Fun-ASR MTL

Especificaciones y límites

• Nivel multilingüe y multitarea de la familia Fun-ASR
• la referencia actual de la API HTTP lista los mismos 30 idiomas que el modelo base, con el chino limitado a mandarín y cantonés

según documentación oficial de Alibaba ↗

Use Fun-ASR MTL en 30 segundos

Compatible con OpenAI: cambie el base_url y conserve su SDK. 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());

Acerca de Fun-ASR MTL

• Como el modelo base, procesa archivos de audio de hasta 12 horas y 2 GB de forma offline, y la documentación oficial enumera soporte para personalización de hotwords y diarización de hablantes, con reconocimiento que abarca chino (mandarín y cantonés), inglés, japonés, coreano y una amplia gama de idiomas europeos y del sudeste asiático.
• Se dirige a cargas de trabajo que mezclan idiomas y necesitan identificación de hablantes dentro de una sola canalización.
• Su historia explica su existencia: cuando la familia se lanzó, la instantánea de Fun-ASR vigente entonces solo cubría chino e inglés, y MTL fue la variante que añadió encima cantonés, japonés, tailandés, vietnamita e indonesio.
• Desde entonces el modelo base se ha ido actualizando y la referencia de la API HTTP ahora enumera el mismo conjunto amplio de idiomas para ambos, de modo que los dos han convergido.
• Las propias páginas de Alibaba ya no trazan una línea de capacidad explícita entre ellos.
• Todo lo demás sigue a la familia: transcripción asíncrona de enviar y consultar, tablas de hotwords para vocabulario de dominio estable, diarización opcional con un número de hablantes declarado, y marcas de tiempo en milisegundos a nivel de frase y de palabra.
• El reconocimiento de emociones no forma parte de esta línea y, como en su hermano, la documentación señala que solo se lee la primera entrada de una lista de pistas de idioma.
• El nombre de modelo estable resuelve a una instantánea fechada, así que fije la instantánea si su cobertura lingüística importa.
• Synthorai enruta las solicitudes hacia él a través del familiar endpoint compatible con OpenAI.

Preguntas frecuentes

Modelos relacionados

Comparar