Qwen Audio 3.0 ASR 和 Qwen Audio 3.0 ASR Stream 可在 EmpirioLabs 上使用。 ASR通过以下方式转录录制的音频 /v1/audio/transcriptions后ASR Stream 则实时转录音频 WSS：//api.empiriolabs.ai/v1/realtime.两者都支持30种语言和主要的中文方言，都支持API和Playground，且按小时音频收费，按秒计费。
观看启动影片
影片中的请求是模特自己页面上的，配乐由ACE-Step on EmpirioLabs生成。 在YouTube上观看。 。 。.
转录录音
curl https://api.empiriolabs.ai/v1/audio/transcriptions \ -H “授权：承载人 $EMPIRIOLABS_API_KEY” \ -F model=qwen-audio-3-0-asr \ -F file=@interview.mp3一个 JSON 主体，满足 audio_url 或 audio_base64 可以替代文件上传。短片段和长录音都被接受。回复是工作;投票 快/v1/jobs/<job_id> 直到 现状 是 已完成然后阅读以下文字记录 结果.文本 以及来自的定时句子 结果。片段.语言是自动检测的。
通过WebSocket进行实时转录
wss：//api.empiriolabs.ai/v1/realtime？model=qwen-audio-3-0-asr-stream 授权：承载者YOUR_EMPIRIOLABS_API_KEY就在那之后 session.created在第一个音频之前，发送会话所需的设置：
{“type”： “session.update”， “session”： { “input_audio_transcription”： {“language”： “en”， “prompt”： “演讲者：Dr. Okafor， Priya Raman.术语：血管成形术、支架。”}， “turn_detection”： {“silence_duration_ms”： 600}然后以base64 in格式流式传输16 kHz、16位单声道PCM音频 input_audio_buffer.append 事件。没有提交要发送：模型在句子后面的暂停处结束每句。 conversation.item.input_audio_transcription.delta 在说话者说话时，能够传递句子，且 conversation.item.input_audio_transcription.completed 已定刑。
- 提示。
input_audio_transcription.prompt最多需要400个字符的说话者所用的名字和术语，书写完全符合应有的字样。 - 停顿。
turn_detection.silence_duration_ms（200到6000，默认800）决定句子结束时停顿的时间，且turn_detection.threshold（0.0到1.0）说话必须多大声才能计数。 - 房间。
input_audio_noise_reduction拿到near_field对于头显或far_field对于一个房间麦克风，keep_dialect保持汉语方言的口语。
作战笔记
- 每个转录请求都会返回一个工作，甚至是短片段。 阅读以下文字记录
快/v1/jobs/<job_id>曾经现状是已完成。 。 。. - 在音频之前先发送ASR Stream的设置。 在音频流媒体时更改设置会结束进行中的句子，且只适用于之后发送的音频。
- ASR Stream会计费你发送的音频，包括静音。 当没人说话时停止发送，会话结束时关闭套接字。
定价
两种型号都是按使用付费，按音频小时计费，按秒计费：ASR按录音长度计费，向上取整到下一整秒，ASR流按会话中发送的音频计费，会话结束时计费。ASR流的费率更高，所以对于不需要录音效果的录音，使用ASR。当前费率在 ASR 以及 ASR流 模型页和 定价页面。 。 。.
开始建造
试试看 Qwen 音频 3.0 ASR 通过上传录音，或Playground ASR流 通过点击开始会话并说话即可。API 引用在 ASR 以及 ASR流.关于字时间戳和令牌定价，请参见 如何使用Qwen Audio 3.1 ASR、ASR流和ASR消息。 。 。.
披露:这篇文章是在AI的协助下撰写的,并由EmpirioLabs AI审查.
