Qwen: Qwen3 ASR 1.7B

Qwen3-ASR-1.7B nutq va qo‘shiq aytishni matnga aylantirib, tilni aniqlaydi. Qwen 30 til, 22 xitoy lahjasi va oflayn yoki oqimli tanishni hujjatlashtiradi; so‘z darajasidagi vaqt belgilash alohida Qwen3-ForcedAligner jarayonidan foydalanadi.

Ailoot Ultra · Transkripsiya POST /v1/audio/transcriptions qwen/qwen3-asr-1.7b

Model haqida

Bu tavsif model imkoniyatlarini yoritadi. Ailoot da tanlangan usul uchun mavjud kirish, chiqish va parametrlar quyida keltirilgan.

Qwen3-ASR-1.7B — Qwen3-ASR oilasidagi Qwen’ning kattaroq nutq tanish modeli. U audio qabul qilib, tanilgan matnni til yorlig‘i bilan birga qaytaradi. Oila Qwen3-Omni’ning audioni tushunish asosiga tayanadi va oflayn hamda oqimli tanish uchun bitta ASR modelidan foydalanadi. 1.7B versiyasi tanish sifatiga, alohida nomlangan 0.6B versiyasi esa samaradorlikka urg‘u beradi. Hujjatlashtirilgan til qamrovi va tanish jarayonlari umumiy bo‘lsa-da, bu versiyalar alohida tanlov bo‘lib qoladi.

Tilni aniqlash va audio qamrovi

Ishlab chiqaruvchi 30 til va 22 xitoy lahjasini, shuningdek, bir nechta hududning ingliz aksentlarini sanaydi. Til ro‘yxatiga xitoy, ingliz, kanton, arab, nemis, fransuz, ispan, portugal, indonez, italyan, koreys, rus, tay, vetnam, yapon, turk, hindiy, malay, niderland, shved, daniya, fin, polyak, chex, filipin, fors, yunon, venger, makedon va rumin tillari kiradi. Qo‘llab-quvvatlanadigan audio turlari nutq, kuylash ovozi va fon musiqasi bor qo‘shiqlarni o‘z ichiga oladi. Bu qobiliyatlar qiyin parchalarni tekshirish uchun asl audio saqlangan holda suhbatlar, ma’ruzalar, ovoz yozuvlari va qo‘shiq matni ko‘rib chiqishida transkriptni foydali qiladi.

Audioni tayyorlash va transkript olish

Ishlab chiqaruvchi vositalari audiofayl havolasi, kodlangan audio yoki namunalash chastotasi bilan berilgan to‘lqin shaklini qabul qiladi, oflayn jarayoni esa yozuvlar to‘plamini qayta ishlashi mumkin. U tilni avtomatik aniqlaydi yoki belgilangan qo‘llab-quvvatlanuvchi tildan foydalanadi. Noma’lum yozuv uchun avtomatik aniqlashni tanlang; til ma’lum va vazifaga tegishli bo‘lsa, haqiqatan gapirilgan tilni bering. Misol natijasi aniqlangan yoki tanlangan til va tanilgan matnni chiqaradi. Til sozlamasi mazmunni boshqa tilda qayta yozish so‘rovini belgilamay, yozuvni tanishga yo‘l ko‘rsatadi.

Suhbat uchun yozuvni sanasi, mavzusi va manba identifikatori bilan bog‘liq saqlab, qaytgan matnni qidiriladigan transkript sifatida ishlating. Ma’ruzada ko‘rib chiqish paytida noaniq so‘zlarni ishonarli izohga jim almashtirmay, texnik atamalar va sonli ifodalarni saqlang. Qo‘shiqda vokalni tinglab tanilgan matnni tekshiring, ayniqsa musiqa bo‘g‘inni yashiradigan joylarda. Matni audioga nisbatan tekshirilgach, transkript alohida umumlashtirish, tarjima yoki tahrir bosqichiga kirish bo‘lishi mumkin.

Oqimli tanish va uning doirasi

Ayni ASR oilasi audio kelayotganda tanishni qo‘llab-quvvatlaydi. Ishlab chiqaruvchining oqimli misoli saqlangan tanish holatiga ketma-ket audio qismlarini beradi, oraliq matnni ko‘rsatadi, so‘ng yakuniy til va transkriptni olish uchun oqimni tugatadi. Jonli subtitr yoki davom etayotgan transkriptni tayyorlashda joriy bosqichma-bosqich matnni tugallangan natijadan ajrating. Hujjatlashtirilgan oqimli amalga oshirish oqimni paketli inferens bilan birlashtirmaydi va vaqt belgilarini qaytarmaydi; vaqtli transkript boshqa jarayondan foydalanadi. Bular ilovaning transporti yoki jonli subtitr interfeysi haqidagi va’da emas, ishlab chiqaruvchi amalga oshirish tafsilotlaridir.

Alohida tekislovchi bilan so‘z yoki belgi vaqtini aniqlash

Qwen3-ForcedAligner-0.6B audioyozuvni berilgan matn bilan tekislab, so‘z yoki belgi darajasidagi boshlanish va tugash vaqtlarini taxmin qiladi. U Qwen3-ASR’ning ikkala versiyasidan ham alohida modeldir. ASR vositalari oflayn transkripsiya jarayonida vaqt belgilari so‘ralganda shu tekislovchidan foydalanishi yoki tekislash mavjud matn–audio juftida bajarilishi mumkin. Tekislovchining hujjatlashtirilgan qamrovi 11 til: xitoy, ingliz, kanton, fransuz, nemis, italyan, yapon, koreys, portugal, rus va ispan. Ko‘rsatilgan nutq oralig‘i besh daqiqagacha; bu ASR transkripsiyasi uchun besh daqiqali chegara emas, tekislovchining doirasidir.

Subtitr tayyorlashda avval transkriptni oling va ko‘rib chiqing, keyin tegishli tekislash jarayoni mos keladigan joyda uni manba yozuviga tekislang. Qaytgan boshlanish va tugash vaqtlaridan subtitr segmentlarini tayyorlashda foydalaning va tinglab chegaralarini tekshiring. Tekislash berilgan so‘zlarni audio bilan bog‘laydi; uni noto‘g‘ri transkript tuzatilganining isboti deb bilmaslik kerak. Foydali artefakt — o‘zi tasvirlagan yozuvga bog‘liqligini saqlaydigan vaqt ma’lumoti bor tekshirilgan transkript.

Uzun yozuvlar va amaliy cheklovlar

Oila uzun audioni transkripsiya qilishni qo‘llab-quvvatlaydi, rasmiy misollar esa uzunroq kirish uchun ko‘proq yaratiladigan matnga ruxsat berishni ko‘rsatadi. Namunaviy token sozlamalari umumiy model konteksti yoki audio davomiyligi chegarasi emas, konfiguratsiya tanlovidir. Chiqish hajmini yozuvga qarab rejalang va oxirgi qismi borligini tekshiring. Nomlar, miqdorlar, til almashishi, yopilgan so‘zlar va ustma-ust nutqni asl tovushga nisbatan ko‘rib chiqing. Til qamrovi va murakkab audioga chidamlilik har aksent, yozuv yoki musiqa aranjirovkasida xatosiz transkriptni kafolatlamaydi. To‘liq natija tanilgan matn, uning tili va audio bilan bog‘liqligini saqlaydi, shunda uni qidirish, tahrirlash yoki keyingi kontent jarayonida ishlatish mumkin.

Ailoot Ultra · Transkripsiya POST /v1/audio/transcriptions qwen/qwen3-asr-1.7b

qwen/qwen3-asr-1.7b

Alibaba /qwen/qwen3-asr-1.7b

Boshlash

Qabul qilinadigan kirish ma’lumotlari: Audio
Natijalar: Matn

Ailoot da mavjud · kirish ma’lumotlari va usullar

Ailoot Ultra · Transkripsiya POST /v1/audio/transcriptions

Kirish: audio
Chiqish: text

Maydon	Tur	Talab	Qiymatlar va cheklovlar	Standart
Maydon`model`	Tur`string`	TalabMajburiy	Qiymatlar va cheklovlar qwen/qwen3-asr-1.7b	Standart—
Maydon`input_audio`	Tur`object`	TalabMajburiy	Qiymatlar va cheklovlar	Standart—
Maydon`language`	Tur`string`	TalabIxtiyoriy	Qiymatlar va cheklovlar	Standart—
Maydon`temperature`	Tur`number`	TalabIxtiyoriy	Qiymatlar va cheklovlar Eng kam: 0 Eng ko‘p: 1	Standart—
Maydon`response_format`	Tur`string`	TalabIxtiyoriy	Qiymatlar va cheklovlar json, verbose_json	Standartjson
Maydon`timestamp_granularities`	Tur`array`	TalabIxtiyoriy	Qiymatlar va cheklovlar	Standart—
Maydon`provider`	Tur`object`	TalabIxtiyoriy	Qiymatlar va cheklovlar	Standart—

Usul parametrlari va hayot sikli

Parametr	Parametr talablari
Parametr`content_type`	Parametr talablariapplication/json
Parametr`required`	Parametr talablarimodel, input_audio
Parametr`material_types`	Parametr talablariaudio
Parametr`material_conditions`	Parametr talablariHaqiqiy WAV faylini o‘qing va e’lon qilingan JSON input_audio uchun uning haqiqiy baytlarini kodlang; faqat JSON uchun berilgan aynan shu deklaratsiyada multipart yo‘nalishi taklif qilinmaydi.

Hayot sikli: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · Amalda qaytarilgan task_id yoki media kutubxonasidagi yozuv

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Tariflar

Yakuniy to‘lov qanday hisoblanadi

Ko‘rsatilgan tariflar xarajatni generatsiyadan oldin taxminiy hisoblash uchun xizmat qiladi. Yakuniy to‘lov dastlabki generatsiya uchun qayd etilgan xarajat asosida hisoblanadi. Natijaning o‘lchangan davomiyligi va oldindan taxmin qilingan miqdorlar haq undiriladigan yakuniy miqdor hisoblanmaydi.

Tarif ma’lumotlari so‘rov imkoniyatlarini qo‘shmaydi. Qo‘llab-quvvatlanadigan parametrlar tanlangan usulda ko‘rsatilgan.

Tezkor rejim: Ko‘rsatilmagan Tezkor rejim tanlanganda
Flex rejimi: Ko‘rsatilmagan flex rejimi tanlanganda
Maksimal fikrlash darajasi: Ko‘rsatilmagan Maksimal fikrlash darajasi uchun standart (default) tuzatish qo‘llanganda

Taqqoslash uchun taxminiy tariflar

Sozlamalar bo‘yicha narxlar

Har bir to‘lovni ko‘rsatilgan shartlarga moslang. Har bir muqobil sozlamalar to‘plami uchun bitta tarifdan foydalaning.

Sozlama	Tariflar jadvali	Prognoz miqdori	Hisob birligi	To‘lov
SozlamaTokenlar uchun bazaviy tariflar	Tariflar jadvaliAsosiy tarif	Prognoz miqdori—	Hisob birligi—	To‘lov Kirish · Kirish tokenlari · Faqat taqqoslash uchun taxmin — / 1K token Chiqish · Chiqish tokenlari · Faqat taqqoslash uchun taxmin — / 1K token Kirish · Keshdan o‘qish · Faqat taqqoslash uchun taxmin — / 1K token Kirish · Keshga yozish · Faqat taqqoslash uchun taxmin — / 1K token Kirish · Keshga yozish, 1 soat · Faqat taqqoslash uchun taxmin — / 1K token
SozlamaKirish audiosi soniyasi	Tariflar jadvali—	Prognoz miqdori—	Hisob birligikirish audiosining soniyasi uchun	To‘lov Kirish · Kirish audiosi soniyasi · Faqat taqqoslash uchun taxmin $0.000015 kirish audiosining soniyasi uchun
SozlamaYaratishning taxminiy qiymati	Tariflar jadvali—	Prognoz miqdoribir generatsiya uchun taxmin	Hisob birligi—	To‘lov Chiqish · Yaratishning taxminiy narxi · Faqat taqqoslash uchun taxmin $0.000015 yaratishdan oldingi taxmin Bu taxmin qo‘shimcha to‘lov ham, tugallangan generatsiya uchun qat’iy tarif ham emas.

Ailoot so‘rovdan oldin taxminiy summani band qiladi. Natijadan keyin o‘lchangan sarf asosidagi yakuniy to‘lovni yechadi. Oqimli javob bo‘yicha yakuniy hisob-kitob yakuniy sarf yozuviga asoslanadi. Summani band qilish va to‘lovni hisoblash tartibi →

So‘rov namunalari

Ailoot Ultra · Transkripsiya

curl · Asl API formatiga aynan mos so‘rov tanasi va to‘liq natija

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_AUDIO_FILE:?Set the path to your actual WAV recording}"
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
import base64
audio=Path(os.environ['AILOOT_AUDIO_FILE']).read_bytes()
if not (audio[:4]==b'RIFF' and audio[8:12]==b'WAVE'): raise SystemExit('Supply an actual WAV audio file')
if len(audio)>26214400: raise SystemExit('Use a documented supported large-file flow')
request={'model': 'qwen/qwen3-asr-1.7b', 'input_audio': {'data': '${BASE64_ACTUAL_WAV_BYTES}', 'format': 'wav'}}
request['input_audio']['data']=base64.b64encode(audio).decode('ascii')
Path('request.json').write_text(json.dumps(request,ensure_ascii=False),encoding='utf-8')
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/transcriptions \
  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o response.bin
# Keep the complete original response and headers. Read every returned segment, word and usage field.
# Preserve actual operation/task/asset IDs; continue reads of the original result without resubmitting.

Natijalarni olish va saqlash

Ailoot Ultra · Transkripsiya

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

Boshqa kontentni o‘qish

O‘zingizga tegishli mavjud materiallarni o‘qish

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \
  -H "Authorization: Bearer $AILOOT_API_KEY" -o owned-assets.json
# Preserve every returned asset and follow its exact signed content URL. Do not construct a signed token.

Barcha tayyor natijalarni saqlash

Qaytarilgan har bir to‘liq javob, fayl va kontent qismini saqlang.

To‘liq javob va sarlavhalarni, amalda qaytarilgan barcha natijalarni, dastlab qaytarilgan identifikatorlarni hamda barcha usage maydonlarini saqlang. Yaratish so‘rovini qayta yubormasdan dastlabki operatsiyani tiklang.

Asl javobni tekshirish kerak bo‘lsa

Qaytarilgan X-Client-Request-ID ni ma’lumotlarni solishtirib tekshirish uchun saqlang. Faqat amalda qaytarilgan task_id/asset_id qiymatlari bo‘yicha yoki o‘zingizga tegishli media kutubxonasidan ma’lumot o‘qing; operatsiya ID sidan vazifa URL manzilini hech qachon tuzmang va yaratish so‘rovini qayta yubormang.

Javob maydonlari

Maydon	Tur
Maydon`text`	Tur
Maydon`usage`	Tur
Maydon`segments[]`	Tur
Maydon`words[]`	Tur
Maydon`speaker fields`	Tur
Maydon`timestamps`	Tur

Taxalluslar

Model taxalluslari

Ailoot Ultra qwen/qwen3-asr-1.7b

Usul yo‘llari taxalluslari

Yuqorida ko‘rsatilgan usul yo‘llaridan foydalaning.

Chaqirish uchun tegishli ID lar

qwen/qwen3-asr-1.7b

FAQ · Qwen: Qwen3 ASR 1.7B

Qanday kirish ma’lumotlari va natijalar mavjud?: POST /v1/audio/transcriptions · qwen/qwen3-asr-1.7b: audio → text
So‘rov qaysi maydonlardan foydalanadi?: POST /v1/audio/transcriptions · qwen/qwen3-asr-1.7b: model, input_audio, language, temperature, response_format, timestamp_granularities, provider
Qanday cheklovlar amal qiladi?: POST /v1/audio/transcriptions · qwen/qwen3-asr-1.7b: temperature.minimum: 0; temperature.maximum: 1

Qwen: Qwen3 ASR 1.7B