Fun-ASR

Spezifikationen & Limits

• Gesangserkennung 2025-12 ergänzt
• das quelloffene Fun-ASR-Nano ist ein anderes Modell als die hier bereitgestellten Gewichte

laut Offizielle Alibaba-Dokumentation ↗

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

Über Fun-ASR

• Es akzeptiert Dateien von bis zu 12 Stunden und 2 GB, verarbeitet Einzel- und Batch-Jobs und erkennt Chinesisch (Mandarin sowie viele regionale Dialekte wie Kantonesisch, Wu und Hokkien), Englisch, Japanisch, Koreanisch und Dutzende weiterer Sprachen.
• Die offizielle Dokumentation hebt Hotword-Anpassung für Fachterminologie und Sprecher-Diarisierung für Aufnahmen mit mehreren Sprechern hervor.
• Beide bringen praktische Details mit, die man vorab kennen sollte: Eine Hotword-Tabelle fasst bis zu 500 Einträge und eignet sich für Terminologie, die sich selten ändert, die Diarisierung ist deaktiviert, bis Sie sie einschalten, und erlaubt es, eine erwartete Sprecherzahl anzugeben, und Alibaba empfiehlt, diarisiertes Audio unter etwa zwei Stunden zu halten, da der Job sonst in ein Timeout laufen kann.
• Die Transkription ist asynchron (Datei einreichen, Task-ID erhalten, Ergebnis abfragen), und Zeitstempel auf Satz- und Wortebene in Millisekunden kommen standardmäßig zurück, daneben Filterung sensibler Wörter und kanalweise Auswahl für Mehrspuraufnahmen.
• Emotionskennzeichnung gehört nicht zu diesem Modell; sie gehört zur Qwen3-ASR-Reihe.
• Sprachhinweise werden akzeptiert, doch die Dokumentation merkt an, dass nur der erste Wert in der Liste gelesen wird.
• Synthorai stellt Fun-ASR über seinen OpenAI-kompatiblen Endpoint bereit, sodass bestehende Transkriptions-Clients ohne Änderung funktionieren.

FAQ

Verwandte Modelle

Vergleichen