Alibaba: Fun-ASR Flash 2026-06-15

Fun-ASR Flash 2026-06-15 est une version datée de reconnaissance vocale pour la transcription de fichiers audio. Fixer cette version est utile lorsqu'un pipeline de transcription nécessite un choix de modèle cohérent sur des exécutions de traitement répétées.

Comparer les modèles

fun-asr-flash-2026-06-15

DisponibleAlibabaTranscription (Speech to Text)Synchrone

Prix: À partir de $0.000035
Modalités: Audio

À propos de Fun-ASR Flash 2026-06-15

Fun-ASR Flash 2026-06-15 est une version datée du modèle de reconnaissance vocale Flash d'Alibaba, présentée par Alibaba sous le nom de Qwen-Audio-3.0-ASR-Flash. Il transcrit de courts fichiers audio via un appel HTTP synchrone et utilise les tours de parole précédents comme contexte pour orienter la reconnaissance. L'utilisation de l'identifiant daté permet de maintenir un pipeline sur une version spécifique, contrairement à un alias non daté qui peut être mis à jour.

Points forts

Accepte les tours de parole précédents en plus de l'audio, afin que le vocabulaire de la discussion en cours oriente la reconnaissance.
Alibaba indique des horodatages au niveau des mots et des limites de phrases dans la même réponse synchrone.
La date dans l'identifiant fixe une version précise, ce qui permet de comparer des exécutions répétées.

Quand préférer un autre modèle

Les clips sont limités à environ cinq minutes ; les enregistrements longs nécessitent donc le modèle Fun-ASR asynchrone ou un modèle filetrans.
Il ne traite que les clips terminés ; pour les sous-titres en direct ou la dictée, Fun-ASR Realtime est le modèle de streaming.

Pour commencer

Créer une clé API
Générez une clé dans Console et utilisez-la avec tous les modèles de la plateforme.

Envoyez votre première requête

Copiez l'exemple pour votre langage et lancez-le.

Audio vers texteEndpoint TokenLab

POST/v1/audio/transcriptions

curl -X POST "https://api.tokenlab.sh/v1/audio/transcriptions" \
  -H "Authorization: Bearer sk-xxx" \
  -F file="@audio.mp3" \
  -F operation="stt" \
  -F response_format="json" \
  -F model="fun-asr-flash-2026-06-15" \
  -F language="en"

Tarification

Le tarif officiel est la référence publique du créateur du modèle. Le tarif TokenLab est ce que vous payez pour ce modèle sur TokenLab.

Audio vers texte

par seconde

Tarif Official: $0.000035
Official: $0.000035
Remise: —

	Tarif Officialpar seconde	Officialpar seconde	Remise
Audio vers texte	$0.000035	$0.000035	—

Utilisation et activité

Le taux de réussite est la part de requêtes abouties. La latence est la durée d'une réponse complète ; P95 signifie que 95 % des requêtes ont fini dans ce délai.

Utilisation et disponibilité

Dernières 24 heures

Requêtes
Taux de succès
Latence P95
Total des jetons

Performance du modèle

Dernière mise à jour 3 oct. 2026, 19:22 UTC

Les métriques s'affichent une fois les seuils de confidentialité et de volume de données atteints.

Les données sont basées sur les requêtes agrégées des utilisateurs, à l'exclusion des vérifications de statut.

Ouvrir dans Console

Ouvrez Fun-ASR Flash 2026-06-15 dans Console avec un prompt prêt à modifier ou envoyer.

Aide-moi à tester fun-asr-flash-2026-06-15 avec une requête audio sur /v1/audio/transcriptions. Affiche le résultat et le coût.

Cas d'usage

Notes vocales
Transcrivez de courtes notes et messages enregistrés en une seule requête, sans avoir à mettre en file d'attente un travail asynchrone.
Dictée médicale
Transmettez le dialogue précédent comme contexte afin que les noms de médicaments et les termes cliniques soient plus facilement reconnus.
Pipelines de test figés
Maintenez la version constante tout en comparant les changements de résumé en aval par rapport aux mêmes transcriptions.

Exemples de prompts

Transcrivez cet enregistrement clinique de 3 minutes ; contexte : le tour de parole précédent traitait du dosage de la metformine.

Transcrivez cette note vocale d'ingénieur de terrain concernant une panne d'automate (PLC) et renvoyez les horodatages des mots.

Transcrivez ce court clip d'appel client en utilisant les tours de parole précédents comme contexte.

FAQ

Que signifie la date dans fun-asr-flash-2026-06-15 ?

Elle identifie une version spécifique, celle du 15 juin 2026. Appeler l'identifiant daté permet de maintenir votre pipeline sur cette version. Alibaba le présente sous le nom de Qwen-Audio-3.0-ASR-Flash.

Quelle peut être la durée d'un clip audio ?

Alibaba documente une limite d'environ cinq minutes par appel, avec des fichiers allant jusqu'à 2 Go. Pour des enregistrements plus longs, utilisez Fun-ASR ou Qwen3 ASR Flash Filetrans, qui prennent tous deux en charge les travaux de fichiers asynchrones.

Puis-je lui donner du contexte sur la conversation ?

Oui. Il utilise un format de message de type chat, vous pouvez donc transmettre les tours de parole précédents avant l'audio. Le modèle les utilise pour favoriser le vocabulaire adapté au sujet, ce qui aide pour les termes spécialisés.

Renvoie-t-il des horodatages ?

Oui. Alibaba décrit des horodatages au niveau des mots et des limites de phrases dans la réponse, ce qui vous permet d'aligner le texte sur l'audio pour les sous-titres, la révision ou la recherche sans étape d'alignement distincte.

Combien coûte Fun-ASR Flash 2026-06-15 ?

Sur TokenLab, Fun-ASR Flash 2026-06-15 coûte $0.000035 par seconde. La table tarifaire ci-dessus en montre le détail complet. Les tarifs dépendent de l’unité de facturation, de la spécification et de l’usage. Comparez des conditions identiques dans la tarification détaillée du modèle ; un tarif seul ne détermine pas le coût total.

Quel endpoint Fun-ASR Flash 2026-06-15 doit-il utiliser ?

Utilisez https://api.tokenlab.sh/v1/audio/transcriptions pour Fun-ASR Flash 2026-06-15. L'exemple de requête ci-dessous montre la structure de code correspondante.

Quelles opérations Fun-ASR Flash 2026-06-15 prend-il en charge ?

Fun-ASR Flash 2026-06-15 prend en charge Audio vers texte. Sélectionnez une opération pour voir l'endpoint et un exemple.