Fun-ASR

Specifiche e limiti

• Riconoscimento del canto aggiunto nel 2025-12
• Fun-ASR-Nano, rilasciato open source, è un modello distinto rispetto ai pesi qui serviti

fonte: documentazione ufficiale di Alibaba ↗

Usa Fun-ASR 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",
    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());

Informazioni su Fun-ASR

• Accetta file fino a 12 ore e 2 GB, gestisce job singoli e batch e riconosce il cinese (mandarino più molti dialetti regionali come cantonese, wu e hokkien), inglese, giapponese, coreano e decine di altre lingue.
• La documentazione ufficiale evidenzia la personalizzazione con hotword per la terminologia di dominio e la diarizzazione dei parlanti per le registrazioni multi-parlante.
• Entrambe portano con sé dettagli pratici che conviene conoscere fin dall'inizio: una tabella di hotword contiene fino a 500 voci ed è adatta a terminologia che cambia di rado, la diarizzazione resta disattivata finché non la si abilita e consente di dichiarare un numero atteso di parlanti, e Alibaba raccomanda di tenere l'audio diarizzato sotto le due ore circa, altrimenti il job può andare in timeout.
• La trascrizione è asincrona (si invia il file, si riceve un id di task, si interroga per il risultato) e i timestamp a livello di frase e di parola in millisecondi tornano di serie, insieme al filtraggio delle parole sensibili e alla selezione per canale per le registrazioni multi-traccia.
• L'etichettatura delle emozioni non fa parte di questo modello; appartiene alla linea Qwen3-ASR.
• I suggerimenti di lingua sono accettati, ma la documentazione nota che viene letto solo il primo valore della lista.
• Synthorai serve Fun-ASR tramite il suo endpoint compatibile OpenAI, così i client di trascrizione esistenti funzionano senza modifiche.

FAQ

Modelli correlati

Confronta