Meta: Muse Voice Transcribe 1.0

Muse Voice Transcribe 1.0 هو نموذج Meta لتحويل الكلام إلى نص، مخصص للإملاء وتحديد مداخلات المتحدثين وإعداد تفريغات نصية تميّز بينهم. يدعم تلميحات اللغة والمفردات، والتبديل بين اللغات أثناء الحديث، والتوقيت على مستوى كل مداخلة، مع مسارَي عمل منفصلين لمقطع مسجل وصوت مباشر.

Ailoot Ultra · تفريغ صوتي POST /v1/audio/transcriptions meta/muse-voice-transcribe-1.0

عن النموذج

يغطي هذا الوصف قدرات النموذج. وترد أدناه المدخلات والمخرجات والخيارات المتاحة في Ailoot للطريقة المحددة.

Muse Voice Transcribe 1.0 هو نموذج Meta للإدراك الصوتي لتفريغ الكلام واكتشاف حدود العبارات ونسبة الأدوار إلى المتحدثين. ينتمي إلى عائلة نماذج Muse Spark، ويجمع التعرف وفصل المتحدثين واكتشاف نهاية الكلام داخل النموذج. إخراجه نص متعرَّف عليه مع معلومات التوقيت والمتحدث المتاحة في الوضع المختار.

يعالج النموذج الصوت في أجزاء بطول 80 مللي ثانية، ويقرر متى يواصل الاستماع أو يخرج نصًا. يتيح تأخيره التكيفي انتظار صوت إضافي عندما يصعب حسم كلمة. ينتج ذلك نصًا جزئيًا أثناء وصول الكلام، تتبعه نتائج تفريغ مكتملة. تعامل مع الفرضية الجزئية والدور المكتمل كمرحلتين مختلفتين من تجربة الاستماع.

اختر بين ثلاثة أوضاع. Push-to-talk هو الافتراضي لعبارة واحدة مضبوطة، مثل استعلام صوتي أو مقطع إملاء قصير. يتيح Endpointing للنموذج اكتشاف حدود أدوار الكلام وإرجاع تفريغ مكتمل واحد لكل مقطع مكتشف. وينسب Diarization الكلام المتعرَّف عليه إلى تسميات المتحدثين، وهو مخصّص للتسجيلات متعددة المتحدثين، وليس لأسرع تبادل أدوار للأوامر الصوتية.

لمقطع مسجل، يعيد مسار تفريغ الملف تفريغًا كاملًا في طلب واحد. النتيجة الافتراضية JSON يحتوي التفريغ ومدة الصوت، مع مصفوفة turns في وضعَي Endpointing وDiarization. ويمكن لكل دور حمل معرّف وبداية ونهاية بالمللي ثانية ونصه المتعرَّف عليه. وتظهر تسميات المتحدثين في وضع Diarization. ينتج Push-to-talk التفريغ الكامل من دون أدوار مكتشفة في تلك المصفوفة. ويمكن لواجهة الملفات المسجلة لدى الشركة إرجاع نص عادي أو تدفق أحداث تفريغ. يحتفظ النص العادي بالأدوار المكتشفة في أسطر منفصلة، ويمكن أن يشمل تسميات المتحدثين؛ وينتهي تدفق الأحداث بعد حدثه الأخير من دون ملخص JSON منفصل. يعيد وضعه الجزئي delta نصًا تزايديًا، بينما يحتوي حدث التفريغ النهائي الكلمات كاملة.

جهّز ملف RIFF/WAVE يحتوي صوت PCM أحادي القناة بأعداد صحيحة 16 بت عند 16 أو 24 kHz. المعدل الأصلي للنموذج هو 24 kHz، وتقبل الواجهة أيضًا 16 kHz. حوّل الحاويات أو الترميزات الأخرى إلى صيغة WAV المدعومة قبل تقديم التسجيل. يسمح خيار تفريغ الملفات بصوت يصل إلى 10 دقائق وحجم إجمالي لجسم الطلب يصل إلى 32 MB. احتفظ بالتسجيل الأصلي وأي تحويل مرتبطين بالتفريغ المُرجع للمراجعة بالاستماع لاحقًا.

يستخدم مسار الصوت الحي PCM خامًا أحادي القناة، بأعداد صحيحة ذات إشارة 16 بت وترتيب بايتات little-endian، مع صوت عند 16 أو 24 kHz يُرسَل بإيقاع يقارب الزمن الحقيقي. نافذة الجلسة الموثّقة 60 دقيقة. تصف Meta إدخالًا صوتيًا أصليًا يتجاوز ساعة واحدة؛ وتبقى حدود الملفات والجلسات الحية الموثّقة حدود واجهات منفصلة. اختر مسار الملف المسجل أو المسار الحي بحسب اكتمال الصوت بالفعل أو استمرار التقاطه، وأبقِ نتائج الجلسات المنفصلة مرتبطة بمقاطع إدخالها الخاصة.

دُرّب Muse Voice Transcribe عبر أكثر من 70 لغة، بينما تسرد واجهة التعرف الموثّقة 25 لغة مدعومة. تشمل الإنجليزية والفرنسية والألمانية والإسبانية والعربية والصينية المندرينية والهندية واليابانية والكورية والإيطالية والبرتغالية. يتعرف على التبديل بين اللغات داخل الجمل أو بينها. يمكن لتلميح اللغة تسمية اللغات المتوقعة في الصوت، لكنه يوجّه التعرف ولا يفرض تفريغًا بلغة واحدة.

تساعد تلميحات المفردات في مصطلحات المنتجات والاختصارات والأسماء أو الأماكن المهمة في التسجيل. قدّم الكلمات والتهجئات الفعلية التي تتوقع سماعها. ترجّح قائمة الكلمات المفتاحية التعرف من دون ضمان تهجئة دقيقة، لذا راجع المصطلحات الحاسمة مقابل الصوت. تُختار تلميحات اللغة والكلمات المفتاحية في بداية التفريغ؛ وأبقِها ملائمة لذلك التسجيل بدلًا من تغيير معناها أثناء تشغيل الجلسة.

يدعم النموذج فصل المتحدثين في محادثات تضم أكثر من 20 متحدثًا. تحدّد تسميات مثل A وB المتحدثين داخل تفريغ واحد. وهي ليست أسماء متحقَّقًا منها، ولا تثبت أن التسمية تشير إلى الشخص نفسه في جلسة أخرى. ولمهمة أصلية لتحليل اجتماع، اطلب أدوارًا منسوبة إلى المتحدثين، واحتفظ بالتسجيل، واستخدم التسميات لتنظيم النقاش قبل ربط أي أسماء مشاركين حقيقية عبر مسار العمل المحيط.

يمكن أن تتغير التفريغات الجزئية الحية مع وصول مزيد من الكلام. في الوضع التراكمي، يحل كل جزء محل الفرضية السابقة بدلًا من إضافة نسخة أخرى منها. تضع نهاية الكلام المكتشفة حدًا، بينما تقدّم نتيجة الدور المكتمل النص النهائي، وقد تختلف عن آخر جزء. أبقِ الأدوار المتداخلة مرتبطة بمعرّفاتها، وعالج النتائج المكتملة قبل اعتبار التفريغ منتهيًا. عند انتهاء الإدخال الحي، أرسل إشارة نهاية الإدخال واستمر في الاستقبال حتى ينهي المنتج إرسال النتائج المعلّقة. قد يؤدي إغلاق الاتصال فورًا إلى فقد هذه النتائج؛ فحد الكلام المكتشف ينهي دورًا، لا الجلسة كلها.

التوقيت على مستوى الدور. لا يوفّر هذا الخيار طوابع زمنية على مستوى الكلمات أو درجات ثقة، وليس تقدم معالجة الصوت طابعًا زمنيًا لكلمة معينة. كما يقع اكتشاف الأحداث الصوتية والعواطف وإعادة تنسيق التفريغ خارج نطاق الإخراج الموثّق. استخدم الفترات الزمنية المُرجعة للأدوار لخط زمني للمتحدثين أو مراجعة على مستوى المقاطع، واحتفظ بالكلمات المتعرَّف عليها إذا أنشأت خطوة تحرير منفصلة لاحقًا ملاحظات أوضح.

تشمل المخرجات المفيدة مقطع إملاء مكتملًا أو تفريغ استعلام صوتي أو محادثة منسوبة إلى المتحدثين أو خطًا زمنيًا للعبارات. قارن الأسماء والأرقام والمصطلحات التقنية بالتسجيل الأصلي، وحافظ على ارتباطات الوضع والتوقيت، وأبقِ الأدوار المكتملة متاحة للمراجعة. يبيّن التفريغ ما تم التعرف عليه في الصوت؛ أما الإجابة عن سؤال منطوق أو ترجمته أو تحويله إلى ملاحظات اجتماع فهي خطوة لاحقة في التطبيق.

Ailoot Ultra · تفريغ صوتي POST /v1/audio/transcriptions meta/muse-voice-transcribe-1.0

meta/muse-voice-transcribe-1.0

Meta /meta/muse-voice-transcribe-1.0

البداية

المدخلات المقبولة: الصوت
النتائج: النص

متاح في Ailoot · المدخلات والطرائق

Ailoot Ultra · تفريغ صوتي POST /v1/audio/transcriptions

الإدخال: audio
الإخراج: text

الحقل	النوع	المتطلب	القيم والحدود	القيمة الافتراضية
الحقل`model`	النوع`string`	المتطلبمطلوب	القيم والحدود meta/muse-voice-transcribe-1.0	القيمة الافتراضية—
الحقل`input_audio`	النوع`object`	المتطلبمطلوب	القيم والحدود	القيمة الافتراضية—

معلمات الطريقة ودورة حياتها

المعلمة	المواصفات
المعلمة`content_type`	المواصفاتapplication/json
المعلمة`required`	المواصفاتmodel, input_audio
المعلمة`material_types`	المواصفاتaudio
المعلمة`material_conditions`	المواصفاتيقرأ المثال ملف PCM WAV الفعلي غير الفارغ لديك، ويُرمّز جميع بايتات الملف بترميز base64، ويرسل input_audio.format بالقيمة wav.

دورة الحياة: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · قيمة task_id الدقيقة من سجل وسائط موجود مملوك لك

GET /v1/media/assets/{asset_id}/content

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

الباقات

مراجع التسعير لا تضيف خيارات للطلب. المعلمات المدعومة مذكورة للطريقة المحددة.

الوضع السريع: غير محدد عند اختيار الوضع السريع
الوضع المرن: غير محدد عند اختيار وضع flex
أقصى جهد للاستدلال: غير محدد عندما يُطبَّق الضبط الافتراضي default مع أقصى جهد للاستدلال

تعرفات Ailoot

الأسعار حسب الإعدادات

طابق كل رسم مع الشروط المعروضة. طبّق تعرفة واحدة لكل مجموعة من الإعدادات البديلة.

الإعدادات	جدول التعرفة	وحدة الفوترة	الرسوم
الإعداداتالتعرفات الأساسية للرموز	جدول التعرفةالتعرفة الأساسية	وحدة الفوترة—	الرسوم الإدخال · رموز الإدخال — / 1K من الرموز الإخراج · رموز الإخراج — / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز
الإعداداتثانية صوت مُدخل	جدول التعرفة—	وحدة الفوترةلكل ثانية صوت مُدخل	الرسوم الإدخال · ثانية صوت مُدخل $0.0001 لكل ثانية صوت مُدخل

تحجز Ailoot مبلغًا تقديريًا قبل الطلب. وبعد ظهور النتيجة، تُسوّي الرسوم النهائية بناءً على الاستخدام المقاس. وتستخدم تسوية البث سجل الاستخدام النهائي. كيفية عمل حجز المبلغ وتسوية الرسوم →

أمثلة للطلبات

Ailoot Ultra · تفريغ صوتي

curl · ملف WAV الفعلي والنتيجة الأصلية كاملة

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_AUDIO_FILE:?Set the path to your actual PCM WAV recording}"
export AILOOT_AUDIO_FILE
python3 - <<'PY_REQUEST'
import base64, io, json, os, wave
from pathlib import Path
audio = Path(os.environ['AILOOT_AUDIO_FILE']).read_bytes()
if not (audio[:4] == b'RIFF' and audio[8:12] == b'WAVE'):
    raise SystemExit('Supply your actual PCM WAV audio file')
with wave.open(io.BytesIO(audio), 'rb') as recording:
    if recording.getcomptype() != 'NONE' or recording.getnframes() <= 0:
        raise SystemExit('Supply a nonempty PCM WAV recording')
request = {'model': 'meta/muse-voice-transcribe-1.0', 'input_audio': {'data': base64.b64encode(audio).decode('ascii'), 'format': 'wav'}}
Path('request.json').write_text(json.dumps(request, ensure_ascii=False), encoding='utf-8')
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/transcriptions \
  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o response.bin
# Retain the complete original response, headers and actual X-Client-Request-ID.
# Read existing owned records for recovery; do not resubmit an uncertain operation.

استلام النتائج وحفظها

Ailoot Ultra · تفريغ صوتي

متن الاستجابة الأصلي كاملاً، والحالة والترويسات المُمرَّرة. لا يضيف هذا المعالج بنية JSON عامة أو حقل نص أو حاوية مهمة.

GET /v1/media/tasks/{task_id}
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}

الاحتفاظ بكل النتائج المكتملة

احتفظ بكل استجابة كاملة وكل ملف وجزء محتوى تم إرجاعه.

احتفظ بالاستجابة كاملة وبجميع الترويسات، وبكل مخرج فعلي، وبالمعرّفات الأصلية المُعادة، وبجميع حقول الاستخدام. استعد العملية الأصلية دون إرسال طلب الإنشاء مجددًا.

عند الحاجة إلى التحقق من الاستجابة الأصلية

احتفظ بقيمة X-Client-Request-ID الفعلية وبالاستجابة كاملة. اقرأ الأصول الأصلية المملوكة لك وعناوين URL الدقيقة الموقّعة لمحتواها؛ ولا تعِد إرسال طلب إنشاء غير مؤكد النتيجة مطلقاً.

حقول الاستجابة

الحقل	النوع
الحقل`text (when present)`	النوع
الحقل`usage (when present)`	النوع

الأخطاء والخطوات التالية

الاستجابة	الشرط	الخطوة التالية
الاستجابة⁦400⁩ · `invalid_request_error`	الشرطمتن JSON أو معرّف النموذج المعتمد الصريح غير صالح.	الخطوة التاليةاحتفظ بالاستجابة وصحّح حقل الطلب المشار إليه.
الاستجابة⁦401⁩ · `authentication_error`	الشرطمفتاح API الخاص بـAiloot غير صالح.	الخطوة التاليةاستخدم مفتاح API المخوَّل لك في Ailoot.
الاستجابة⁦403⁩ · `permission_error`	الشرطمجموعة المفتاح غير مخوّلة لاستخدام هذه الطريقة.	الخطوة التاليةاحتفظ بتفاصيل الخطأ المُعادة.
الاستجابة⁦404⁩ · `not_found_error`	الشرطلا يوجد مسار مسموح به للطريقة المختارة.	الخطوة التاليةاحتفظ بتفاصيل الخطأ المُعادة.
الاستجابة⁦422⁩ · `price_unavailable`	الشرطيتعذر على التعرفة المقبولة الحصول على كمية الإدخال المطلوبة أو حدّها.	الخطوة التاليةاحتفظ بالاستجابة؛ واستخدم صيغة تمثيل الإدخال التي تتطلبها التعرفة المقبولة.
الاستجابة⁦503⁩ ·	الشرطالتخزين المطلوب أو المسار أو سعر الطريقة أو حجز الرصيد غير متاح.	الخطوة التاليةاحتفظ بالاستجابة الأصلية كاملة. حجز الرصيد غير المؤكد لا يمنح الإذن بإعادة الإرسال.
الاستجابة⁦502⁩ · `server_error`	الشرطتتطلب النتيجة الأصلية أو الاستخدام أو التسوية التحقق.	الخطوة التاليةاحتفظ بمعرّف الطلب الفعلي وبالاستجابة الأصلية. اقرأ السجل الموجود المملوك لك؛ ولا تعِد إرسال طلب الإنشاء.

الأسماء البديلة

الأسماء البديلة للنموذج

Ailoot Ultra meta/muse-voice-transcribe-1.0

الأسماء البديلة لمسارات الطرائق

استخدم مسارات الطرائق المعروضة أعلاه.

معرّفات النماذج ذات الصلة IDs

meta/muse-voice-transcribe-1.0

FAQ · Meta: Muse Voice Transcribe 1.0

ما المدخلات والنتائج المتاحة؟: POST /v1/audio/transcriptions · meta/muse-voice-transcribe-1.0: audio → text
ما الحقول التي يستخدمها الطلب؟: POST /v1/audio/transcriptions · meta/muse-voice-transcribe-1.0: model, input_audio

Meta: Muse Voice Transcribe 1.0