asr-1.0

MiniMax ASR 1.0 chuyển âm thanh thành văn bản, hỗ trợ tiếng Nga, phân biệt lượt lời theo người nói và dấu thời gian.

Ailoot · Chuyển giọng nói thành văn bản POST /v1/audio/transcriptions asr-1.0

Về mô hình

Mô tả này trình bày khả năng của mô hình. Đầu vào, đầu ra và tùy chọn có trên Ailoot được liệt kê bên dưới cho phương thức đã chọn.

Chuyển bản ghi hội thoại thành văn bản

MiniMax ASR 1.0 nhận dạng lời nói trong tệp âm thanh. Nhà sản xuất mô tả ứng dụng cho cuộc họp, phỏng vấn, podcast, phần âm thanh của video, kiểm soát nội dung và phân tích hội thoại. Mô hình được điều chỉnh cho lời nói hội thoại, tiếng ồn và từ vựng chuyên môn, chú trọng giảm các đoạn bịa đặt. Trong thẻ Ailoot này, đầu vào là âm thanh, kết quả là văn bản.

Ngôn ngữ và nhiều người tham gia

Mô hình hỗ trợ tiếng Nga, Ukraine, Anh, Pháp, Đức, Tây Ban Nha, Italy, Bồ Đào Nha và Ba Lan; cùng tiếng Trung, Quảng Đông, Nhật, Hàn, Thái, Việt, Indonesia, Mã Lai, Philippines, Ả Rập và Thổ Nhĩ Kỳ. Nếu không đặt ngôn ngữ, mô hình tự xác định ngôn ngữ chính; nhà sản xuất mô tả riêng việc kết hợp lời nói tiếng Trung và tiếng Anh.

Ở dạng kết quả mở rộng, mô hình có thể phân biệt người nói và gắn lượt lời với thời gian. Kết quả trả về gồm tổng số người tham gia và các đoạn có nhãn người nói, thời điểm bắt đầu, kết thúc và văn bản. Điều này giúp phân tích ai nói một lượt lời cụ thể và nói lúc nào, không trộn lượt lời của những người khác nhau.

Cách biểu diễn kết quả

Nhà sản xuất cung cấp JSON thông thường với văn bản và thời lượng, verbose_json mở rộng, cùng phụ đề SRT và WebVTT. Dấu thời gian mặc định ở cấp câu hoặc đoạn. Dấu từng từ được mô tả cho tiếng Anh, từng ký tự cho tiếng Trung; những dấu này thuộc định dạng có căn chỉnh.

Có thể xuất văn bản dần, nhưng không thể kết hợp với phân biệt người nói và định dạng phụ đề. Chế độ này trả về những đoạn văn bản mới nhận dạng trong quá trình xử lý tệp đã được gửi. Đây là luồng kết quả, không phải gửi âm thanh liên tục từ micro.

Yêu cầu đối với bản ghi

Các định dạng đầu vào được công bố là WAV, AIFF, FLAC, ALAC trong tệp chứa M4A, MP3, AAC, Opus và Ogg. Tệp phải chứa không quá 500 giây âm thanh và có dung lượng không quá 50 MB. Nếu vượt thời lượng, yêu cầu bị từ chối thay vì âm thầm cắt bớt. PCM thô không có tệp chứa không được hỗ trợ.

Để chuẩn bị bản ghi, nhà sản xuất khuyến nghị âm thanh mono 16 kHz hoặc định dạng âm thanh nén: tần số cao và stereo không cần thiết cho nhận dạng, đồng thời làm tăng dung lượng tệp. Các khả năng đầu ra mở rộng và xử lý luồng thuộc ASR 1.0; định dạng câu trả lời sẵn có của từng yêu cầu cụ thể được đặt bằng các công cụ Ailoot.

Ailoot · Chuyển giọng nói thành văn bản POST /v1/audio/transcriptions asr-1.0

asr-1.0

MiniMax /asr-1.0

Bắt đầu

MiniMax ASR 1.0 chuyển âm thanh thành văn bản, hỗ trợ tiếng Nga, phân biệt lượt lời theo người nói và dấu thời gian.

Đầu vào được chấp nhận: Âm thanh
Kết quả: Văn bản

Có trên Ailoot · đầu vào & phương thức

Ailoot · Chuyển giọng nói thành văn bản POST /v1/audio/transcriptions

Đầu vào: audio
Đầu ra: text
Định dạng đầu ra: json

Trường	Loại	Yêu cầu	Giá trị & giới hạn	Mặc định
Trường`model`	Loại`string`	Yêu cầuBắt buộc	Giá trị & giới hạn asr-1.0	Mặc định—
Trường`file`	Loại`file`	Yêu cầuBắt buộc	Giá trị & giới hạn Số byte tối đa: 52.428.800 Định dạng tệp: wav, mp3, m4a, ogg, webm, flac Loại nội dung: multipart/form-data Thời lượng tối đa (không gồm ngưỡng), giây: 500	Mặc định—
Trường`response_format`	Loại`string`	Yêu cầuKhông bắt buộc	Giá trị & giới hạn json	Mặc định—

Tổ hợp tư liệu đầu vào

speech_to_text · Bắt buộc: actual audio file

Tham số phương thức và vòng đời

Tham số	Hợp đồng
Tham số`material_types`	Hợp đồngaudio
Tham số`required`	Hợp đồngnull
Tham số`optional_controls`	Hợp đồngnull

Vòng đời: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · Giá trị task_id thực tế đã trả về hoặc bản ghi trong thư viện nội dung đa phương tiện

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Cấu trúc phương thức và ID là chính xác; khả năng của nhà cung cấp tách biệt với việc cho phép tiếp nhận yêu cầu.

Bảng giá

Mức phí phương thức Ailoot

Ailoot Chuyển giọng nói thành văn bảnPOST /v1/audio/transcriptions

Đầu vào: 0,38 US$ mỗi giờ âm thanh

Ailoot tạm giữ một khoản ước tính trước yêu cầu. Sau khi có kết quả, phí cuối cùng được quyết toán theo mức sử dụng đo được. Việc quyết toán khi truyền luồng dùng bản ghi mức sử dụng cuối cùng. Cách hoạt động của cơ chế tạm giữ và quyết toán →

Ví dụ yêu cầu

Ailoot · Chuyển giọng nói thành văn bản

Ví dụ chép lời

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

Nhận và lưu kết quả

Ailoot · Chuyển giọng nói thành văn bản

json

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

Lưu tất cả kết quả đã hoàn tất

Lưu mọi phản hồi hoàn chỉnh, tệp và phần nội dung được trả về.

Giữ lại toàn bộ JSON, không chỉ văn bản; giữ nguyên mọi đoạn/người nói/dấu thời gian hiện có và mã định danh tác vụ/tài sản thực tế.

Nếu cần kiểm tra phản hồi gốc

Giữ lại operation_id/X-Client-Request-ID gốc để đối soát mà không gửi lại yêu cầu; không có tuyến truy vấn trạng thái riêng cho âm thanh.

Trường phản hồi

Trường	Loại
Trường`text`	Loạistring
Trường`segments[]`	Loạiobject
Trường`task_id`	Loạistring
Trường`asset_url`	Loạistring
Trường`usage`	Loạiobject

Lỗi và bước tiếp theo

Phản hồi	Điều kiện	Bước tiếp theo
Phản hồi400 · `invalid_request_error`	Điều kiệnTrường bắt buộc, cách biểu diễn tài liệu hoặc giá trị tham số không hợp lệ	Bước tiếp theoSửa các trường được chỉ ra trước khi gửi yêu cầu tạo mới.
Phản hồi`server_error`	Điều kiệnPhản hồi trả về cho biết thao tác hoặc kết quả cần được kiểm tra	Bước tiếp theoGiữ lại ID thao tác/tác vụ gốc đã trả về, các header của yêu cầu và toàn bộ phản hồi; tiếp tục truy xuất thao tác gốc đó bằng các phương thức được hỗ trợ. Không gửi lại yêu cầu tạo.

Bí danh

Bí danh mô hình

Ailoot asr-1.0

Bí danh đường dẫn phương thức

Dùng các đường dẫn phương thức hiển thị ở trên.

ID gọi liên quan

asr-1.0

FAQ · asr-1.0

Có những đầu vào và kết quả nào?: POST /v1/audio/transcriptions · asr-1.0: audio → text
Yêu cầu sử dụng những trường nào?: POST /v1/audio/transcriptions · asr-1.0: model, file, response_format

asr-1.0

asr-1.0

Chuyển bản ghi hội thoại thành văn bản

Ngôn ngữ và nhiều người tham gia

Cách biểu diễn kết quả

Yêu cầu đối với bản ghi

Bắt đầu

Có trên Ailoot · đầu vào & phương thức

Bảng giá

Mức phí phương thức Ailoot

Ví dụ yêu cầu

Ailoot · Chuyển giọng nói thành văn bản

Nhận và lưu kết quả

Ailoot · Chuyển giọng nói thành văn bản

Lưu tất cả kết quả đã hoàn tất

Nếu cần kiểm tra phản hồi gốc

Bí danh

Bí danh mô hình

Bí danh đường dẫn phương thức

ID gọi liên quan

Công ty và danh mục dự án của công ty

Mua token với giá ưu đãi.

Kết nối API vào sản phẩm bạn đang bán.