mô hình

qwen-audio-3.0-asr-flash

Markdown · JSON

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.

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-flash

Alibaba /qwen-audio-3.0-asr-flash
ID mô hình
  • qwen-audio-3.0-asr-flash
  • qwen-asr
  • qwen-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
TrườngLoạiYêu cầuGiá trị & giới hạnMặc định
TrườngmodelLoạistringYêu cầuBắt buộcGiá trị & giới hạn
qwen-audio-3.0-asr-flash
Mặc định—
TrườngfileLoạifileYêu cầuBắt buộcGiá 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_formatLoạistringYêu cầuKhông bắt buộcGiá 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 sốHợp đồng
Tham sốmaterial_typesHợp đồngaudio
Tham sốrequiredHợp đồngnull
Tham sốoptional_controlsHợp 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
0,0021 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

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 $AILOOT_API_KEY" \
  --form-string model=qwen-audio-3.0-asr-flash -F "file=@$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}/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
TrườngLoại
TrườngtextLoạistring
Trườngsegments[]Loạiobject
Trườngtask_idLoạistring
Trườngasset_urlLoạistring
TrườngusageLoạiobject
Lỗi và bước tiếp theo
Phản hồiĐiều kiệnBước tiếp theo
Phản hồi400 · invalid_request_errorĐiều kiệnTrường bắt buộc, cách biểu diễn tài liệu hoặc giá trị tham số không hợp lệBước tiếp theoSửa các trường được chỉ ra trước khi gửi yêu cầu tạo mới.
Phản hồiserver_errorĐiều kiệnPhản hồi trả về cho biết thao tác hoặc kết quả cần được kiểm traBước 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

qwen-audio-3.0-asr-flash, qwen-asr, qwen-asr-latest

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

qwen-asr

Alibaba /qwen-asr
ID mô hình
  • qwen-audio-3.0-asr-flash
  • qwen-asr
  • qwen-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
TrườngLoạiYêu cầuGiá trị & giới hạnMặc định
TrườngmodelLoạistringYêu cầuBắt buộcGiá trị & giới hạn
qwen-asr
Mặc định—
TrườngfileLoạifileYêu cầuBắt buộcGiá 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_formatLoạistringYêu cầuKhông bắt buộcGiá 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 sốHợp đồng
Tham sốmaterial_typesHợp đồngaudio
Tham sốrequiredHợp đồngnull
Tham sốoptional_controlsHợp 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
0,0021 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

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 $AILOOT_API_KEY" \
  --form-string model=qwen-asr -F "file=@$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}/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
TrườngLoại
TrườngtextLoạistring
Trườngsegments[]Loạiobject
Trườngtask_idLoạistring
Trườngasset_urlLoạistring
TrườngusageLoạiobject
Lỗi và bước tiếp theo
Phản hồiĐiều kiệnBước tiếp theo
Phản hồi400 · invalid_request_errorĐiều kiệnTrường bắt buộc, cách biểu diễn tài liệu hoặc giá trị tham số không hợp lệBước tiếp theoSửa các trường được chỉ ra trước khi gửi yêu cầu tạo mới.
Phản hồiserver_errorĐiều kiệnPhản hồi trả về cho biết thao tác hoặc kết quả cần được kiểm traBước 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

qwen-audio-3.0-asr-flash, qwen-asr, qwen-asr-latest

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

qwen-asr-latest

Alibaba /qwen-asr-latest
ID mô hình
  • qwen-audio-3.0-asr-flash
  • qwen-asr
  • qwen-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
TrườngLoạiYêu cầuGiá trị & giới hạnMặc định
TrườngmodelLoạistringYêu cầuBắt buộcGiá trị & giới hạn
qwen-asr-latest
Mặc định—
TrườngfileLoạifileYêu cầuBắt buộcGiá 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_formatLoạistringYêu cầuKhông bắt buộcGiá 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 sốHợp đồng
Tham sốmaterial_typesHợp đồngaudio
Tham sốrequiredHợp đồngnull
Tham sốoptional_controlsHợp 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
0,0021 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

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 $AILOOT_API_KEY" \
  --form-string model=qwen-asr-latest -F "file=@$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}/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
TrườngLoại
TrườngtextLoạistring
Trườngsegments[]Loạiobject
Trườngtask_idLoạistring
Trườngasset_urlLoạistring
TrườngusageLoạiobject
Lỗi và bước tiếp theo
Phản hồiĐiều kiệnBước tiếp theo
Phản hồi400 · invalid_request_errorĐiều kiệnTrường bắt buộc, cách biểu diễn tài liệu hoặc giá trị tham số không hợp lệBước tiếp theoSửa các trường được chỉ ra trước khi gửi yêu cầu tạo mới.
Phản hồiserver_errorĐiều kiệnPhản hồi trả về cho biết thao tác hoặc kết quả cần được kiểm traBước 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

qwen-audio-3.0-asr-flash, qwen-asr, qwen-asr-latest

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 → text

POST /v1/audio/transcriptions · qwen-asr: audio → text

POST /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_format

POST /v1/audio/transcriptions · qwen-asr: model, file, response_format

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

Xem thêm chi tiết

Kết nối Ailoot với Claude Code, OpenCode, Hermes hoặc ứng dụng của bạn.

Công ty và danh mục dự án của công ty

Công ty và danh mục dự án của công ty: hàng triệu khách hàng; doanh số hàng tỷ mỗi tháng.

Mua token với giá ưu đãi.

Ưu đãi thuê bao cho nhu cầu thường xuyên. Mã khuyến mãi giảm đến 50% khi mua token.

Thuê bao
Chọn gói ưu đãi cho các yêu cầu thường xuyên của bạn.
Mã giảm đến 50%
Nhập mã khi mua. Giá được tính lại theo chương trình đang áp dụng.
Chi phí trong lịch sử
Mô hình, token và số tiền được lưu cho mỗi yêu cầu.

Chọn gói thuê bao · Xem giá mô hình

Kết nối API vào sản phẩm bạn đang bán.

SaaS, ứng dụng và bot — theo đề nghị giao kết chính thức và thỏa thuận cấp phép Ailoot. Muốn bán lại, hãy yêu cầu giấy phép bán lại.

Ứng dụng thương mại
Tích hợp tạo văn bản, ảnh, video và âm thanh vào các tính năng trả phí của dịch vụ.
Giấy phép bán lại
Gửi mô tả dự án và cách cung cấp quyền truy cập. Yêu cầu điều khoản sử dụng và bán lại bằng văn bản.
Tài liệu trên website
Đề nghị giao kết, thỏa thuận cấp phép và chính sách xử lý dữ liệu có sẵn trước khi kết nối.

Yêu cầu giấy phép bán lại · Đề nghị giao kết và thỏa thuận cấp phép