ϟВнутренние модели MiniMax выпустил M3.1 Flash: производительность выросла в 3 раза, стоимость снизилась на 70% ПодробнееϟКитайские модели Kimi K3 выпущен и доступен через API Подробнее →✦Новая модель запущена Wan3.0 выпущен Посмотреть сейчас →✦Новая модель запущена DeepSeek V4.1 Flash: нативная мультимодальность, производительность превосходит V4 Pro, а цены на API снижены Подробнее✦Запуск новой модели Подробности о выпуске Seedance 2.5 Посмотреть сейчас →ϟВнутренние модели MiniMax выпустил M3.1 Flash: производительность выросла в 3 раза, стоимость снизилась на 70% Подробнее
AGTCloud
Связаться с нами Вакансии
Текстfun-asr
阿里巴巴 · Текст

Fun-ASR is a multilingual speech recognition model from Alibaba Cloud for long-form audio transcription. It supports major Chinese dialects, regional accents, and 30 languages, with punctuation prediction and text normalization.

Обзор

Модальности
Дата выпуска22 авг. 2025 г.

Цены

Доступность

Состояние сервисаЗа последние 24 часа

Параметры

Модель / версияfun-asr
Входные модальностиАудио
Выходные модальностиТекст
Параметры сэмплирования—

Пример запроса

# Base64-encode your audio file
AUDIO_BASE64=$(base64 < audio.wav | tr -d '\n')

curl "https://api.agtcloud.cn/v1/audio/transcriptions" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -d '{
    "model": "fun-asr",
    "input_audio": {
      "data": "'"$AUDIO_BASE64"'",
      "format": "wav"
    }
  }'

Доступные эндпоинты

sttPOST /v1/audio/transcriptionsДокументация API

Transcribes audio into text. Accepts base64-encoded audio input and returns the transcribed text.

EXPLORE MODELS

Больше моделей: Текст

Сравните возможности, контекст и цену моделей одного типа.

Смотреть все
MiniMax

MiniMax-M3.1-Flash is a multimodal model from MiniMax. Compared with M3, it delivers significant improvements across multiple benchmarks, particularly in complex agentic tasks, coding, and cybersecurity. It is built for complex, multi-step co-work automation, understanding real codebases, fixing bugs, and building features, and visual understanding and creation, including frontend and presentation creation. Open weights are planned.

Ввод / Вывод · за 1M токенов¥1 / ¥4
Открыть модель
MiniMax

MiniMax-M3.1-Flash is a multimodal model from MiniMax. Compared with M3, it delivers significant improvements across multiple benchmarks, particularly in complex agentic tasks, coding, and cybersecurity. It is built for complex, multi-step co-work automation, understanding real codebases, fixing bugs, and building features, and visual understanding and creation, including frontend and presentation creation. Open weights are planned.

Цена · за вызов¥0
Открыть модель
DeepSeek

Currently powered by DeepSeek-V4.1-Flash-1017, with native multimodal visual understanding and support for both thinking and non-thinking modes. Suitable for complex reasoning, coding, long-document analysis, visual understanding, and tool calling.

Ввод / Вывод · за 1M токенов¥2 / ¥8
Открыть модель
字节跳动

A next-generation omni-modal large model with native unified understanding of text, vision, and audio. It features a 1M-token context window and strong overall multimodal capabilities, with significant improvements in task completion for coding and agentic scenarios.

Ввод / Вывод · за 1M токенов¥0.8 / ¥2.7
Открыть модель
字节跳动

Seed-Evolving is a model in the Seed series designed for agentic workflows, multimodal understanding, and software development. This update further strengthens complex task planning, visual reasoning, tool execution, and result verification, enabling the model to better understand images, videos, and real software environments, and to more reliably complete the full workflow from information gathering to final delivery. Use the unified Model ID **`doubao-seed-evolving`** to continuously access the latest model capabilities without needing to track or switch between model versions.

Ввод / Вывод · за 1M токенов¥6 / ¥30
Открыть модель