Fun-ASR Realtime

Spezifikationen & Limits

Die Dokumentation beschreibt im Realtime-Leitfaden zusätzlich eine Emotionserkennung mit 7 Zuständen.

laut Offizielle Alibaba-Dokumentation ↗

Fun-ASR Realtime 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-realtime",
    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-realtime",
  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-realtime" \
  -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-realtime",
		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-realtime")
        .file(Paths.get("meeting.mp3"))
        .build()).asTranscription();
System.out.println(resp.text());

Über Fun-ASR Realtime

• Die offizielle Dokumentation positioniert es für Live-Untertitel, Sprachassistenten und Besprechungstranskription, und es trägt die Stärken der Fun-ASR-Familie in Hotword-Anpassung und mehrsprachiger Abdeckung einschließlich chinesischer Regionaldialekte, Englisch, Japanisch und Koreanisch.
• Die Realtime-Oberfläche ergänzt Steuerungen, welche die dateibasierten Modelle nicht brauchen: semantische Interpunktion, standardmäßig aktive Interpunktionsvorhersage, eine einstellbare maximale Satzstille, die entscheidet, wann eine Äußerung abgeschlossen wird, einen Sprach-Rausch-Schwellenwert zur Abstimmung gegen Hintergrundgeräusche sowie Zeitstempel auf Wortebene, die während des laufenden Streams ausgegeben werden.
• Audio kommt als PCM, WAV, MP3, Opus, Speex, AAC oder AMR mit 8 oder 16 kHz an.
• Zwei Grenzen sind einzuplanen: Sprecher-Diarisierung ist auf dem Realtime-Pfad nicht verfügbar (für wer-hat-was-gesagt brauchen Sie die Modelle für Aufnahmedateien), und die Sprachabdeckung variiert stark je datiertem Snapshot, statt über die Familie hinweg einheitlich zu sein, fixieren Sie also den Snapshot, von dem Ihr Sprachset abhängt.
• Emotionskennzeichnung, das Unterscheidungsmerkmal der Qwen3-ASR-Reihe, wird hier ebenfalls nicht angeboten, und kontextbasierte Genauigkeitsabstimmung ist nur auf manchen Snapshots verfügbar.
• Synthorai macht es über dieselbe OpenAI-kompatible Schnittstelle aufrufbar, die auch für den Rest seines Audio-Katalogs genutzt wird.

FAQ

Verwandte Modelle

Vergleichen