Qwen Audio 3.0 ASR et Qwen Audio 3.0 ASR Stream sont disponibles sur EmpirioLabs. ASR transcrit l’audio enregistré via APRÈS /v1/audio/transcriptions, et ASR Stream transcrit l’audio en direct sur WSS://api.empiriolabs.ai/v1/Realtime. Les deux reconnaissent 30 langues et les principaux dialectes chinois, fonctionnent tous deux dans l’API et dans le Playground, et les deux sont tarifés à l’heure d’audio et facturés à la seconde.
Regardez le film de lancement
La demande dans le film est celle sur la page du mannequin, et la musique a été générée par ACE-Step sur EmpirioLabs. Regardez-le sur YouTube.
Transcription d’un enregistrement
curl https://api.empiriolabs.ai/v1/audio/transcriptions \ -H « Autorisation: Porteur $EMPIRIOLABS_API_KEY » \ -F model=qwen-audio-3-0-asr \ -F file=@interview.mp3Un corps JSON avec audio_url ou audio_base64 fonctionne à la place du téléchargement du fichier. Les courts extraits et les longs enregistrements sont tous deux acceptés. La réponse est un travail; sondage ALLEZ-/v1/jobs/<job_id> jusqu’à ce que Statut est achevé, puis lire la transcription de résult.text et les phrases chronométrées de result.segments. La langue est détectée automatiquement.
Transcription en direct via un WebSocket
wss://api.empiriolabs.ai/v1/realtime ?model=qwen-audio-3-0-asr-stream Autorisation: Porteur YOUR_EMPIRIOLABS_API_KEYJuste après session.created, avant le premier audio, envoyez tous les réglages nécessaires à la session:
{"type »: « session.update », « session »: { « input_audio_transcription »: {"language »: « en », « prompt »: « Intervenants: Dr Okafor, Priya Raman. Conditions: angioplastie, stent."}, « turn_detection »: {"silence_duration_ms »: 600} }}Ensuite, diffusez de l’audio PCM mono 16 bits 16 kHz en base64 in input_audio_buffer.append événements. Il n’y a pas de commit à envoyer: le modèle termine chaque phrase à la pause qui la suit. conversation.item.input_audio_transcription.delta porte la phrase jusqu’à présent pendant que le locuteur parle, et conversation.item.input_audio_transcription.completed la sentence tranchée.
- Prompt.
input_audio_transcription.promptJusqu’à 400 caractères de noms et de termes utilisés par le locuteur, écrits exactement comme ils doivent apparaître. - S’arrête.
turn_detection.silence_duration_ms(200 à 6000, par défaut 800) détermine la durée d’une pause qui termine une phrase, etturn_detection.seuil(0,0 à 1,0) à quel point la parole doit être forte pour compter. - Chambre.
input_audio_noise_reductionPrisesnear_fieldpour un casque oufar_fieldpour un microphone de salle, etkeep_dialectconserve les mots du dialecte chinois tels qu’ils sont prononcés.
Notes opérationnelles
- Chaque demande de transcription renvoie un travail, même un court extrait. Lisez la transcription de
ALLEZ-/v1/jobs/<job_id>Une foisStatutestachevé. - Envoyez les paramètres de l’ASR Stream avant l’audio. Un réglage modifié pendant que l’audio est en streaming met fin à la phrase en cours et ne s’applique qu’à l’audio envoyé après.
- ASR Stream facture l’audio que vous envoyez, silence inclus. Arrêtez d’envoyer quand personne ne parle, et fermez le socket à la fin de la séance.
Prix
Les deux modèles sont payables à l’usage, tarifés à l’heure d’audio et facturés à la seconde: ASR par la durée de chaque enregistrement, arrondi à la seconde suivante, et ASR Stream par l’audio envoyé pendant la session, facturé à la fin de la session. ASR Stream a un débit plus élevé, donc utilisez ASR pour les enregistrements qui n’ont pas besoin de résultats pendant que le haut-parleur parle. Les débits actuels sont sur le ASR et Flux ASR Pages de modèles et le page de prix.
Commencez à construire
Essaie Qwen Audio 3.0 ASR dans le Playground en téléversant un enregistrement, ou Flux ASR en cliquant sur Démarrer la session et en parlant. La référence API se trouve à ASR et Flux ASR. Pour les horodatages de mots et la tarification des jetons, voir Comment utiliser Qwen Audio 3.1 ASR, flux ASR et message ASR.
Divulgation: Cet article a été rédigé avec l'aide d'AI et examiné par EmpirioLabs AI.
