Fun-ASR Realtime

Spécifications et limites

La documentation décrit également une reconnaissance des émotions à 7 états dans le guide temps réel.

selon docs officielles Alibaba ↗

Utilisez Fun-ASR Realtime 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-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());

À propos de Fun-ASR Realtime

• La documentation officielle le positionne pour les sous-titres en direct, les assistants vocaux et la transcription de réunions, et il conserve les atouts de la famille Fun-ASR, à savoir la personnalisation par mots-clés (hotwords) et une couverture multilingue incluant les dialectes régionaux chinois, l'anglais, le japonais et le coréen.
• La surface temps réel ajoute des contrôles dont les modèles sur fichier n'ont pas besoin : ponctuation sémantique, prédiction de la ponctuation activée par défaut, silence maximal de phrase ajustable qui décide de la clôture d'un énoncé, seuil de bruit vocal pour se régler face au son ambiant, et horodatages au niveau du mot émis au fil du flux.
• L'audio arrive en PCM, WAV, MP3, Opus, Speex, AAC ou AMR à 8 ou 16 kHz.
• Deux limites méritent d'être anticipées dans la conception : la diarisation des locuteurs n'est pas disponible sur le chemin temps réel (pour savoir qui a dit quoi, il faut les modèles sur fichier enregistré), et la couverture linguistique varie fortement d'un snapshot daté à l'autre au lieu d'être uniforme dans la famille, alors épinglez le snapshot dont dépend votre jeu de langues.
• L'étiquetage des émotions, le différenciateur de la lignée Qwen3-ASR, n'est pas proposé ici non plus, et le réglage de la précision par le contexte n'est disponible que sur certains snapshots.
• Synthorai le rend appelable via la même interface compatible OpenAI utilisée pour le reste de son catalogue audio.

FAQ

Modèles associés

Comparer