qwen-audio-3.0-asr-flash
將音訊轉成易讀文字的語音辨識模型，會加入標點並將數字正規化。支援俄語及其他語言，也支援漢語方言。
- Ailoot · 語音轉文字
POST /v1/audio/transcriptionsqwen-audio-3.0-asr-flash - Ailoot · 語音轉文字
POST /v1/audio/transcriptionsqwen-asr - Ailoot · 語音轉文字
POST /v1/audio/transcriptionsqwen-asr-latest
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。
Qwen-Audio-3.0-ASR-Flash 用於將語音錄音轉成文字。Alibaba 著重多語言辨識及富有表現力的語音，包括詩歌節奏、文言文與文化敘事。輸入為音訊，結果為轉錄文字。
將語音寫成文字
模型會加入標點，並將口述數字、日期及金額轉成通用的書寫形式。適合語音訊息、訪談片段及教學語音，這些用途需要易讀文字，而不只是辨識出的詞語序列。
支援 30 種語言，包括俄語、英語、法語、德語、日語及阿拉伯語。另外涵蓋七大漢語方言系統，以及超過 20 種地區發音變體。此範圍用於辨識不同語言與口音的特徵。
針對專門術語，可提供任務背景及提示詞，協助引導人名與領域用語的辨識。此版本的時間戳記始終啟用，可將結果連結到錄音中的對應片段。短檔案的轉錄文字可一次完整回傳，也可隨處理進度逐步回傳。
素材與限制
錄音長度上限為五分鐘。每項任務使用一個檔案。支援 AAC、AMR、AVI、FLAC、FLV、M4A、MKV、MOV、MP3、MP4、MPEG、OGG、OPUS、WAV、WEBM、WMA 及 WMV；可使用任何取樣率。格式清單包含影片容器，是為了從其中的聲音部分擷取語音，不代表會對影格進行視覺分析。
Qwen-Audio-3.0-ASR-Flash 不支援依說話者區分內容或辨識情緒。主要結果是文字，以及辨識內容與錄音時間的對應關係。其他鄰近模型宣稱的較長錄音處理能力及其他音訊分析方式，不適用於此版本。
Ailoot · 語音轉文字 POST /v1/audio/transcriptions qwen-audio-3.0-asr-flash
qwen-audio-3.0-asr-flashqwen-audio-3.0-asr-flashqwen-asrqwen-asr-latest
入門
將音訊轉成易讀文字的語音辨識模型，會加入標點並將數字正規化。支援俄語及其他語言，也支援漢語方言。
- 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 qwen-audio-3.0-asr-flash | 預設值— |
欄位file | 類型file | 要求必填 | 值與限制 位元組數上限: 10,485,760 檔案格式: wav, mp3, m4a, ogg, webm, flac 內容類型: multipart/form-data 時長上限（秒）: 300 | 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$0.0021 每分鐘音訊
Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。預留金額與結算的運作方式 →
請求範例
Ailoot · 語音轉文字
set -eu
: "${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 $AILOOT_API_KEY" \
--form-string model=qwen-audio-3.0-asr-flash -F "file=@$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
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 qwen-audio-3.0-asr-flash, qwen-asr, qwen-asr-latest
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
Ailoot · 語音轉文字 POST /v1/audio/transcriptions qwen-asr
qwen-asrqwen-audio-3.0-asr-flashqwen-asrqwen-asr-latest
入門
將音訊轉成易讀文字的語音辨識模型，會加入標點並將數字正規化。支援俄語及其他語言，也支援漢語方言。
- 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 qwen-asr | 預設值— |
欄位file | 類型file | 要求必填 | 值與限制 位元組數上限: 10,485,760 檔案格式: wav, mp3, m4a, ogg, webm, flac 內容類型: multipart/form-data 時長上限（秒）: 300 | 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$0.0021 每分鐘音訊
Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。預留金額與結算的運作方式 →
請求範例
Ailoot · 語音轉文字
set -eu
: "${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 $AILOOT_API_KEY" \
--form-string model=qwen-asr -F "file=@$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
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 qwen-audio-3.0-asr-flash, qwen-asr, qwen-asr-latest
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
Ailoot · 語音轉文字 POST /v1/audio/transcriptions qwen-asr-latest
qwen-asr-latestqwen-audio-3.0-asr-flashqwen-asrqwen-asr-latest
入門
將音訊轉成易讀文字的語音辨識模型，會加入標點並將數字正規化。支援俄語及其他語言，也支援漢語方言。
- 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 qwen-asr-latest | 預設值— |
欄位file | 類型file | 要求必填 | 值與限制 位元組數上限: 10,485,760 檔案格式: wav, mp3, m4a, ogg, webm, flac 內容類型: multipart/form-data 時長上限（秒）: 300 | 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$0.0021 每分鐘音訊
Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。預留金額與結算的運作方式 →
請求範例
Ailoot · 語音轉文字
set -eu
: "${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 $AILOOT_API_KEY" \
--form-string model=qwen-asr-latest -F "file=@$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
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 qwen-audio-3.0-asr-flash, qwen-asr, qwen-asr-latest
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 · qwen-audio-3.0-asr-flash
- 可以使用哪些輸入與結果？
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- 請求使用哪些欄位？
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