Fun-ASR MTL

Spezifikationen & Limits

• Mehrsprachige, multitaskfähige Stufe der Fun-ASR-Familie
• die aktuelle HTTP-API-Referenz listet dieselben 30 Sprachen wie das Basismodell, wobei Chinesisch auf Mandarin und Kantonesisch beschränkt ist

laut Offizielle Alibaba-Dokumentation ↗

Fun-ASR MTL in 30 Sekunden nutzen

OpenAI-kompatibel: base_url austauschen, SDK behalten. POST /v1/audio/transcriptions

from openai import OpenAI

client = OpenAI(
    base_url="https://synthorai.io/v1",
    api_key="sk-syn-...",
)

resp = client.audio.transcriptions.create(
    model="fun-asr-mtl",
    file=open("meeting.mp3", "rb"),
    language="en",
)
print(resp.text)

import OpenAI from "openai";
import fs from "node:fs";

const client = new OpenAI({
  baseURL: "https://synthorai.io/v1",
  apiKey: "sk-syn-...",
});

const resp = await client.audio.transcriptions.create({
  model: "fun-asr-mtl",
  file: fs.createReadStream("meeting.mp3"),
});
console.log(resp.text);

curl https://synthorai.io/v1/audio/transcriptions \
  -H "Authorization: Bearer sk-syn-..." \
  -F model="fun-asr-mtl" \
  -F file=@meeting.mp3

package main

import (
	"context"
	"fmt"
	"os"

	"github.com/openai/openai-go/v3"
	"github.com/openai/openai-go/v3/option"
)

func main() {
	client := openai.NewClient(
		option.WithBaseURL("https://synthorai.io/v1"),
		option.WithAPIKey("sk-syn-..."),
	)
	f, _ := os.Open("meeting.mp3")
	resp, _ := client.Audio.Transcriptions.New(context.TODO(), openai.AudioTranscriptionNewParams{
		Model: "fun-asr-mtl",
		File:  f,
	})
	fmt.Println(resp.Text)
}

import com.openai.client.OpenAIClient;
import com.openai.client.okhttp.OpenAIOkHttpClient;
import com.openai.models.audio.transcriptions.*;
import java.nio.file.Paths;

OpenAIClient client = OpenAIOkHttpClient.builder()
    .baseUrl("https://synthorai.io/v1")
    .apiKey("sk-syn-...")
    .build();

Transcription resp = client.audio().transcriptions().create(
    TranscriptionCreateParams.builder()
        .model("fun-asr-mtl")
        .file(Paths.get("meeting.mp3"))
        .build()).asTranscription();
System.out.println(resp.text());

Über Fun-ASR MTL

• Wie das Basismodell verarbeitet es Audiodateien von bis zu 12 Stunden und 2 GB offline, und die offizielle Dokumentation listet Unterstützung für Hotword-Anpassung und Sprecher-Diarisierung, mit Erkennung von Chinesisch (Mandarin und Kantonesisch), Englisch, Japanisch, Koreanisch sowie einer breiten Palette europäischer und südostasiatischer Sprachen.
• Es zielt auf Workloads, die Sprachen mischen und Sprecheridentifikation innerhalb einer Pipeline benötigen.
• Seine Geschichte erklärt seine Existenz: Als die Familie startete, deckte der damals aktuelle Fun-ASR-Snapshot nur Chinesisch und Englisch ab, und MTL war die Variante, die Kantonesisch, Japanisch, Thai, Vietnamesisch und Indonesisch ergänzte.
• Seither wurde das Basismodell weiterentwickelt, und die HTTP-API-Referenz listet inzwischen für beide dasselbe breite Sprachset, sodass die zwei konvergiert sind.
• Alibabas eigene Seiten ziehen zwischen ihnen keine ausdrückliche Fähigkeitsgrenze mehr.
• Alles Weitere folgt der Familie: asynchrone Transkription nach dem Muster einreichen und abfragen, Hotword-Tabellen für stabiles Fachvokabular, optionale Diarisierung mit angegebener Sprecherzahl sowie Zeitstempel auf Satz- und Wortebene in Millisekunden.
• Emotionserkennung gehört nicht zu dieser Reihe, und wie beim Geschwistermodell merkt die Dokumentation an, dass nur der erste Eintrag einer Liste von Sprachhinweisen gelesen wird.
• Der stabile Modellname löst auf einen datierten Snapshot auf; fixieren Sie den Snapshot also, wenn Ihre Sprachabdeckung wichtig ist.
• Synthorai leitet Anfragen über den vertrauten OpenAI-kompatiblen Endpoint an es weiter.

FAQ

Verwandte Modelle

Vergleichen