qwen-audio-3.0-asr-flash
Mô hình nhận dạng giọng nói chuyển âm thanh thành văn bản dễ đọc, có dấu câu và chuẩn hóa số. Hỗ trợ tiếng Nga cùng các ngôn ngữ khác, cũng như các phương ngữ tiếng Trung.
- Ailoot · Chuyển giọng nói thành văn bản
POST /v1/audio/transcriptionsqwen-audio-3.0-asr-flash - Ailoot · Chuyển giọng nói thành văn bản
POST /v1/audio/transcriptionsqwen-asr - Ailoot · Chuyển giọng nói thành văn bản
POST /v1/audio/transcriptionsqwen-asr-latest
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.
Qwen-Audio-3.0-ASR-Flash được thiết kế để chuyển bản ghi giọng nói thành văn bản. Alibaba nhấn mạnh khả năng nhận dạng đa ngôn ngữ và xử lý lời nói giàu biểu cảm, bao gồm nhịp điệu thơ, tiếng Hán cổ điển và lối kể chuyện mang yếu tố văn hóa. Đầu vào là âm thanh, kết quả là bản chép lời.
Chuyển lời nói sang dạng viết
Mô hình thêm dấu câu và đưa các số, ngày tháng, số tiền được đọc thành dạng viết thông dụng. Điều này hữu ích cho tin nhắn thoại, đoạn phỏng vấn và lời nói trong học tập, khi cần văn bản dễ đọc thay vì chỉ một chuỗi từ đã nhận dạng.
Mô hình hỗ trợ 30 ngôn ngữ, gồm tiếng Nga, Anh, Pháp, Đức, Nhật và Ả Rập. Ngoài ra, mô hình còn xét đến bảy hệ phương ngữ tiếng Trung chính và hơn 20 biến thể phát âm theo vùng. Phạm vi này nhằm nhận dạng các đặc điểm ngôn ngữ và giọng nói khác nhau.
Đối với thuật ngữ chuyên ngành, có thể cung cấp ngữ cảnh của tác vụ và các từ gợi ý. Chúng giúp định hướng việc nhận dạng tên riêng và từ vựng chuyên môn. Dấu thời gian luôn được bật ở phiên bản này: có thể liên kết kết quả với các đoạn tương ứng trong bản ghi. Bản chép lời của tệp ngắn có thể được trả về toàn bộ hoặc dần trong quá trình xử lý.
Tư liệu và giới hạn
Thời lượng bản ghi tối đa là năm phút. Mỗi tác vụ sử dụng một tệp. Các định dạng được hỗ trợ gồm AAC, AMR, AVI, FLAC, FLV, M4A, MKV, MOV, MP3, MP4, MPEG, OGG, OPUS, WAV, WEBM, WMA và WMV; chấp nhận mọi tần số lấy mẫu. Các định dạng chứa video trong danh sách dùng để trích xuất lời nói từ phần âm thanh, không phải để phân tích hình ảnh của các khung hình.
Qwen-Audio-3.0-ASR-Flash không có tính năng phân biệt người nói hoặc nhận dạng cảm xúc. Kết quả chính là văn bản và mối liên hệ giữa nội dung được nhận dạng với thời điểm trong bản ghi. Khả năng xử lý bản ghi dài hơn và các cách phân tích âm thanh khác được công bố cho những mô hình lân cận không áp dụng cho phiên bản này.
Ailoot · Chuyển giọng nói thành văn bản POST /v1/audio/transcriptions qwen-audio-3.0-asr-flash
qwen-audio-3.0-asr-flashqwen-audio-3.0-asr-flashqwen-asrqwen-asr-latest
Bắt đầu
Mô hình nhận dạng giọng nói chuyển âm thanh thành văn bản dễ đọc, có dấu câu và chuẩn hóa số. Hỗ trợ tiếng Nga cùng các ngôn ngữ khác, cũng như các phương ngữ tiếng Trung.
- 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 |
|---|---|---|---|---|
Trườngmodel | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn qwen-audio-3.0-asr-flash | Mặc định— |
Trườngfile | Loạifile | Yêu cầuBắt buộc | Giá trị & giới hạn Số byte tối đa: 10.485.760 Định dạng tệp: wav, mp3, m4a, ogg, webm, flac Loại nội dung: multipart/form-data Thời lượng tối đa, giây: 300 | Mặc định— |
Trườngresponse_format | Loạistring | 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 sốmaterial_types | Hợp đồngaudio |
Tham sốrequired | Hợp đồngnull |
Tham sốoptional_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
POST /v1/audio/transcriptions- Đầu vào
- 0,0021 US$ mỗi phút 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
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
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}/contentGET /v1/media/assetsGET /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 |
|---|---|
Trườngtext | Loạistring |
Trườngsegments[] | Loạiobject |
Trườngtask_id | Loạistring |
Trườngasset_url | Loạistring |
Trườngusage | 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 hồiserver_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 qwen-audio-3.0-asr-flash, qwen-asr, qwen-asr-latest
Bí danh đường dẫn phương thức
Dùng các đường dẫn phương thức hiển thị ở trên.
ID gọi liên quan
Ailoot · Chuyển giọng nói thành văn bản POST /v1/audio/transcriptions qwen-asr
qwen-asrqwen-audio-3.0-asr-flashqwen-asrqwen-asr-latest
Bắt đầu
Mô hình nhận dạng giọng nói chuyển âm thanh thành văn bản dễ đọc, có dấu câu và chuẩn hóa số. Hỗ trợ tiếng Nga cùng các ngôn ngữ khác, cũng như các phương ngữ tiếng Trung.
- 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 |
|---|---|---|---|---|
Trườngmodel | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn qwen-asr | Mặc định— |
Trườngfile | Loạifile | Yêu cầuBắt buộc | Giá trị & giới hạn Số byte tối đa: 10.485.760 Định dạng tệp: wav, mp3, m4a, ogg, webm, flac Loại nội dung: multipart/form-data Thời lượng tối đa, giây: 300 | Mặc định— |
Trườngresponse_format | Loạistring | 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 sốmaterial_types | Hợp đồngaudio |
Tham sốrequired | Hợp đồngnull |
Tham sốoptional_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
POST /v1/audio/transcriptions- Đầu vào
- 0,0021 US$ mỗi phút 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
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
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}/contentGET /v1/media/assetsGET /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 |
|---|---|
Trườngtext | Loạistring |
Trườngsegments[] | Loạiobject |
Trườngtask_id | Loạistring |
Trườngasset_url | Loạistring |
Trườngusage | 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 hồiserver_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 qwen-audio-3.0-asr-flash, qwen-asr, qwen-asr-latest
Bí danh đường dẫn phương thức
Dùng các đường dẫn phương thức hiển thị ở trên.
ID gọi liên quan
Ailoot · Chuyển giọng nói thành văn bản POST /v1/audio/transcriptions qwen-asr-latest
qwen-asr-latestqwen-audio-3.0-asr-flashqwen-asrqwen-asr-latest
Bắt đầu
Mô hình nhận dạng giọng nói chuyển âm thanh thành văn bản dễ đọc, có dấu câu và chuẩn hóa số. Hỗ trợ tiếng Nga cùng các ngôn ngữ khác, cũng như các phương ngữ tiếng Trung.
- 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 |
|---|---|---|---|---|
Trườngmodel | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn qwen-asr-latest | Mặc định— |
Trườngfile | Loạifile | Yêu cầuBắt buộc | Giá trị & giới hạn Số byte tối đa: 10.485.760 Định dạng tệp: wav, mp3, m4a, ogg, webm, flac Loại nội dung: multipart/form-data Thời lượng tối đa, giây: 300 | Mặc định— |
Trườngresponse_format | Loạistring | 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 sốmaterial_types | Hợp đồngaudio |
Tham sốrequired | Hợp đồngnull |
Tham sốoptional_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
POST /v1/audio/transcriptions- Đầu vào
- 0,0021 US$ mỗi phút 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
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
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}/contentGET /v1/media/assetsGET /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 |
|---|---|
Trườngtext | Loạistring |
Trườngsegments[] | Loạiobject |
Trườngtask_id | Loạistring |
Trườngasset_url | Loạistring |
Trườngusage | 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 hồiserver_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 qwen-audio-3.0-asr-flash, qwen-asr, qwen-asr-latest
Bí danh đường dẫn phương thức
Dùng các đường dẫn phương thức hiển thị ở trên.
ID gọi liên quan
FAQ · qwen-audio-3.0-asr-flash
- Có những đầu vào và kết quả nào?
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- Yêu cầu sử dụng những trường nào?
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