يتوفر كوين أوديو 3.0 ASR وكوين أوديو 3.0 ASR Stream على EmpirioLabs. يقوم ASR بنسخ الصوت المسجل من خلال ما بعد /v1/audio/transcriptions، ويقوم ASR Stream بنسخ الصوت المباشر عبر wss://api.empiriolabs.ai/v1/realtime. كلاهما يتعرف على 30 لغة واللهجات الصينية الرئيسية، وكلاهما يعمل في واجهة برمجة التطبيقات وفي Playground، وكلاهما يسعر لكل ساعة صوتية ويتم الفوترة حسب الثانية.
شاهد فيلم الإطلاق
الطلب في الفيلم هو الموجود على صفحة العارضة نفسها، والموسيقى التصويرية تم إنتاجها بواسطة ACE-Step على EmpirioLabs. شاهدها على يوتيوب.
نسخ تسجيل
curl https://api.empiriolabs.ai/v1/audio/transcriptions \ -H "التفويض: حامل $EMPIRIOLABS_API_KEY" \ -F model=qwen-audio-3-0-asr \ -F file=@interview.mp3جسم JSON مع audio_url أو audio_base64 يعمل بدلا من رفع الملف. يتم قبول المقاطع القصيرة والتسجيلات الطويلة معا. الرد هو عمل؛ استطلاع اذهب /v1/jobs/<job_id> حتى الحالة هي اكتمل، ثم اقرأ النص من result.text والجمل المحددة بالوقت من النتائج.مقاطع. يتم اكتشاف اللغة تلقائيا.
النسخ المباشر عبر WebSocket
wss://api.empiriolabs.ai/v1/realtime?model=qwen-audio-3-0-asr-stream التفويض: حامل YOUR_EMPIRIOLABS_API_KEYمباشرة بعد ذلك session.created، قبل أول تسجيل صوتي، أرسل أي إعدادات تحتاجها الجلسة:
{"type": "session.update", "session": { "input_audio_transcription": {"language": "en", "prompt": "المتحدثون: الدكتور أوكافور، بريا رامان. المصطلحات: تجميل الأوعية، دعامة."}, "turn_detection": {"silence_duration_ms": 600} }}ثم قم ببث صوت PCM أحادي 16 كيلوهرتز 16 بت ك base64 بوصة input_audio_buffer.append الأحداث. لا يوجد التزام للإرسال: ينهي النموذج كل جملة عند التوقف الذي يليها. conversation.item.input_audio_transcription.delta تحمل الجملة حتى الآن أثناء حديث المتحدث، و conversation.item.input_audio_transcription.completed الحكم المحسوم.
- المحفز.
input_audio_transcription.promptيأخذ ما يصل إلى 400 حرف من الأسماء والمصطلحات التي يستخدمها المتحدث، مكتوبة تماما كما يجب أن تظهر. - توقفات.
turn_detection.silence_duration_ms(200 إلى 6000، الافتراضي 800) يحدد مدة انتهاء الجملة المؤقتة، وturn_detection.threshold(0.0 إلى 1.0) كم يجب أن يكون الصوت عاليا ليحتس. - غرفة.
input_audio_noise_reductionالأخذاتnear_fieldلسماعة رأس أوfar_fieldلميكروفون الغرفة، وkeep_dialectيحتفظ بكلمات اللهجة الصينية كما تنطوق.
ملاحظات تشغيلية
- كل طلب نسخ يعيد مهمة، حتى لو كان مقطعا قصيرا. اقرأ النص من
اذهب /v1/jobs/<job_id>مرة واحدةالحالةهياكتمل. - أرسل إعدادات ASR Stream قبل الصوت. إذا تم تغيير إعداد الصوت أثناء بث الصوت ينهي الجملة قيد التنفيذ وينطبق فقط على الصوت الذي يرسل بعدها.
- ترسل ASR Stream فواتير الصوت الذي ترسله، مع الصمت. توقف عن الإرسال عندما لا يتحدث أحد، وأغلق المقبس عندما تنتهي الجلسة.
التسعير
كلا الطرازين يتبعان الدفع حسب الاستخدام، ويتم تسعيره لكل ساعة صوتية ويتم الفوترة حسب الثانية: ASR حسب طول كل تسجيل، مقربا إلى الثانية التالية كاملة، وASR Stream حسب الصوت المرسل في الجلسة، ويتم احتساب السعر عند انتهاء الجلسة. ASR Stream لديه معدل أعلى، لذا استخدم ASR للتسجيلات التي لا تحتاج إلى نتائج أثناء حديث المتحدث. المعدلات الحالية على ASR و تيار ASR صفحات النماذج و صفحة الأسعار.
ابدأ البناء
حاول كوين أوديو 3.0 ASR في Playground برفع تسجيل، أو تيار ASR عن طريق النقر على بدء الجلسة والتحدث. مرجع واجهة برمجة التطبيقات موجود في ASR و تيار ASR. للاطلاع على طوابع الكلمات وتسعير الرموز، انظر كيفية استخدام Qwen Audio 3.1 ASR، ASR Stream، وASR Message.
إفصاح: كتب هذا المقال بمساعدة الذكاء الاصطناعي وتمت مراجعته من قبل EmpirioLabs AI.
