Fun-ASR Realtime

Specifiche e limiti

La documentazione descrive inoltre il riconoscimento delle emozioni a 7 stati nella guida realtime.

fonte: documentazione ufficiale di Alibaba ↗

Usa Fun-ASR Realtime in 30 secondi

Compatibile con OpenAI: cambi base_url e tieni il tuo 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());

Informazioni su Fun-ASR Realtime

• La documentazione ufficiale lo posiziona per sottotitoli dal vivo, assistenti vocali e trascrizione di riunioni, e porta con sé i punti di forza della famiglia Fun-ASR, cioè la personalizzazione con hotword e la copertura multilingue che include i dialetti regionali cinesi, l'inglese, il giapponese e il coreano.
• La superficie realtime aggiunge controlli di cui i modelli su file non hanno bisogno: punteggiatura semantica, predizione della punteggiatura attiva per impostazione predefinita, un silenzio massimo di frase regolabile che decide quando un enunciato viene chiuso, una soglia di rumore rispetto al parlato per la messa a punto contro i suoni di fondo e timestamp a livello di parola emessi mentre lo stream procede.
• L'audio arriva in PCM, WAV, MP3, Opus, Speex, AAC o AMR a 8 o 16 kHz.
• Due limiti meritano di essere considerati in fase di progettazione: la diarizzazione dei parlanti non è disponibile sul percorso realtime (per sapere chi ha detto cosa servono i modelli su file registrato) e la copertura linguistica varia nettamente da uno snapshot datato all'altro anziché essere uniforme nella famiglia, quindi conviene fissare lo snapshot da cui dipende il proprio insieme di lingue.
• Nemmeno l'etichettatura delle emozioni, l'elemento differenziante della linea Qwen3-ASR, è offerta qui, e la messa a punto dell'accuratezza basata sul contesto è disponibile solo su alcuni snapshot.
• Synthorai lo rende richiamabile tramite la stessa interfaccia compatibile OpenAI usata per il resto del suo catalogo audio.

FAQ

Modelli correlati

Confronta