Fun-ASR

Especificaciones y límites

• Reconocimiento de canto añadido en 2025-12
• Fun-ASR-Nano, de código abierto, es un modelo distinto de estos pesos servidos

según documentación oficial de Alibaba ↗

Usa Fun-ASR en 30 segundos

Compatible con OpenAI: cambia el base_url y conserva tu 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",
    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());

Acerca de Fun-ASR

• Acepta archivos de hasta 12 horas y 2 GB, gestiona trabajos de archivo único y por lotes, y reconoce chino (mandarín más muchos dialectos regionales como el cantonés, el wu y el hokkien), inglés, japonés, coreano y decenas de otros idiomas.
• La documentación oficial destaca la personalización de hotwords para terminología de dominio y la diarización de hablantes para grabaciones con varios interlocutores.
• Ambas vienen con detalles prácticos que conviene conocer de antemano: una tabla de hotwords admite hasta 500 entradas y encaja con terminología que cambia poco, la diarización está desactivada hasta que se habilita y permite declarar un número de hablantes esperado, y Alibaba recomienda mantener el audio diarizado por debajo de unas dos horas o el trabajo puede agotar el tiempo de espera.
• La transcripción es asíncrona (se envía el archivo, se recibe un id de tarea y se consulta el resultado), y las marcas de tiempo en milisegundos a nivel de frase y de palabra vuelven de serie, junto con el filtrado de palabras sensibles y la selección por canal para grabaciones multipista.
• El etiquetado de emociones no forma parte de este modelo; eso pertenece a la línea Qwen3-ASR.
• Se aceptan pistas de idioma, pero la documentación señala que solo se lee el primer valor de la lista.
• Synthorai sirve Fun-ASR a través de su endpoint compatible con OpenAI, de modo que los clientes de transcripción existentes funcionan sin modificaciones.

Preguntas frecuentes

Modelos relacionados

Comparar