Fish Audio: Transcribe 1

Transcribe 1 převádí krátké zvukové nahrávky na text s automatickým rozpoznáním jazyka a volitelnými časovými značkami jednotlivých slov. Přepis využijte pro hlasové poznámky, prohledávatelné klipy nebo přípravu titulků; časované úseky uchovávejte odděleně od čitelného úplného textu.

Ailoot Ultra · Přepis řeči POST /v1/audio/transcriptions fish-audio/transcribe-1

O modelu

Tento popis zahrnuje schopnosti modelu. Vstupy, výstupy a možnosti dostupné v Ailoot jsou uvedeny níže pro vybranou metodu.

Transcribe 1 je obecný model Fish Audio pro převod krátkých nahrávek z řeči na text. Přijímá zvukový soubor a vrací rozpoznaná slova jako text spolu s délkou nahrávky, volitelnými časovanými úseky a informacemi o jazyce, pokud jsou známé. Hodí se pro krátkou hlasovou poznámku, mluvený pokyn, výňatek z nahrávky nebo zvukový klip, který potřebuje čitelnou textovou podobu.

Příklad postupu s hlasovou poznámkou uchovává nahrávku společně s úplným přepisem a identifikátorem původního klipu. Následující krok aplikace může text prohledávat, poznámku uspořádat nebo vytvořit shrnutí při zachování mluveného zdroje. U příkazu přepis dodává aplikaci rozpoznaná slova; případná akce je samostatným krokem interpretace a provedení. U výňatku z rozhovoru zaznamenejte polohu klipu v úplném zvuku, aby bylo možné citaci ověřit na správném místě.

Výrobce přijímá WAV, MP3, AAC včetně M4A/MP4, FLAC a Ogg obsahující Opus nebo Vorbis. Nahrávky z prohlížeče ve WebM je pro tento model třeba převést do Ogg/Opus, MP3 nebo WAV; Pro dokumentuje nativní podporu dalších kontejnerů. Na jeden požadavek dodejte jeden zvukový soubor. Zdokumentovaný limit požadavku základního modelu je až 50 MiB, přičemž soubory MP3 a Opus musí zůstat pod 25 MiB. Velikost souboru a délka záznamu jsou odlišná hlediska: komprimovaný soubor se může vejít do limitu nahrávání, a přesto jeho zpracování trvat příliš dlouho.

Transcribe 1 je určen pro krátké nahrávky. Pro zvuk delší než několik minut výrobce doporučuje Pro; dlouhý požadavek na základní model může selhat při překročení časového limitu zpracování. Když připravujete delší zdroj k přepisu po krátkých klipech, zachovejte počáteční časový posun každého klipu a před spojením výsledků ověřte, že vrácený přepis pokrývá celý klip. K místním časům úseků přičtěte původní posun, aby navigace zůstala propojená s úplnou nahrávkou. Pokyny pro základní model nelze vykládat jako samostatný 60minutový limit Pro.

Odpověď výrobce obsahuje text, délku a úseky. Délka se vyjadřuje v sekundách a čitelný úplný přepis by měl být uchován jako hlavní znění klipu. Časové značky jsou volitelné: ignore_timestamps má v API výrobce výchozí hodnotu true, zatímco false žádá úseky na úrovni slov s textem a počátečním i koncovým časem v sekundách. Vyžádání zarovnání prodlužuje zpracování. Prázdné pole segments může znamenat vynechané časování, nepřítomnost řeči nebo dočasně nedostupné zarovnání, proto je nelze automaticky vykládat jako prázdný úplný přepis.

Úseky obvykle představují slova, v čínštině a japonštině také jeden či několik znaků. Jejich text vynechává interpunkci a může hodnotu normalizovat jinak než úplný přepis; nejde o kopii čitelné odpovědi znak po znaku. Úsek může mít shodný počáteční a koncový čas. Úseky používejte pro nalezení polohy v nahrávce nebo přípravu časovaného zobrazení a úplný text tam, kde záleží na znění a interpunkci. Tyto dvě reprezentace uchovávejte ve výsledném souboru odděleně.

Jazyk se rozpoznává automaticky bez ohledu na dodání volitelné jazykové nápovědy. Výrobce pro nápovědy dokumentuje kódy ISO 639-1 malými písmeny a vrací kód jazyka pro aplikační logiku i název jazyka pro zobrazení, pokud jsou známé. Odpověď uvádí jeden jazyk, nikoli všechny jazyky nahrávky, která mezi nimi přepíná. S výsledkem uchovávejte původní znění a dostupná jazyková metadata a nepovažujte požadavek na přepis za překlad.

Pro titulky seskupujte po sobě jdoucí časované úseky do čitelných titulků, místo abyste zobrazovali každé slovo samostatně. Užitečným výstupem je soubor SRT nebo WebVTT propojený s původním klipem, s hranicemi titulků podle pauz a přiměřeným množstvím textu na obrazovce. Kontrolujte chybějící časování a zajistěte, aby konec každého titulku následoval po jeho začátku. Seskupování titulků a formátování souboru jsou kroky aplikace vycházející z vráceného zarovnání a způsob zobrazení má odpovídat přehrávači i publiku.

Zdokumentované ovládání Transcribe 1 zahrnuje zvuk, jazykovou nápovědu a volbu časových značek. Značky mluvčích, strukturované repliky mluvčích, ovládání emočních událostí a nápovědy počtu mluvčích z Pro jsou samostatné funkce; nejsou součástí zdokumentovaného kontraktu odpovědi tohoto základního modelu. Před zpracováním zvolte požadovaný výstup: prostý čitelný text pro poznámku nebo text se zarovnáním pro navigaci při přehrávání a titulky. Zachování identifikátoru klipu, přepisu a dostupného časování dává výsledku hodnotu pro další fázi aplikace.

Ailoot Ultra · Přepis řeči POST /v1/audio/transcriptions fish-audio/transcribe-1

fish-audio/transcribe-1

Fish Audio /fish-audio/transcribe-1

Úvod

Přijímané vstupy: Zvuk
Výsledky: Text

Dostupné v Ailoot · vstupy a metody

Ailoot Ultra · Přepis řeči POST /v1/audio/transcriptions

Vstup: audio
Výstup: text

Pole	Typ	Požadavek	Hodnoty a limity	Výchozí
Pole`model`	Typ`string`	PožadavekPovinné	Hodnoty a limity fish-audio/transcribe-1	Výchozí—
Pole`input_audio`	Typ`object`	PožadavekPovinné	Hodnoty a limity	Výchozí—

Parametry a životní cyklus metody

Parametr	Kontrakt
Parametr`content_type`	Kontraktapplication/json
Parametr`required`	Kontraktmodel, input_audio
Parametr`material_types`	Kontraktaudio
Parametr`material_conditions`	KontraktPříklad načte váš skutečný neprázdný soubor PCM WAV, zakóduje všechny jeho bajty do base64 a odešle input_audio.format s hodnotou wav.

Životní cyklus: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · přesné task_id z existujícího záznamu média spravovaného službou

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Tarify

Údaje o tarifech nepřidávají možnosti požadavku. Podporované parametry jsou uvedeny u vybrané metody.

Rychlý režim: Neuvedeno Při výběru rychlého režimu
Režim flex: Neuvedeno Při výběru režimu flex
Maximální intenzita uvažování: Neuvedeno Když se při maximální intenzitě uvažování použije výchozí úprava (default)

Sazby Ailoot

Ceny podle konfigurace

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
Konfiguracesekunda vstupního zvuku	Tabulka sazeb—	Účtovací jednotkaza sekundu vstupního zvuku	Poplatek Vstup · sekunda vstupního zvuku $0.0002 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 →

Příklady požadavků

Ailoot Ultra · Přepis řeči

curl · skutečný soubor WAV a úplný původní výsledek

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': 'fish-audio/transcribe-1', '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.

Přijímání a ukládání výsledků

Ailoot Ultra · Přepis řeči

Celé původní tělo odpovědi, stav a předané hlavičky. Tento obslužný kód nepřidává žádnou univerzální strukturu JSON, textové pole ani obalovou strukturu úlohy.

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

Uchovejte všechny dokončené výsledky

Uchovejte každou úplnou vrácenou odpověď, soubor i část obsahu.

Uchovejte úplnou odpověď a hlavičky, všechny skutečné výstupy, původní vrácené identifikátory a všechna pole s údaji o využití. Obnovte původní operaci bez opětovného odeslání požadavku na vytvoření.

Pokud je nutné ověřit původní odpověď

Uchovejte skutečné X-Client-Request-ID a celou odpověď. Načítejte původní soubory spravované službou a jejich přesné podepsané URL obsahu; vytvoření s nejistým výsledkem nikdy znovu neodesílejte.

Pole odpovědi

Pole	Typ
Pole`text (when present)`	Typ
Pole`usage (when present)`	Typ

Chyby a další kroky

Odpověď	Podmínka	Další krok
Odpověď400 · `invalid_request_error`	PodmínkaTělo JSON nebo explicitně uvedené kanonické ID modelu jsou neplatné.	Další krokUchovejte odpověď a opravte označené pole požadavku.
Odpověď401 · `authentication_error`	PodmínkaKlíč API Ailoot je neplatný.	Další krokPoužijte svůj autorizovaný klíč API Ailoot.
Odpověď403 · `permission_error`	PodmínkaSkupina klíče nemá přístup k této metodě.	Další krokUchovejte vrácené podrobnosti chyby.
Odpověď404 · `not_found_error`	PodmínkaVybraná metoda nemá žádnou trasu s povoleným přístupem.	Další krokUchovejte vrácené podrobnosti chyby.
Odpověď422 · `price_unavailable`	PodmínkaPřijatý tarif nedokáže získat potřebné vstupní množství nebo jeho horní mez.	Další krokUchovejte odpověď; použijte způsob zadání vstupu požadovaný přijatým tarifem.
Odpověď503 ·	PodmínkaPotřebné úložiště, trasa, cena metody nebo rezervace nejsou dostupné.	Další krokUchovejte celou původní odpověď. Nejasná rezervace neopravňuje k opětovnému odeslání.
Odpověď502 · `server_error`	PodmínkaPůvodní výsledek, údaje o využití nebo vyúčtování vyžadují kontrolu.	Další krokUchovejte skutečné ID požadavku a původní odpověď. Načítejte existující záznam spravovaný službou; požadavek na vytvoření znovu neodesílejte.

Aliasy

Aliasy modelu

Ailoot Ultra fish-audio/transcribe-1

Aliasy cest metod

Použijte cesty metod uvedené výše.

Související ID modelů

fish-audio/transcribe-1

FAQ · Fish Audio: Transcribe 1

Jaké vstupy a výsledky jsou dostupné?: POST /v1/audio/transcriptions · fish-audio/transcribe-1: audio → text
Jaká pole požadavek používá?: POST /v1/audio/transcriptions · fish-audio/transcribe-1: model, input_audio

Fish Audio: Transcribe 1