Nova-3 je obecný model společnosti Deepgram pro rozpoznávání řeči a převod zvuku na text. Výrobce jej doporučuje pro schůzky, titulky událostí, nahrávky s více mluvčími a náročné podmínky, jako jsou hluk nebo vzdálené mikrofony, při přepisu nahrávek i streamovaného zvuku. Užitečným výsledkem je rozpoznaná řeč s časováním a informacemi o jistotě, která zůstává propojená se zdrojovým zvukem.
Dokumentovaným výchozím jazykem je angličtina. Jednojazyčný požadavek vybírá mluvený jazyk nebo podporovanou místní variantu. Aktuální tabulka obecného modelu zahrnuje regionální varianty angličtiny, španělštinu, francouzštinu, němčinu, ruštinu, portugalštinu, japonštinu, italštinu, nizozemštinu, arabštinu, čínská písma a mnoho dalších jazyků včetně kazaštiny. Vybírejte z kódů podporovaných výrobcem, místo abyste předpokládali přijetí libovolného názvu místní varianty.
Vícejazyčné nastavení je samostatný postup pro přepínání jazyků. Aktuální tabulka Nova-3 pro něj uvádí deset jazyků: angličtinu, španělštinu, francouzštinu, němčinu, hindštinu, ruštinu, portugalštinu, japonštinu, italštinu a nizozemštinu. Tato sada není totožná s širším jednojazyčným seznamem. Pro nahrávku střídající podporované jazyky připravte vícejazyčný režim, místo abyste celou konverzaci nutili do nesouvisejícího jednojazyčného nastavení. Před přípravou přeložené nebo shrnuté verze zachovejte to, co bylo skutečně řečeno.
Souborový postup Deepgram přijímá nahrané zvukové bajty nebo odkaz na zvukový soubor. Vrácený přepis uložte po dokončení požadavku; výrobce přepisy neukládá k pozdějšímu vyzvednutí. Mezi běžné dokumentované vstupní formáty a kódování patří MP3, MP4, MP2, AAC, WAV, FLAC, PCM, M4A, Ogg, Opus a WebM. U nahrávky zachovejte skutečný formát a informace o kanálech. Přidělte jí stabilní identifikátor a výsledek uchovávejte přiřazený ke správnému zdroji a informacím o jeho kanálech. U schůzky kontrolujte jména účastníků a odborné termíny při poslechu původního zvuku. U přednášky nebo události zachovejte posloupnost zvuku, aby pozdější titulek nebo výsledek vyhledávání mohl najít příslušnou pasáž.
Průvodce výrobce pro nahrávky uvádí maximální velikost souboru 2 GB a doporučuje z velkého video souboru extrahovat zvukový proud. Dokumentuje také desetiminutový časový limit zpracování požadavků Nova. Tento limit se týká délky zpracování požadavku, nikoli maximální desetiminutové délky nahrávky. Užitečný výsledek zahrnuje konec zamýšlené nahrávky; částečně uchovaný přepis nelze považovat za úplný text.
Dokumentovaná odpověď JSON obsahuje alternativy přepisu a rozpoznaná slova, každé s časem začátku a konce v sekundách od počátku zvuku a hodnotou jistoty. U přepisu více mluvčích přiřazuje volitelná diarizace výrobce každému slovu označení mluvčího. Diarizace nahrávek také vrací jistotu přiřazení mluvčího; streamovaná diarizace vrací označení mluvčího. Tato označení kontrolujte vůči hlasům v nahrávce. Hlásí se také celková jistota přepisu na stupnici 0–1. Je-li požadováno chytré formátování, výsledek může obsahovat interpunkci a velká písmena ve slovech doplněných interpunkcí spolu s informacemi o čitelných odstavcích.
Pole používejte podle jejich významu. Čas slova určuje místo rozpoznané řeči, zatímco jistota je odhadem spolehlivosti modelu, nikoli důkazem správného zachycení obtížného jména nebo množství. Pro přípravu titulků zachovejte časování vedle zkontrolovaného znění a hranice ověřte podle zvuku. V čitelné redakční verzi udržujte změny odlišitelné od rozpoznaného přepisu, místo abyste nejistá slova tiše nahrazovali uvěřitelným příběhem.
Streamovaný postup Nova vrací text s příchodem zvuku v průběžných a finálních výsledcích. Ukazatel is_final rozlišuje text, který ještě může být upraven, od dokončeného segmentu. Ukazatel speech_final souvisí s detekcí konce úseku řeči. Tyto signály odlišujte od pouhého přijetí neprázdného přepisu a při přípravě úplného záznamu zachovávejte finální segmenty v jejich zvukovém pořadí.
Nova-3 je obecný model ASR, odlišný od samostatného konverzačního modelu Flux s detekcí konverzačních promluv přímo v modelu. Nova označuje finálnost přepisu a konce úseků řeči; Flux poskytuje vlastní události stavu konverzačních promluv. Postup přepisu volte podle toho, zda je zvuk již nahraný nebo přichází živě, a jako uchovávaný výstup používejte skutečný finální výsledek.
Dokumentované Keyterm Prompting v Nova-3 podporuje jednojazyčný i vícejazyčný přepis a směruje rozpoznávání k důležitým termínům bez přetrénování modelu. Dodávejte relevantní jména, produktové termíny, zkratky nebo víceslovné fráze, které skutečně mohou zaznít. Průvodce omezuje souhrnný vstup klíčových termínů na 500 tokenů a doporučuje zaměřit se na nejdůležitější slovní zásobu místo bezvýběrového přidávání běžných slov.
Syntaxe výrobce používá prosté termíny se samostatnou položkou keyterm pro každý termín. Víceslovná fráze zůstává jedinou frází. Starší váhy nebo zesilující modifikátory klíčových slov ani spojení samostatných termínů čárkami, středníky nebo novými řádky nejsou ekvivalentní: rozhraní je může přijmout jako jedinou doslovnou hodnotu bez zamýšleného posílení. U jmen používejte správná velká a malá písmena a poté přepis kontrolujte, protože zvukový kontext a chytré formátování mohou konečnou psanou podobu stále změnit.
Obecný profil Nova-3 se liší od samostatně pojmenovaných variant Medical a Pharma. Nápověda slovní zásobou jej nemění na jinou edici a u obecného modelu nelze předpokládat jazykové pokrytí nebo chování specializovaných modelů. Další funkce zpracování přepisu jsou volbami v řečovém postupu výrobce, nikoli důkazem, že rozpoznávání vytvořilo shrnutí, překlad nebo jiný výstup, který nebyl požadován.
Užitečným výstupem Nova-3 může být prohledávatelný přepis schůzky, znění připravené pro titulky s časováním slov nebo záznam vícejazyčné konverzace. Zachovejte identifikátor zvuku, zvolený jazykový postup, finální text a případná užitečná pole jistoty nebo časování. Nejasná jména, čísla, překrývající se hlasy a změny jazyka ověřujte vůči původní nahrávce a skutečně rozpoznanou řeč ponechte dostupnou pro další krok zpracování obsahu.
", "aboutText": "Nova-3 je obecný model společnosti Deepgram pro rozpoznávání řeči a převod zvuku na text. Výrobce jej doporučuje pro schůzky, titulky událostí, nahrávky s více mluvčími a náročné podmínky, jako jsou hluk nebo vzdálené mikrofony, při přepisu nahrávek i streamovaného zvuku. Užitečným výsledkem je rozpoznaná řeč s časováním a informacemi o jistotě, která zůstává propojená se zdrojovým zvukem.\n\n### Volba jazykového postupu\n\nDokumentovaným výchozím jazykem je angličtina. Jednojazyčný požadavek vybírá mluvený jazyk nebo podporovanou místní variantu. Aktuální tabulka obecného modelu zahrnuje regionální varianty angličtiny, španělštinu, francouzštinu, němčinu, ruštinu, portugalštinu, japonštinu, italštinu, nizozemštinu, arabštinu, čínská písma a mnoho dalších jazyků včetně kazaštiny. Vybírejte z kódů podporovaných výrobcem, místo abyste předpokládali přijetí libovolného názvu místní varianty.\n\nVícejazyčné nastavení je samostatný postup pro přepínání jazyků. Aktuální tabulka Nova-3 pro něj uvádí deset jazyků: angličtinu, španělštinu, francouzštinu, němčinu, hindštinu, ruštinu, portugalštinu, japonštinu, italštinu a nizozemštinu. Tato sada není totožná s širším jednojazyčným seznamem. Pro nahrávku střídající podporované jazyky připravte vícejazyčný režim, místo abyste celou konverzaci nutili do nesouvisejícího jednojazyčného nastavení. Před přípravou přeložené nebo shrnuté verze zachovejte to, co bylo skutečně řečeno.\n\n### Nahraný zvuk a příprava přepisu\n\nSouborový postup Deepgram přijímá nahrané zvukové bajty nebo odkaz na zvukový soubor. Vrácený přepis uložte po dokončení požadavku; výrobce přepisy neukládá k pozdějšímu vyzvednutí. Mezi běžné dokumentované vstupní formáty a kódování patří MP3, MP4, MP2, AAC, WAV, FLAC, PCM, M4A, Ogg, Opus a WebM. U nahrávky zachovejte skutečný formát a informace o kanálech. Přidělte jí stabilní identifikátor a výsledek uchovávejte přiřazený ke správnému zdroji a informacím o jeho kanálech. U schůzky kontrolujte jména účastníků a odborné termíny při poslechu původního zvuku. U přednášky nebo události zachovejte posloupnost zvuku, aby pozdější titulek nebo výsledek vyhledávání mohl najít příslušnou pasáž.\n\nPrůvodce výrobce pro nahrávky uvádí maximální velikost souboru 2 GB a doporučuje z velkého video souboru extrahovat zvukový proud. Dokumentuje také desetiminutový časový limit zpracování požadavků Nova. Tento limit se týká délky zpracování požadavku, nikoli maximální desetiminutové délky nahrávky. Užitečný výsledek zahrnuje konec zamýšlené nahrávky; částečně uchovaný přepis nelze považovat za úplný text.\n\n### Čtení slov, časů a jistoty\n\nDokumentovaná odpověď JSON obsahuje alternativy přepisu a rozpoznaná slova, každé s časem začátku a konce v sekundách od počátku zvuku a hodnotou jistoty. U přepisu více mluvčích přiřazuje volitelná diarizace výrobce každému slovu označení mluvčího. Diarizace nahrávek také vrací jistotu přiřazení mluvčího; streamovaná diarizace vrací označení mluvčího. Tato označení kontrolujte vůči hlasům v nahrávce. Hlásí se také celková jistota přepisu na stupnici 0–1. Je-li požadováno chytré formátování, výsledek může obsahovat interpunkci a velká písmena ve slovech doplněných interpunkcí spolu s informacemi o čitelných odstavcích.\n\nPole používejte podle jejich významu. Čas slova určuje místo rozpoznané řeči, zatímco jistota je odhadem spolehlivosti modelu, nikoli důkazem správného zachycení obtížného jména nebo množství. Pro přípravu titulků zachovejte časování vedle zkontrolovaného znění a hranice ověřte podle zvuku. V čitelné redakční verzi udržujte změny odlišitelné od rozpoznaného přepisu, místo abyste nejistá slova tiše nahrazovali uvěřitelným příběhem.\n\n### Streamované rozpoznávání a finální segmenty\n\nStreamovaný postup Nova vrací text s příchodem zvuku v průběžných a finálních výsledcích. Ukazatel is_final rozlišuje text, který ještě může být upraven, od dokončeného segmentu. Ukazatel speech_final souvisí s detekcí konce úseku řeči. Tyto signály odlišujte od pouhého přijetí neprázdného přepisu a při přípravě úplného záznamu zachovávejte finální segmenty v jejich zvukovém pořadí.\n\nNova-3 je obecný model ASR, odlišný od samostatného konverzačního modelu Flux s detekcí konverzačních promluv přímo v modelu. Nova označuje finálnost přepisu a konce úseků řeči; Flux poskytuje vlastní události stavu konverzačních promluv. Postup přepisu volte podle toho, zda je zvuk již nahraný nebo přichází živě, a jako uchovávaný výstup používejte skutečný finální výsledek.\n\n### Klíčové termíny pro důležitou slovní zásobu\n\nDokumentované Keyterm Prompting v Nova-3 podporuje jednojazyčný i vícejazyčný přepis a směruje rozpoznávání k důležitým termínům bez přetrénování modelu. Dodávejte relevantní jména, produktové termíny, zkratky nebo víceslovné fráze, které skutečně mohou zaznít. Průvodce omezuje souhrnný vstup klíčových termínů na 500 tokenů a doporučuje zaměřit se na nejdůležitější slovní zásobu místo bezvýběrového přidávání běžných slov.\n\nSyntaxe výrobce používá prosté termíny se samostatnou položkou keyterm pro každý termín. Víceslovná fráze zůstává jedinou frází. Starší váhy nebo zesilující modifikátory klíčových slov ani spojení samostatných termínů čárkami, středníky nebo novými řádky nejsou ekvivalentní: rozhraní je může přijmout jako jedinou doslovnou hodnotu bez zamýšleného posílení. U jmen používejte správná velká a malá písmena a poté přepis kontrolujte, protože zvukový kontext a chytré formátování mohou konečnou psanou podobu stále změnit.\n\n### Hranice rodiny modelů a užitečné výsledky\n\nObecný profil Nova-3 se liší od samostatně pojmenovaných variant Medical a Pharma. Nápověda slovní zásobou jej nemění na jinou edici a u obecného modelu nelze předpokládat jazykové pokrytí nebo chování specializovaných modelů. Další funkce zpracování přepisu jsou volbami v řečovém postupu výrobce, nikoli důkazem, že rozpoznávání vytvořilo shrnutí, překlad nebo jiný výstup, který nebyl požadován.\n\nUžitečným výstupem Nova-3 může být prohledávatelný přepis schůzky, znění připravené pro titulky s časováním slov nebo záznam vícejazyčné konverzace. Zachovejte identifikátor zvuku, zvolený jazykový postup, finální text a případná užitečná pole jistoty nebo časování. Nejasná jména, čísla, překrývající se hlasy a změny jazyka ověřujte vůči původní nahrávce a skutečně rozpoznanou řeč ponechte dostupnou pro další krok zpracování obsahu.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "60777549fd6ba4f4fa53879afc23527591a2d122017e4361a5ece8322dd85841", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "cs", "methods": [ { "html": "deepgram/nova-3Nova-3 je obecný model společnosti Deepgram pro převod nahrané a streamované řeči na text. Podporuje jednojazyčné rozpoznávání, vymezený vícejazyčný režim přepínání jazyků a nápovědu klíčovými termíny a vrací přepisy s časováním slov a informacemi o jistotě rozpoznání.
Tento popis zahrnuje schopnosti modelu. Vstupy, výstupy a možnosti dostupné v Ailoot jsou uvedeny níže pro vybranou metodu.
Nova-3 je obecný model společnosti Deepgram pro rozpoznávání řeči a převod zvuku na text. Výrobce jej doporučuje pro schůzky, titulky událostí, nahrávky s více mluvčími a náročné podmínky, jako jsou hluk nebo vzdálené mikrofony, při přepisu nahrávek i streamovaného zvuku. Užitečným výsledkem je rozpoznaná řeč s časováním a informacemi o jistotě, která zůstává propojená se zdrojovým zvukem.
Dokumentovaným výchozím jazykem je angličtina. Jednojazyčný požadavek vybírá mluvený jazyk nebo podporovanou místní variantu. Aktuální tabulka obecného modelu zahrnuje regionální varianty angličtiny, španělštinu, francouzštinu, němčinu, ruštinu, portugalštinu, japonštinu, italštinu, nizozemštinu, arabštinu, čínská písma a mnoho dalších jazyků včetně kazaštiny. Vybírejte z kódů podporovaných výrobcem, místo abyste předpokládali přijetí libovolného názvu místní varianty.
Vícejazyčné nastavení je samostatný postup pro přepínání jazyků. Aktuální tabulka Nova-3 pro něj uvádí deset jazyků: angličtinu, španělštinu, francouzštinu, němčinu, hindštinu, ruštinu, portugalštinu, japonštinu, italštinu a nizozemštinu. Tato sada není totožná s širším jednojazyčným seznamem. Pro nahrávku střídající podporované jazyky připravte vícejazyčný režim, místo abyste celou konverzaci nutili do nesouvisejícího jednojazyčného nastavení. Před přípravou přeložené nebo shrnuté verze zachovejte to, co bylo skutečně řečeno.
Souborový postup Deepgram přijímá nahrané zvukové bajty nebo odkaz na zvukový soubor. Vrácený přepis uložte po dokončení požadavku; výrobce přepisy neukládá k pozdějšímu vyzvednutí. Mezi běžné dokumentované vstupní formáty a kódování patří MP3, MP4, MP2, AAC, WAV, FLAC, PCM, M4A, Ogg, Opus a WebM. U nahrávky zachovejte skutečný formát a informace o kanálech. Přidělte jí stabilní identifikátor a výsledek uchovávejte přiřazený ke správnému zdroji a informacím o jeho kanálech. U schůzky kontrolujte jména účastníků a odborné termíny při poslechu původního zvuku. U přednášky nebo události zachovejte posloupnost zvuku, aby pozdější titulek nebo výsledek vyhledávání mohl najít příslušnou pasáž.
Průvodce výrobce pro nahrávky uvádí maximální velikost souboru 2 GB a doporučuje z velkého video souboru extrahovat zvukový proud. Dokumentuje také desetiminutový časový limit zpracování požadavků Nova. Tento limit se týká délky zpracování požadavku, nikoli maximální desetiminutové délky nahrávky. Užitečný výsledek zahrnuje konec zamýšlené nahrávky; částečně uchovaný přepis nelze považovat za úplný text.
Dokumentovaná odpověď JSON obsahuje alternativy přepisu a rozpoznaná slova, každé s časem začátku a konce v sekundách od počátku zvuku a hodnotou jistoty. U přepisu více mluvčích přiřazuje volitelná diarizace výrobce každému slovu označení mluvčího. Diarizace nahrávek také vrací jistotu přiřazení mluvčího; streamovaná diarizace vrací označení mluvčího. Tato označení kontrolujte vůči hlasům v nahrávce. Hlásí se také celková jistota přepisu na stupnici 0–1. Je-li požadováno chytré formátování, výsledek může obsahovat interpunkci a velká písmena ve slovech doplněných interpunkcí spolu s informacemi o čitelných odstavcích.
Pole používejte podle jejich významu. Čas slova určuje místo rozpoznané řeči, zatímco jistota je odhadem spolehlivosti modelu, nikoli důkazem správného zachycení obtížného jména nebo množství. Pro přípravu titulků zachovejte časování vedle zkontrolovaného znění a hranice ověřte podle zvuku. V čitelné redakční verzi udržujte změny odlišitelné od rozpoznaného přepisu, místo abyste nejistá slova tiše nahrazovali uvěřitelným příběhem.
Streamovaný postup Nova vrací text s příchodem zvuku v průběžných a finálních výsledcích. Ukazatel is_final rozlišuje text, který ještě může být upraven, od dokončeného segmentu. Ukazatel speech_final souvisí s detekcí konce úseku řeči. Tyto signály odlišujte od pouhého přijetí neprázdného přepisu a při přípravě úplného záznamu zachovávejte finální segmenty v jejich zvukovém pořadí.
Nova-3 je obecný model ASR, odlišný od samostatného konverzačního modelu Flux s detekcí konverzačních promluv přímo v modelu. Nova označuje finálnost přepisu a konce úseků řeči; Flux poskytuje vlastní události stavu konverzačních promluv. Postup přepisu volte podle toho, zda je zvuk již nahraný nebo přichází živě, a jako uchovávaný výstup používejte skutečný finální výsledek.
Dokumentované Keyterm Prompting v Nova-3 podporuje jednojazyčný i vícejazyčný přepis a směruje rozpoznávání k důležitým termínům bez přetrénování modelu. Dodávejte relevantní jména, produktové termíny, zkratky nebo víceslovné fráze, které skutečně mohou zaznít. Průvodce omezuje souhrnný vstup klíčových termínů na 500 tokenů a doporučuje zaměřit se na nejdůležitější slovní zásobu místo bezvýběrového přidávání běžných slov.
Syntaxe výrobce používá prosté termíny se samostatnou položkou keyterm pro každý termín. Víceslovná fráze zůstává jedinou frází. Starší váhy nebo zesilující modifikátory klíčových slov ani spojení samostatných termínů čárkami, středníky nebo novými řádky nejsou ekvivalentní: rozhraní je může přijmout jako jedinou doslovnou hodnotu bez zamýšleného posílení. U jmen používejte správná velká a malá písmena a poté přepis kontrolujte, protože zvukový kontext a chytré formátování mohou konečnou psanou podobu stále změnit.
Obecný profil Nova-3 se liší od samostatně pojmenovaných variant Medical a Pharma. Nápověda slovní zásobou jej nemění na jinou edici a u obecného modelu nelze předpokládat jazykové pokrytí nebo chování specializovaných modelů. Další funkce zpracování přepisu jsou volbami v řečovém postupu výrobce, nikoli důkazem, že rozpoznávání vytvořilo shrnutí, překlad nebo jiný výstup, který nebyl požadován.
Užitečným výstupem Nova-3 může být prohledávatelný přepis schůzky, znění připravené pro titulky s časováním slov nebo záznam vícejazyčné konverzace. Zachovejte identifikátor zvuku, zvolený jazykový postup, finální text a případná užitečná pole jistoty nebo časování. Nejasná jména, čísla, překrývající se hlasy a změny jazyka ověřujte vůči původní nahrávce a skutečně rozpoznanou řeč ponechte dostupnou pro další krok zpracování obsahu.
POST /v1/audio/transcriptionsaudiotranscription| Pole | Typ | Požadavek | Hodnoty a limity | Výchozí |
|---|---|---|---|---|
Polemodel | Typstring | PožadavekPovinné | Hodnoty a limity deepgram/nova-3 | Výchozí— |
Poleinput_audio | Typobject | PožadavekPovinné | Hodnoty a limity | Výchozí— |
Polelanguage | Typstring | PožadavekVolitelné | Hodnoty a limity | Výchozí— |
Poletemperature | Typnumber | PožadavekVolitelné | Hodnoty a limity Minimum: 0 Maximum: 1 | Výchozí— |
Poleresponse_format | Typstring | PožadavekVolitelné | Hodnoty a limity json, verbose_json | Výchozíjson |
Poletimestamp_granularities | Typarray | PožadavekVolitelné | Hodnoty a limity | Výchozí— |
Poleprovider | Typobject | PožadavekVolitelné | Hodnoty a limity | Výchozí— |
speech_to_text · Povinné: actual matching-format audio file
| Parametr | Kontrakt |
|---|---|
Parametrcontent_types | Kontraktapplication/json, multipart/form-data |
Parametrrequired | Kontraktmodel, input_audio |
Parametrmaterial_types | Kontraktaudio |
ParametrJSON_audio | Kontraktskutečné nezpracované bajty zvuku v base64 a odpovídající formát |
Parametrmultipart_required | Kontraktmodel, file |
Parametrmultipart_cap_bytes | Kontrakt26214400 |
Parametroptional_controls | Kontraktlanguage, temperature, response_format, timestamp_granularities, provider |
Parametrdefault_response_format | Kontraktjson |
Parametroptional_features | KontraktPodrobný výstup, diarize/keyterms a zvuk přes URL nebo větší vložená zvuková data vyžadují odpovídající podporu a tarif konkrétního modelu a poskytovatele. |
Životní cyklus: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · skutečně vrácené task_id nebo záznam v knihovně médií
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Použijte přesný model a dokumentovaná vstupní pole.
Uchovejte celou odpověď, každý skutečný výstup a původní vrácená ID.
Údaje o tarifech nepřidávají možnosti požadavku. Podporované parametry jsou uvedeny u vybrané metody.
Přiřaďte každý poplatek k uvedeným podmínkám. Pro každou sadu alternativních konfigurací použijte jednu sazbu.
| Konfigurace | Tabulka sazeb | Účtovací jednotka | Poplatek |
|---|---|---|---|
| KonfiguraceZákladní sazby za tokeny | Tabulka sazebZákladní sazba | Účtovací jednotka— | Poplatek Vstup · Vstupní tokeny — / 1K tokenů Výstup · Výstupní tokeny — / 1K tokenů Vstup · Čtení z mezipaměti — / 1K tokenů Vstup · Zápis do mezipaměti — / 1K tokenů Vstup · Zápis do mezipaměti, 1 hodina — / 1K tokenů |
| KonfiguraceUltra | Tabulka sazeb— | Účtovací jednotkaza sekundu vstupního zvuku | Poplatek Vstup · sekunda vstupního zvuku $0.0001433333333334 za sekundu vstupního zvuku |
Ailoot před požadavkem rezervuje odhadovanou částku. Po výsledku vyúčtuje konečný poplatek podle naměřeného využití. Při streamování se účtování řídí konečným záznamem využití. Jak funguje rezervace a vyúčtování →
Referenční tabulky modelu nemění výběr metody, cenové nabídky ani poplatky. Skutečné poplatky používají sazby vybrané metody Ailoot.
| Konfigurace | Podmínky účtování | Poplatek |
|---|---|---|
| KonfiguraceDeepgram: Nova-3 · Výchozí konfigurace | Podmínky účtováníVýchozí konfigurace | Poplatek Vstup · Sekundy vstupního zvuku ≈0,000143 US$ za sekundu vstupního zvuku |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_AUDIO_FILE:?Set the path to your actual WAV recording}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\nimport base64\naudio=Path(os.environ['AILOOT_AUDIO_FILE']).read_bytes()\nif not (audio[:4]==b'RIFF' and audio[8:12]==b'WAVE'): raise SystemExit('Supply an actual WAV audio file')\nif len(audio)>26214400: raise SystemExit('Use a documented supported large-file flow')\nrequest={'model': 'deepgram/nova-3', 'input_audio': {'data': '${BASE64_ACTUAL_WAV_BYTES}', 'format': 'wav'}}\nrequest['input_audio']['data']=base64.b64encode(audio).decode('ascii')\nPath('request.json').write_text(json.dumps(request,ensure_ascii=False),encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/transcriptions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o response.bin\n# Keep the complete original response and headers. Read every returned segment, word and usage field.\n# Preserve actual operation/task/asset IDs; continue reads of the original result without resubmitting.\njson
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}Uchovejte každou úplnou vrácenou odpověď, soubor i část obsahu.
Celý původní JSON, veškerý dostupný text, segmenty, slova, mluvčí, časové značky a údaje o využití.
Uchovejte původní operation_id/X-Client-Request-ID a původní odpověď. Načítejte skutečné záznamy úloh a souborů spravovaných službou bez opětovného odesílání; žádná vyhrazená URL pro dotazování na zvuk se nesestavuje.
| Pole | Typ |
|---|---|
Poletext | Typstring |
Poleusage | Typobject |
Polesegments[] | Typobject |
Polewords[] | Typobject |
Ailoot Ultra deepgram/nova-3
Použijte cesty metod uvedené výše.