/{asset_id}/content`

`GET /v1/media/assets`

`GET /v1/media/assets/{asset_id}`

รูปแบบเมธอดและ ID ระบุอย่างแม่นยำ ความสามารถของผู้ให้บริการแยกจากการอนุญาตให้รับคำขอ

### ราคา

#### อัตราค่าบริการเมธอด Ailoot

ขาเข้า

US$0.0021 *ต่อนาทีของเสียง*

Ailoot กันยอดเงินประมาณการไว้ก่อนส่งคำขอ หลังได้ผลลัพธ์ จะคิดค่าบริการสุดท้ายตามการใช้งานที่วัดได้ การคิดค่าบริการแบบสตรีมใช้บันทึกการใช้งานสุดท้าย [วิธีกันยอดเงินและคิดค่าบริการสุดท้าย →](https://ailoot.ai/docs/th/billing/reserve/)

### ตัวอย่างคำขอ

#### Ailoot · เสียงพูดเป็นข้อความ

ตัวอย่างการถอดเสียง

```bash
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
```

### รับและบันทึกผลลัพธ์

#### Ailoot · เสียงพูดเป็นข้อความ

json

- `GET /v1/media/tasks/{task_id}`
- `GET /v1/media/assets/{asset_id}/content`
- `GET /v1/media/assets`
- `GET /v1/media/assets/{asset_id}`

##### เก็บผลลัพธ์ที่เสร็จสมบูรณ์ทั้งหมด

เก็บทุกการตอบกลับ ไฟล์ และส่วนเนื้อหาที่ส่งกลับมาอย่างครบถ้วน

เก็บ JSON ทั้งหมด ไม่ใช่เฉพาะข้อความ คงช่วงข้อความ/ผู้พูด/เวลาทุกรายการที่มีและตัวตนงาน/แอสเซ็ตจริงไว้

##### เมื่อต้องตรวจสอบการตอบกลับต้นฉบับ

เก็บ operation\_id/X-Client-Request-ID เดิมไว้เพื่อกระทบยอดโดยไม่ส่งคำขอซ้ำ ไม่มีเส้นทางเฉพาะสำหรับตรวจสอบสถานะงานเสียงเป็นระยะ

ฟิลด์การตอบกลับ

| ฟิลด์ | ประเภท |
| --- | --- |
| ฟิลด์`text` | ประเภทstring |
| ฟิลด์`segments[]` | ประเภทobject |
| ฟิลด์`task_id` | ประเภทstring |
| ฟิลด์`asset_url` | ประเภทstring |
| ฟิลด์`usage` | ประเภทobject |

ข้อผิดพลาดและขั้นตอนถัดไป

| การตอบกลับ | เงื่อนไข | ขั้นตอนถัดไป |
| --- | --- | --- |
| การตอบกลับ400 · `invalid_request_error` | เงื่อนไขฟิลด์จำเป็น รูปแบบการแทนข้อมูล หรือค่าพารามิเตอร์ไม่ถูกต้อง | ขั้นตอนถัดไปแก้ฟิลด์ที่ระบุก่อนส่งคำขอสร้างครั้งใหม่ |
| การตอบกลับ`server_error` | เงื่อนไขการตอบกลับที่ได้รับระบุว่าต้องตรวจสอบการดำเนินการหรือผลลัพธ์ | ขั้นตอนถัดไปเก็บ ID การดำเนินการ/งานที่ส่งกลับมาแต่เดิม ส่วนหัวของคำขอ และการตอบกลับไว้ แล้วอ่านข้อมูลการดำเนินการเดิมนั้นต่อด้วยวิธีที่รองรับ ห้ามส่งคำขอสร้างซ้ำ |

### ชื่ออื่น

#### ชื่ออื่นของโมเดล

**Ailoot** [`qwen-audio-3.0-asr-flash`](https://ailoot.ai/models/th/#m=qwen-audio-3.0-asr-flash&route=Core&caller=qwen-audio-3.0-asr-flash&fmt=transcriptions), [`qwen-asr`](https://ailoot.ai/models/th/#m=qwen-audio-3.0-asr-flash&route=Core&caller=qwen-asr&fmt=transcriptions), [`qwen-asr-latest`](https://ailoot.ai/models/th/#m=qwen-audio-3.0-asr-flash&route=Core&caller=qwen-asr-latest&fmt=transcriptions)

#### ชื่อพาธเมธอดอื่น

ใช้พาธเมธอดที่แสดงด้านบน

#### ID ที่เกี่ยวข้องสำหรับเรียกใช้โมเดล

[`qwen-audio-3.0-asr-flash`](https://ailoot.ai/models/th/#m=qwen-audio-3.0-asr-flash&route=Core&caller=qwen-audio-3.0-asr-flash&fmt=transcriptions), [`qwen-asr`](https://ailoot.ai/models/th/#m=qwen-audio-3.0-asr-flash&route=Core&caller=qwen-asr&fmt=transcriptions), [`qwen-asr-latest`](https://ailoot.ai/models/th/#m=qwen-audio-3.0-asr-flash&route=Core&caller=qwen-asr-latest&fmt=transcriptions)

FAQ · qwen-audio-3.0-asr-flash

มีอินพุตและผลลัพธ์ใดบ้าง?

`POST /v1/audio/transcriptions` · `qwen-audio-3.0-asr-flash`: `audio` → `text` `POST /v1/audio/transcriptions` · `qwen-asr`: `audio` → `text` `POST /v1/audio/transcriptions` · `qwen-asr-latest`: `audio` → `text`

คำขอใช้ฟิลด์ใดบ้าง?

`POST /v1/audio/transcriptions` · `qwen-audio-3.0-asr-flash`: `model`, `file`, `response_format` `POST /v1/audio/transcriptions` · `qwen-asr`: `model`, `file`, `response_format` `POST /v1/audio/transcriptions` · `qwen-asr-latest`: `model`, `file`, `response_format`

เชื่อม Ailoot กับ Claude Code, OpenCode, Hermes หรือแอปของคุณ

## บริษัทและพอร์ตโฟลิโอโครงการของบริษัท

บริษัทและพอร์ตโฟลิโอโครงการของบริษัท: ลูกค้าหลายล้านราย; ยอดขายระดับหลายพันล้านต่อเดือน.

## ซื้อโทเคนพร้อมส่วนลด

ส่วนลดสมาชิกสำหรับงานประจำ โค้ดโปรโมชั่นลดซื้อโทเคนสูงสุด 50%

สมาชิก

เลือกแพ็กเกจมีส่วนลดสำหรับคำขอประจำ

โค้ดลดสูงสุด 50%

ใส่โค้ดขณะซื้อ ราคาคำนวณใหม่ตามโปรโมชั่นที่ใช้

รายจ่ายในประวัติ

เก็บโมเดล โทเคน และยอดสำหรับทุกคำขอ

[เลือกสมาชิก](https://ailoot.ai/docs/th/billing/subscriptions/) · [ดูราคาโมเดล](https://ailoot.ai/models/th/)

## เชื่อม API กับผลิตภัณฑ์ ที่คุณขาย

SaaS แอป และบอต ตามข้อเสนอและสัญญาอนุญาต Ailoot หากขายต่อให้ขอใบอนุญาตรีเซลเลอร์

แอปเชิงพาณิชย์

ใส่การสร้างข้อความ ภาพ วิดีโอ และเสียงในฟีเจอร์เสียเงินของบริการคุณ

ใบอนุญาตรีเซลเลอร์

ส่งคำอธิบายโครงการและรูปแบบการเข้าถึง ขอเงื่อนไขใช้และขายต่อเป็นลายลักษณ์อักษร

เอกสารบนเว็บไซต์

อ่านข้อเสนอ สัญญาอนุญาต และนโยบายประมวลผลข้อมูลก่อนเชื่อมได้

[ขอใบอนุญาตขายต่อ](mailto:support@ailoot.ai) · [ข้อเสนอและสัญญาอนุญาต](https://ailoot.ai/legal/offer?lang=th)

## Ailoot · บริษัทและพอร์ตโฟลิโอโครงการของบริษัท





Ailoot อาศัยประสบการณ์การดำเนินงานที่สั่งสม ฐานลูกค้าขนาดใหญ่ บริการที่เสถียร และการติดตาม KPI อย่างต่อเนื่อง





บริษัทและพอร์ตโฟลิโอโครงการของบริษัท: ลูกค้าหลายล้านราย; ยอดขายระดับหลายพันล้านต่อเดือน.





Ailoot นำประสบการณ์การดำเนินงานนี้มาใช้เพื่อให้เข้าถึงฟังก์ชัน AI ผ่าน API ในผลิตภัณฑ์ของลูกค้า เอเจนต์ แอปพลิเคชัน และระบบอัตโนมัติ