Fish Audio: Transcribe 1

Transcribe 1 wandelt kurze Audioaufnahmen mit automatischer Erkennung der gesprochenen Sprache und optionalen Zeitstempeln auf Wortebene in Text um. Nutzen Sie das Transkript für Sprachnotizen, durchsuchbare Clips oder die Untertitelvorbereitung und halten Sie zeitlich ausgerichtete Segmente vom lesbaren Gesamttext getrennt.

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

Über das Modell

Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.

Transcribe 1 ist Fish Audios allgemeines Spracherkennungsmodell für kurze Aufnahmen. Es nimmt eine Audiodatei entgegen und liefert die erkannten Wörter als Text, dazu die Aufnahmedauer, optionale zeitlich ausgerichtete Segmente und gegebenenfalls Sprachinformationen. Das Modell ist für eine kurze Sprachnotiz, eine gesprochene Anweisung, einen Aufnahmeauszug oder einen Audioclip nützlich, der eine lesbare Textdarstellung benötigt.

Ein beispielhafter Sprachnotizablauf bewahrt Aufnahme, vollständiges Transkript und Kennung des Originalclips zusammen auf. Ein späterer Anwendungsschritt kann den Text durchsuchen, die Notiz ordnen oder eine Zusammenfassung erstellen und dabei die gesprochene Quelle erhalten. Bei einem Befehl liefert das Transkript erkannte Wörter an die Anwendung; jede Handlung ist ein gesonderter Interpretations- und Ausführungsschritt. Halten Sie bei einem Interviewauszug dessen Position im vollständigen Audio fest, damit ein Zitat an der richtigen Stelle geprüft werden kann.

Der Hersteller akzeptiert WAV, MP3, AAC einschließlich M4A/MP4, FLAC und Ogg mit Opus oder Vorbis. Browseraufnahmen in WebM sollten für dieses Modell in Ogg/Opus, MP3 oder WAV umgewandelt werden; Pro dokumentiert native Unterstützung weiterer Container. Liefern Sie eine Audiodatei je Anfrage. Das dokumentierte Anfragebudget des Basismodells beträgt bis zu 50 MiB; MP3- und Opus-Dateien müssen unter 25 MiB bleiben. Dateigröße und Aufnahmelänge sind verschiedene Aspekte: Eine komprimierte Datei kann in das Uploadbudget passen und dennoch zu lange für die Verarbeitung dauern.

Transcribe 1 ist für kurze Aufnahmen ausgelegt. Der Hersteller empfiehlt Pro für Audio, das länger als einige Minuten ist; eine lange Basismodellanfrage kann bei Überschreiten der Verarbeitungszeitgrenze fehlschlagen. Bewahren Sie bei der Aufteilung längerer Quellen in kurze Transkriptionsclips den Startversatz jedes Clips und bestätigen Sie vor dem Zusammenführen, dass das zurückgegebene Transkript den gesamten Clip abdeckt. Addieren Sie den ursprünglichen Versatz zu den lokalen Segmentzeiten, damit die Navigation mit der vollständigen Aufnahme verbunden bleibt. Die Hinweise zum Basismodell sind nicht als separates 60-Minuten-Budget von Pro zu verstehen.

Die Herstellerantwort enthält Text, Dauer und Segmente. Die Dauer wird in Sekunden angegeben; das lesbare Gesamttranskript sollte als maßgeblicher Wortlaut des Clips erhalten bleiben. Zeitstempel sind optional: ignore_timestamps ist in der Hersteller-API standardmäßig true; false fordert Segmente auf Wortebene mit Text sowie Start- und Endzeiten in Sekunden an. Die zeitliche Ausrichtung verlängert die Verarbeitung. Ein leeres Segmentarray kann übersprungene Zeitangaben, fehlende Sprache oder vorübergehend nicht verfügbare Ausrichtung bedeuten und sollte deshalb nicht automatisch als leeres Gesamttranskript gelten.

Segmente sind meist Wörter, im Chinesischen und Japanischen auch ein oder wenige Zeichen. Ihr Text enthält keine Interpunktion und kann einen Wert anders normalisieren als das Gesamttranskript; er ist keine zeichengetreue Kopie der lesbaren Antwort. Ein Segment kann dieselbe Start- und Endzeit haben. Verwenden Sie Segmente zum Auffinden einer Position in der Aufnahme oder für die zeitgesteuerte Anzeige und den Gesamttext, wenn Wortlaut und Interpunktion zählen. Halten Sie beide Darstellungen im Ergebnis getrennt.

Die Sprache wird automatisch erkannt, unabhängig von einem optionalen Sprachhinweis. Der Hersteller dokumentiert kleingeschriebene ISO-639-1-Codes für Hinweise und gibt, soweit bekannt, einen Sprachcode für Anwendungslogik sowie einen Sprachnamen zur Anzeige zurück. Die Antwort meldet eine Sprache statt aller Sprachen einer mehrsprachig wechselnden Aufnahme. Bewahren Sie Quellwortlaut und verfügbare Sprachmetadaten zusammen mit dem Ergebnis auf, statt eine Transkriptionsanfrage als Übersetzung zu behandeln.

Gruppieren Sie für Untertitel aufeinanderfolgende zeitlich ausgerichtete Segmente zu lesbaren Einblendungen, statt jedes Wort einzeln zu zeigen. Ein nützliches Ergebnis ist eine mit dem Originalclip verknüpfte SRT- oder WebVTT-Datei, deren Einblendungsgrenzen zu Pausen passen und deren Textmenge auf dem Bildschirm überschaubar bleibt. Prüfen Sie fehlende Zeitangaben und stellen Sie sicher, dass das Ende jeder Einblendung nach ihrem Anfang liegt. Gruppierung und Dateiformatierung sind Anwendungsschritte auf Grundlage der zurückgegebenen Ausrichtung; die Darstellung sollte zum Player und Publikum passen.

Die dokumentierten Regler von Transcribe 1 sind Audio, ein Sprachhinweis und die Zeitstempelauswahl. Sprechermarkierungen, strukturierte Sprecherwechsel, Regler für emotionale Ereignisse und Hinweise zur Sprecherzahl von Pro sind gesonderte Funktionen und gehören nicht zum dokumentierten Antwortvertrag dieses Basismodells. Wählen Sie das benötigte Ergebnis vor der Verarbeitung: lesbarer Klartext für eine Notiz oder Text samt Ausrichtung für Wiedergabenavigation und Untertitel. Clipkennung, Transkript und verfügbare Zeitangaben zu bewahren macht das Ergebnis für den nächsten Anwendungsschritt nutzbar.

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

fish-audio/transcribe-1

Fish Audio /fish-audio/transcribe-1

Start

Zulässige Eingaben: Audio
Ergebnisse: Text

In Ailoot verfügbar · Eingaben und Methoden

Ailoot Ultra · Transkription POST /v1/audio/transcriptions

Eingabetypen: audio
Ausgabetypen: text

Feld	Typ	Anforderung	Werte und Limits	Standard
Feld`model`	Typ`string`	AnforderungErforderlich	Werte und Limits fish-audio/transcribe-1	Standard—
Feld`input_audio`	Typ`object`	AnforderungErforderlich	Werte und Limits	Standard—

Methodenparameter und Lebenszyklus

Parameter	Vertrag
Parameter`content_type`	Vertragapplication/json
Parameter`required`	Vertragmodel, input_audio
Parameter`material_types`	Vertragaudio
Parameter`material_conditions`	VertragDas Beispiel liest Ihre tatsächliche, nicht leere PCM-WAV-Datei ein, kodiert sämtliche Dateibytes als base64 und sendet input_audio.format als wav.

Lebenszyklus: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · Exakte task_id aus einem vorhandenen, Ihnen zugeordneten Mediendatensatz

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Tarife

Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.

Schnellmodus: Nicht angegeben Wenn der Schnellmodus ausgewählt ist
Flex-Modus: Nicht angegeben Wenn der Modus flex ausgewählt ist
Maximaler Denkaufwand: Nicht angegeben Wenn beim maximalen Denkaufwand die Standardanpassung (default) verwendet wird

Ailoot-Tarife

Preise nach Konfiguration

Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.

Konfiguration	Tarifstaffel	Abrechnungseinheit	Gebühr
KonfigurationBasistarife für Token	TarifstaffelGrundtarif	Abrechnungseinheit—	Gebühr Eingabe · Eingabetoken — / 1K Token Ausgabe · Ausgabetoken — / 1K Token Eingabe · Cache-Lesen — / 1K Token Eingabe · Cache-Schreiben — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token
KonfigurationAudioeingabesekunde	Tarifstaffel—	Abrechnungseinheitpro Sekunde Eingabeaudio	Gebühr Eingabe · Audioeingabesekunde $0.0002 pro Sekunde Eingabeaudio

Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →

Beispielanfragen

Ailoot Ultra · Transkription

curl · tatsächliche WAV-Datei und vollständiges Originalergebnis

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.

Ergebnisse abrufen und speichern

Ailoot Ultra · Transkription

Vollständiger ursprünglicher Antwortinhalt, Status und weitergeleitete Header. Dieser Handler fügt weder eine universelle JSON-Struktur noch ein Textfeld oder eine Aufgabenhülle hinzu.

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

Alle fertiggestellten Ergebnisse aufbewahren

Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.

Die vollständige Antwort und ihre Header, jede tatsächliche Ausgabe, die ursprünglich zurückgegebenen Kennungen und alle Nutzungsfelder aufbewahren. Den ursprünglichen Vorgang wiederaufnehmen, ohne die Erstellung erneut anzufordern.

Wenn die ursprüngliche Antwort geprüft werden muss

Bewahren Sie die tatsächliche X-Client-Request-ID und die vollständige Antwort auf. Lesen Sie die ursprünglichen, Ihnen zugeordneten Assets und ihre exakten signierten Inhalts-URLs aus; übermitteln Sie eine Erstellung mit unklarem Ausgang niemals erneut.

Antwortfelder

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

Fehler und nächste Schritte

Antwort	Bedingung	Nächster Schritt
Antwort400 · `invalid_request_error`	BedingungDer JSON-Inhalt oder die ausdrücklich angegebene kanonische Modell-ID ist ungültig.	Nächster SchrittBewahren Sie die Antwort auf und korrigieren Sie das angegebene Anfragefeld.
Antwort401 · `authentication_error`	BedingungDer Ailoot-API-Schlüssel ist ungültig.	Nächster SchrittVerwenden Sie Ihren autorisierten Ailoot-API-Schlüssel.
Antwort403 · `permission_error`	BedingungDie Schlüsselgruppe lässt diese Methode nicht zu.	Nächster SchrittBewahren Sie die zurückgegebenen Fehlerdetails auf.
Antwort404 · `not_found_error`	BedingungDie ausgewählte Methode hat keine zugelassene Route.	Nächster SchrittBewahren Sie die zurückgegebenen Fehlerdetails auf.
Antwort422 · `price_unavailable`	BedingungDer akzeptierte Tarif kann die erforderliche Eingabemenge oder deren Grenze nicht ermitteln.	Nächster SchrittBewahren Sie die Antwort auf; verwenden Sie die vom akzeptierten Tarif verlangte Eingabedarstellung.
Antwort503 ·	BedingungErforderlicher Speicher, Route, Methodenpreis oder Reservierung sind nicht verfügbar.	Nächster SchrittBewahren Sie die vollständige ursprüngliche Antwort auf. Eine unklare Reservierung berechtigt nicht zur erneuten Übermittlung.
Antwort502 · `server_error`	BedingungDas ursprüngliche Ergebnis, der Verbrauch oder die Abrechnung müssen geprüft werden.	Nächster SchrittBewahren Sie die tatsächliche Anfrage-ID und die ursprüngliche Antwort auf. Lesen Sie den vorhandenen, Ihnen zugeordneten Datensatz aus; übermitteln Sie die Erstellung nicht erneut.

Aliasnamen

Modellaliasnamen

Ailoot Ultra fish-audio/transcribe-1

Aliasnamen für Methodenpfade

Verwenden Sie die oben angezeigten Methodenpfade.

Zugehörige Aufrufer-IDs

fish-audio/transcribe-1

FAQ · Fish Audio: Transcribe 1

Welche Eingaben und Ergebnisse sind verfügbar?: POST /v1/audio/transcriptions · fish-audio/transcribe-1: audio → text
Welche Felder verwendet die Anfrage?: POST /v1/audio/transcriptions · fish-audio/transcribe-1: model, input_audio

Fish Audio: Transcribe 1