asr-1.0
MiniMax ASR 1.0 可將音訊轉為文字，支援俄文、依說話者區分台詞，以及時間標記。
關於模型
此說明介紹模型的能力。Ailoot 可用的輸入、輸出與選項，依所選方法列於下方。
將對話錄音轉為文字
MiniMax ASR 1.0 辨識音訊檔案中的語音。廠商描述的用途包括會議、訪談、Podcast、影片音軌、內容檢查與對話分析。模型針對口語、雜訊與專業詞彙調整，著重減少虛構片段。這份 Ailoot 模型說明的輸入為音訊，結果為文字。
語言與多位參與者
支援俄文、烏克蘭文、英文、法文、德文、西班牙文、義大利文、葡萄牙文與波蘭文，以及中文、粵語、日文、韓文、泰文、越南文、印尼文、馬來文、菲律賓文、阿拉伯文與土耳其文。若未指定語言，模型會自動判斷主要語言；廠商另描述了中英文混合語音的支援。
在擴充結果格式中，模型可區分說話者，並將台詞與時間連結。結果包含參與者總數，以及帶有說話者標籤、開始時間、結束時間與文字的片段。這有助於判斷誰在何時說了哪句話，不會混合不同參與者的台詞。
結果格式
廠商提供包含文字與時長的一般 JSON、擴充的 verbose_json，以及 SRT 和 WebVTT 字幕。時間標記預設以句子或片段為單位；英文提供逐字標記，中文則描述了逐字元標記。這些標記適用於帶有時間對齊資訊的格式。
模型可逐步輸出文字，但不能同時使用說話者區分或字幕格式。這個模式會在處理已傳入的檔案時，回傳新辨識的文字片段；它是結果串流，而不是持續從麥克風傳送音訊。
錄音要求
公布的輸入格式包括 WAV、AIFF、FLAC、M4A 容器中的 ALAC、MP3、AAC、Opus 與 Ogg。檔案中的音訊不得超過 500 秒，大小不得超過 50 MB。超過時長會被拒絕，不會悄悄截斷。不支援沒有容器的原始 PCM。
準備錄音時，廠商建議使用單聲道 16 kHz 或壓縮音訊格式；語音辨識不需要高取樣率或立體聲，它們反而會增加檔案大小。擴充輸出與串流處理能力屬於 ASR 1.0；具體請求可採用的回覆格式，由 Ailoot 提供的功能決定。
Ailoot · 語音轉文字 POST /v1/audio/transcriptions asr-1.0
asr-1.0入門
MiniMax ASR 1.0 可將音訊轉為文字，支援俄文、依說話者區分台詞，以及時間標記。
- 接受的輸入
- 音訊
- 結果
- 文字
Ailoot 可用 · 輸入與方法
Ailoot · 語音轉文字 POST /v1/audio/transcriptions
- 輸入
audio- 輸出
text- 輸出格式
- json
| 欄位 | 類型 | 要求 | 值與限制 | 預設值 |
|---|---|---|---|---|
欄位model | 類型string | 要求必填 | 值與限制 asr-1.0 | 預設值— |
欄位file | 類型file | 要求必填 | 值與限制 位元組數上限: 52,428,800 檔案格式: wav, mp3, m4a, ogg, webm, flac 內容類型: multipart/form-data 時長上限（不含上限值，秒）: 500 | 預設值— |
欄位response_format | 類型string | 要求選填 | 值與限制 json | 預設值— |
輸入素材組合
speech_to_text · 必填： actual audio file
方法參數與生命週期
| 參數 | 規格 |
|---|---|
參數material_types | 規格audio |
參數required | 規格null |
參數optional_controls | 規格null |
生命週期： synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · 實際回傳的 task_id 或媒體庫紀錄
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
方法結構與 ID 均為精確值；供應商能力與准入狀態分開。
方案
Ailoot 方法費率
POST /v1/audio/transcriptions- 輸入
- US$0.38 每小時音訊
Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。預留金額與結算的運作方式 →
請求範例
Ailoot · 語音轉文字
set -eu
: "${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
接收並儲存結果
Ailoot · 語音轉文字
json
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
保留所有已完成的結果
請保留所有完整傳回的回應、檔案與內容區塊。
請保留完整 JSON，而非僅保留文字；所有可用的片段／說話者／時間戳記與實際工作／資產身分均須保留。
需要檢查原始回應時
保留原始 operation_id/X-Client-Request-ID 以供核對，請勿重新提交；沒有專用的音訊輪詢路由。
回應欄位
| 欄位 | 類型 |
|---|---|
欄位text | 類型string |
欄位segments[] | 類型object |
欄位task_id | 類型string |
欄位asset_url | 類型string |
欄位usage | 類型object |
錯誤與後續步驟
| 回應 | 條件 | 下一步 |
|---|---|---|
回應400 · invalid_request_error | 條件必要欄位、素材表示方式或參數值無效 | 下一步提出新的建立請求前，先修正指定欄位。 |
回應server_error | 條件回傳的回應表示該作業或結果需要檢查 | 下一步保留原始回傳的作業／任務 ID、請求標頭與回應；繼續以支援的方式讀取該原始作業。請勿重新提交建立請求。 |
別名
模型別名
Ailoot asr-1.0
方法路徑別名
請使用上方列出的 API 方法路徑。
相關呼叫用 ID
FAQ · asr-1.0
- 可以使用哪些輸入與結果？
POST /v1/audio/transcriptions·asr-1.0:audio→text- 請求使用哪些欄位？
POST /v1/audio/transcriptions·asr-1.0:model,file,response_format