Fun-ASR MTL

Spécifications et limites

• Palier multilingue et multitâche de la famille Fun-ASR
• la référence actuelle de l'API HTTP liste les mêmes 30 langues que le modèle de base, le chinois se limitant au mandarin et au cantonais

selon docs officielles Alibaba ↗

Utilisez Fun-ASR MTL en 30 secondes

Compatible OpenAI : changez la base_url, gardez votre 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());

À propos de Fun-ASR MTL

• Comme le modèle de base, il traite hors ligne des fichiers audio jusqu'à 12 heures et 2 Go, et la documentation officielle liste la prise en charge de la personnalisation par mots-clés (hotwords) et de la diarisation des locuteurs, la reconnaissance couvrant le chinois (mandarin et cantonais), l'anglais, le japonais, le coréen et un large éventail de langues européennes et d'Asie du Sud-Est.
• Il cible les charges de travail qui mélangent les langues et nécessitent l'identification des locuteurs dans un seul pipeline.
• Son histoire explique son existence : au lancement de la famille, le snapshot Fun-ASR alors en vigueur ne couvrait que le chinois et l'anglais, et MTL était la variante qui ajoutait par-dessus le cantonais, le japonais, le thaï, le vietnamien et l'indonésien.
• Depuis, le modèle de base a été mis à jour et la référence de l'API HTTP liste désormais le même large ensemble de langues pour les deux, si bien qu'ils ont convergé.
• Les pages d'Alibaba ne tracent plus de ligne de capacité explicite entre eux.
• Tout le reste suit la famille : transcription asynchrone en soumission-puis-interrogation, tables de mots-clés pour le vocabulaire métier stable, diarisation optionnelle avec un nombre de locuteurs déclaré, et horodatages au niveau de la phrase et du mot en millisecondes.
• La reconnaissance des émotions ne fait pas partie de cette lignée et, comme pour son homologue, la documentation note que seule la première entrée d'une liste d'indices de langue est lue.
• Le nom de modèle stable pointe vers un snapshot daté : épinglez le snapshot si votre couverture linguistique compte.
• Synthorai lui achemine les requêtes via l'endpoint compatible OpenAI habituel.

FAQ

Modèles associés

Comparer