Fun-ASR Realtime

Especificaciones y límites

La documentación describe también el reconocimiento de emociones en 7 estados en la guía de tiempo real.

según documentación oficial de Alibaba ↗

Use Fun-ASR Realtime 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-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());

Acerca de Fun-ASR Realtime

• La documentación oficial lo posiciona para subtítulos en directo, asistentes de voz y transcripción de reuniones, y lleva las fortalezas de la familia Fun-ASR de personalización de hotwords más cobertura multilingüe, incluidos dialectos regionales chinos, inglés, japonés y coreano.
• La superficie en tiempo real añade controles que los modelos basados en archivos no necesitan: puntuación semántica, predicción de puntuación activada por defecto, un silencio máximo de frase ajustable que decide cuándo se cierra una intervención, un umbral de ruido de voz para ajustarse al sonido de fondo, y marcas de tiempo a nivel de palabra emitidas mientras el flujo avanza.
• El audio llega como PCM, WAV, MP3, Opus, Speex, AAC o AMR a 8 o 16 kHz.
• Hay dos límites que conviene tener en cuenta al diseñar: la diarización de hablantes no está disponible en la vía en tiempo real (para saber quién dijo qué hacen falta los modelos de archivos de grabación), y la cobertura lingüística varía notablemente según la instantánea fechada en lugar de ser uniforme en toda la familia, así que fije la instantánea de la que dependa su conjunto de idiomas.
• El etiquetado de emociones, el diferenciador de la línea Qwen3-ASR, tampoco se ofrece aquí, y el ajuste de precisión basado en contexto solo está disponible en algunas instantáneas.
• Synthorai lo hace invocable a través de la misma interfaz compatible con OpenAI que utiliza para el resto de su catálogo de audio.

Preguntas frecuentes

Modelos relacionados

Comparar