{
  "aboutHtml": "<p>Το Muse Voice Transcribe 1.0 είναι το μοντέλο ακουστικής αντίληψης της Meta για την απομαγνητοφώνηση ομιλίας, την ανίχνευση των ορίων των εκφωνήσεων και την απόδοση των παρεμβάσεων σε ομιλητές. Ανήκει στην οικογένεια μοντέλων Muse Spark και συνδυάζει την αναγνώριση, τη διαχωριστική αναγνώριση ομιλητών και την ανίχνευση λήξης εκφώνησης μέσα στο ίδιο το μοντέλο. Η έξοδός του είναι το αναγνωρισμένο κείμενο με τις πληροφορίες χρονισμού και ομιλητών που διατίθενται στην επιλεγμένη λειτουργία.</p><p>Το μοντέλο επεξεργάζεται τον ήχο σε τμήματα των 80 χιλιοστών του δευτερολέπτου και αποφασίζει πότε να συνεχίσει την ακρόαση ή να εκπέμψει κείμενο. Η προσαρμοστική καθυστέρησή του επιτρέπει να περιμένει επιπλέον ήχο όταν μια λέξη είναι δυσκολότερο να αποσαφηνιστεί. Έτσι παράγεται μερικό κείμενο όσο φτάνει η ομιλία και ακολουθούν ολοκληρωμένα αποτελέσματα απομαγνητοφώνησης. Αντιμετωπίζετε την προσωρινή υπόθεση και την ολοκληρωμένη παρέμβαση ως διαφορετικά στάδια της εμπειρίας ακρόασης.</p><p>Επιλέξτε ανάμεσα σε τρεις λειτουργίες. Το Push-to-talk είναι η προεπιλογή για μία ελεγχόμενη εκφώνηση, όπως ένα φωνητικό ερώτημα ή ένα σύντομο υπαγορευμένο απόσπασμα. Η λειτουργία endpointing επιτρέπει στο μοντέλο να ανιχνεύει τα όρια των παρεμβάσεων και να επιστρέφει μία ολοκληρωμένη απομαγνητοφώνηση για κάθε τμήμα που ανιχνεύεται. Η λειτουργία diarization αποδίδει την αναγνωρισμένη ομιλία σε ετικέτες ομιλητών και προορίζεται για ηχογραφήσεις πολλών ομιλητών, αντί για την ταχύτερη εναλλαγή διαδοχικών φωνητικών εντολών.</p><p>Για ένα ηχογραφημένο απόσπασμα, η ροή απομαγνητοφώνησης αρχείου επιστρέφει ολόκληρη την απομαγνητοφώνηση σε ένα αίτημα. Το προεπιλεγμένο αποτέλεσμα είναι JSON που περιέχει την απομαγνητοφώνηση και τη διάρκεια του ήχου, με έναν πίνακα turns στις λειτουργίες endpointing και diarization. Κάθε παρέμβαση μπορεί να περιλαμβάνει αναγνωριστικό, χρόνο έναρξης και λήξης σε χιλιοστά του δευτερολέπτου και το αναγνωρισμένο κείμενό της. Στη λειτουργία diarization υπάρχουν ετικέτες ομιλητών. Το Push-to-talk παράγει ολόκληρη την απομαγνητοφώνηση χωρίς ανιχνευμένες παρεμβάσεις σε αυτόν τον πίνακα. Η διεπαφή ηχογραφημένων αρχείων του κατασκευαστή μπορεί επίσης να επιστρέψει απλό κείμενο ή μια ροή συμβάντων απομαγνητοφώνησης. Το απλό κείμενο διατηρεί τις ανιχνευμένες παρεμβάσεις σε χωριστές γραμμές και μπορεί να περιλαμβάνει ετικέτες ομιλητών· μια ροή συμβάντων τερματίζεται μετά το τελευταίο της συμβάν, χωρίς χωριστή σύνοψη JSON. Η λειτουργία μερικών αποτελεσμάτων delta επιστρέφει τις διαδοχικές προσθήκες κειμένου, ενώ το τελικό συμβάν απομαγνητοφώνησης περιέχει την πλήρη διατύπωση.</p><p>Προετοιμάστε ένα αρχείο RIFF/WAVE με μονοφωνικό ήχο PCM ακέραιων τιμών 16 bit στα 16 ή 24 kHz. Ο εγγενής ρυθμός δειγματοληψίας του μοντέλου είναι 24 kHz και η διεπαφή δέχεται επίσης 16 kHz. Μετατρέψτε άλλα περιβλήματα ή κωδικοποιήσεις σε αυτήν την υποστηριζόμενη μορφή WAV πριν υποβάλετε μια ηχογράφηση. Το προφίλ απομαγνητοφώνησης αρχείου επιτρέπει ήχο διάρκειας έως 10 λεπτών και συνολικό σώμα αιτήματος έως 32 MB. Διατηρείτε την αρχική ηχογράφηση και κάθε μετατροπή της συνδεδεμένες με την επιστρεφόμενη απομαγνητοφώνηση για μεταγενέστερο έλεγχο μέσω ακρόασης.</p><p>Η ροή ζωντανού ήχου χρησιμοποιεί ακατέργαστο, προσημασμένο, μονοφωνικό PCM 16 bit σε διάταξη little-endian, με ήχο στα 16 ή 24 kHz που αποστέλλεται περίπου σε πραγματικό χρόνο. Το τεκμηριωμένο χρονικό όριο συνεδρίας είναι 60 λεπτά. Η Meta περιγράφει εγγενή είσοδο ήχου που υπερβαίνει τη μία ώρα· τα τεκμηριωμένα όρια αρχείου και ζωντανής συνεδρίας παραμένουν χωριστά όρια διεπαφής. Επιλέξτε τη ροή ηχογραφημένου αρχείου ή τη ζωντανή ροή ανάλογα με το αν ο ήχος είναι ήδη ολοκληρωμένος ή εξακολουθεί να καταγράφεται και διατηρείτε τα αποτελέσματα διαφορετικών συνεδριών συνδεδεμένα με τα δικά τους τμήματα εισόδου.</p><p>Το Muse Voice Transcribe έχει εκπαιδευτεί σε περισσότερες από 70 γλώσσες, ενώ η τεκμηριωμένη διεπαφή αναγνώρισης απαριθμεί 25 υποστηριζόμενες γλώσσες. Σε αυτές περιλαμβάνονται τα αγγλικά, τα γαλλικά, τα γερμανικά, τα ισπανικά, τα αραβικά, τα κινεζικά μανδαρινικά, τα χίντι, τα ιαπωνικά, τα κορεατικά, τα ιταλικά και τα πορτογαλικά. Αναγνωρίζει την εναλλαγή γλωσσών μέσα στην ίδια πρόταση ή μεταξύ προτάσεων. Μια υπόδειξη γλώσσας μπορεί να κατονομάζει τις γλώσσες που αναμένονται στον ήχο, αλλά κατευθύνει την αναγνώριση αντί να επιβάλλει μία γλώσσα στην απομαγνητοφώνηση.</p><p>Οι υποδείξεις λεξιλογίου βοηθούν με όρους προϊόντων, ακρωνύμια, ονόματα ή τοπωνύμια που έχουν σημασία σε μια ηχογράφηση. Δώστε τις πραγματικές λέξεις και την ορθογραφία που αναμένετε να ακούσετε. Η λίστα λέξεων-κλειδιών επηρεάζει την αναγνώριση χωρίς να εγγυάται ακριβή ορθογραφία, οπότε ελέγχετε τους καθοριστικούς όρους συγκρίνοντάς τους με τον ήχο. Οι υποδείξεις γλώσσας και οι λέξεις-κλειδιά επιλέγονται στην αρχή της απομαγνητοφώνησης· διατηρείτε τις κατάλληλες για τη συγκεκριμένη ηχογράφηση αντί να αλλάζετε τη σημασία τους όσο εκτελείται μια συνεδρία.</p><p>Το μοντέλο υποστηρίζει diarization για συζητήσεις με περισσότερους από 20 ομιλητές. Ετικέτες όπως A και B προσδιορίζουν ομιλητές μέσα σε μία απομαγνητοφώνηση. Δεν είναι επαληθευμένα ονόματα και δεν τεκμηριώνουν ότι μια ετικέτα αναφέρεται στο ίδιο άτομο σε άλλη συνεδρία. Για μια πρωτότυπη εργασία ανάλυσης συνάντησης, ζητήστε παρεμβάσεις με απόδοση ομιλητή, διατηρήστε την ηχογράφηση και χρησιμοποιήστε τις ετικέτες για να οργανώσετε τη συζήτηση πριν αντιστοιχίσετε πραγματικά ονόματα συμμετεχόντων μέσω της ευρύτερης ροής εργασίας.</p><p>Οι ζωντανές μερικές απομαγνητοφωνήσεις μπορούν να αλλάζουν καθώς φτάνει περισσότερη ομιλία. Στη σωρευτική λειτουργία, κάθε μερικό αποτέλεσμα αντικαθιστά την προηγούμενη υπόθεση αντί να προσθέτει άλλο ένα αντίγραφό της. Ένα ανιχνευμένο τέλος ομιλίας σηματοδοτεί ένα όριο, ενώ το αποτέλεσμα ολοκληρωμένης παρέμβασης παρέχει το τελικό κείμενο και μπορεί να διαφέρει από το τελευταίο μερικό αποτέλεσμα. Διατηρείτε τις επικαλυπτόμενες παρεμβάσεις συνδεδεμένες με τα αναγνωριστικά τους και παραλαμβάνετε τα ολοκληρωμένα αποτελέσματα πριν θεωρήσετε ότι μια απομαγνητοφώνηση έχει τελειώσει. Όταν ολοκληρωθεί η ζωντανή είσοδος, σηματοδοτήστε το τέλος εισόδου και συνεχίστε να λαμβάνετε μέχρι ο παραγωγός να ολοκληρώσει την αποστολή των εκκρεμών αποτελεσμάτων. Το άμεσο κλείσιμο της σύνδεσης μπορεί να απορρίψει αυτά τα αποτελέσματα· ένα ανιχνευμένο όριο ομιλίας τερματίζει μια παρέμβαση και όχι ολόκληρη τη συνεδρία.</p><p>Ο χρονισμός παρέχεται ανά παρέμβαση. Αυτό το προφίλ δεν παρέχει χρονικές σημάνσεις ανά λέξη ή βαθμολογίες εμπιστοσύνης και η πρόοδος επεξεργασίας του ήχου δεν αποτελεί χρονική σήμανση για μια συγκεκριμένη λέξη. Η ανίχνευση ηχητικών συμβάντων, η ανίχνευση συναισθήματος και η αναδιαμόρφωση της απομαγνητοφώνησης βρίσκονται επίσης έξω από το τεκμηριωμένο προφίλ εξόδου. Χρησιμοποιήστε τα επιστρεφόμενα χρονικά διαστήματα παρεμβάσεων για ένα χρονολόγιο ομιλητών ή έλεγχο ανά τμήμα και διατηρήστε τις αναγνωρισμένες λέξεις αν ένα χωριστό βήμα επεξεργασίας δημιουργήσει αργότερα πιο καθαρές σημειώσεις.</p><p>Χρήσιμα παραδοτέα είναι ένα ολοκληρωμένο υπαγορευμένο απόσπασμα, η απομαγνητοφώνηση ενός φωνητικού ερωτήματος, μια συζήτηση με απόδοση ομιλητών ή ένα χρονολόγιο εκφωνήσεων. Συγκρίνετε ονόματα, αριθμούς και τεχνικούς όρους με την αρχική ηχογράφηση, διατηρήστε τις συσχετίσεις λειτουργίας και χρονισμού και κρατήστε διαθέσιμες τις πλήρεις παρεμβάσεις για έλεγχο. Η απομαγνητοφώνηση τεκμηριώνει τι αναγνωρίστηκε στον ήχο· η απάντηση σε μια προφορική ερώτηση, η μετάφρασή της ή η μετατροπή της σε σημειώσεις συνάντησης ανήκει σε μεταγενέστερο βήμα της εφαρμογής.</p>",
  "aboutText": "Το Muse Voice Transcribe 1.0 είναι το μοντέλο ακουστικής αντίληψης της Meta για την απομαγνητοφώνηση ομιλίας, την ανίχνευση των ορίων των εκφωνήσεων και την απόδοση των παρεμβάσεων σε ομιλητές. Ανήκει στην οικογένεια μοντέλων Muse Spark και συνδυάζει την αναγνώριση, τη διαχωριστική αναγνώριση ομιλητών και την ανίχνευση λήξης εκφώνησης μέσα στο ίδιο το μοντέλο. Η έξοδός του είναι το αναγνωρισμένο κείμενο με τις πληροφορίες χρονισμού και ομιλητών που διατίθενται στην επιλεγμένη λειτουργία.\n\nΤο μοντέλο επεξεργάζεται τον ήχο σε τμήματα των 80 χιλιοστών του δευτερολέπτου και αποφασίζει πότε να συνεχίσει την ακρόαση ή να εκπέμψει κείμενο. Η προσαρμοστική καθυστέρησή του επιτρέπει να περιμένει επιπλέον ήχο όταν μια λέξη είναι δυσκολότερο να αποσαφηνιστεί. Έτσι παράγεται μερικό κείμενο όσο φτάνει η ομιλία και ακολουθούν ολοκληρωμένα αποτελέσματα απομαγνητοφώνησης. Αντιμετωπίζετε την προσωρινή υπόθεση και την ολοκληρωμένη παρέμβαση ως διαφορετικά στάδια της εμπειρίας ακρόασης.\n\nΕπιλέξτε ανάμεσα σε τρεις λειτουργίες. Το Push-to-talk είναι η προεπιλογή για μία ελεγχόμενη εκφώνηση, όπως ένα φωνητικό ερώτημα ή ένα σύντομο υπαγορευμένο απόσπασμα. Η λειτουργία endpointing επιτρέπει στο μοντέλο να ανιχνεύει τα όρια των παρεμβάσεων και να επιστρέφει μία ολοκληρωμένη απομαγνητοφώνηση για κάθε τμήμα που ανιχνεύεται. Η λειτουργία diarization αποδίδει την αναγνωρισμένη ομιλία σε ετικέτες ομιλητών και προορίζεται για ηχογραφήσεις πολλών ομιλητών, αντί για την ταχύτερη εναλλαγή διαδοχικών φωνητικών εντολών.\n\nΓια ένα ηχογραφημένο απόσπασμα, η ροή απομαγνητοφώνησης αρχείου επιστρέφει ολόκληρη την απομαγνητοφώνηση σε ένα αίτημα. Το προεπιλεγμένο αποτέλεσμα είναι JSON που περιέχει την απομαγνητοφώνηση και τη διάρκεια του ήχου, με έναν πίνακα turns στις λειτουργίες endpointing και diarization. Κάθε παρέμβαση μπορεί να περιλαμβάνει αναγνωριστικό, χρόνο έναρξης και λήξης σε χιλιοστά του δευτερολέπτου και το αναγνωρισμένο κείμενό της. Στη λειτουργία diarization υπάρχουν ετικέτες ομιλητών. Το Push-to-talk παράγει ολόκληρη την απομαγνητοφώνηση χωρίς ανιχνευμένες παρεμβάσεις σε αυτόν τον πίνακα. Η διεπαφή ηχογραφημένων αρχείων του κατασκευαστή μπορεί επίσης να επιστρέψει απλό κείμενο ή μια ροή συμβάντων απομαγνητοφώνησης. Το απλό κείμενο διατηρεί τις ανιχνευμένες παρεμβάσεις σε χωριστές γραμμές και μπορεί να περιλαμβάνει ετικέτες ομιλητών· μια ροή συμβάντων τερματίζεται μετά το τελευταίο της συμβάν, χωρίς χωριστή σύνοψη JSON. Η λειτουργία μερικών αποτελεσμάτων delta επιστρέφει τις διαδοχικές προσθήκες κειμένου, ενώ το τελικό συμβάν απομαγνητοφώνησης περιέχει την πλήρη διατύπωση.\n\nΠροετοιμάστε ένα αρχείο RIFF/WAVE με μονοφωνικό ήχο PCM ακέραιων τιμών 16 bit στα 16 ή 24 kHz. Ο εγγενής ρυθμός δειγματοληψίας του μοντέλου είναι 24 kHz και η διεπαφή δέχεται επίσης 16 kHz. Μετατρέψτε άλλα περιβλήματα ή κωδικοποιήσεις σε αυτήν την υποστηριζόμενη μορφή WAV πριν υποβάλετε μια ηχογράφηση. Το προφίλ απομαγνητοφώνησης αρχείου επιτρέπει ήχο διάρκειας έως 10 λεπτών και συνολικό σώμα αιτήματος έως 32 MB. Διατηρείτε την αρχική ηχογράφηση και κάθε μετατροπή της συνδεδεμένες με την επιστρεφόμενη απομαγνητοφώνηση για μεταγενέστερο έλεγχο μέσω ακρόασης.\n\nΗ ροή ζωντανού ήχου χρησιμοποιεί ακατέργαστο, προσημασμένο, μονοφωνικό PCM 16 bit σε διάταξη little-endian, με ήχο στα 16 ή 24 kHz που αποστέλλεται περίπου σε πραγματικό χρόνο. Το τεκμηριωμένο χρονικό όριο συνεδρίας είναι 60 λεπτά. Η Meta περιγράφει εγγενή είσοδο ήχου που υπερβαίνει τη μία ώρα· τα τεκμηριωμένα όρια αρχείου και ζωντανής συνεδρίας παραμένουν χωριστά όρια διεπαφής. Επιλέξτε τη ροή ηχογραφημένου αρχείου ή τη ζωντανή ροή ανάλογα με το αν ο ήχος είναι ήδη ολοκληρωμένος ή εξακολουθεί να καταγράφεται και διατηρείτε τα αποτελέσματα διαφορετικών συνεδριών συνδεδεμένα με τα δικά τους τμήματα εισόδου.\n\nΤο Muse Voice Transcribe έχει εκπαιδευτεί σε περισσότερες από 70 γλώσσες, ενώ η τεκμηριωμένη διεπαφή αναγνώρισης απαριθμεί 25 υποστηριζόμενες γλώσσες. Σε αυτές περιλαμβάνονται τα αγγλικά, τα γαλλικά, τα γερμανικά, τα ισπανικά, τα αραβικά, τα κινεζικά μανδαρινικά, τα χίντι, τα ιαπωνικά, τα κορεατικά, τα ιταλικά και τα πορτογαλικά. Αναγνωρίζει την εναλλαγή γλωσσών μέσα στην ίδια πρόταση ή μεταξύ προτάσεων. Μια υπόδειξη γλώσσας μπορεί να κατονομάζει τις γλώσσες που αναμένονται στον ήχο, αλλά κατευθύνει την αναγνώριση αντί να επιβάλλει μία γλώσσα στην απομαγνητοφώνηση.\n\nΟι υποδείξεις λεξιλογίου βοηθούν με όρους προϊόντων, ακρωνύμια, ονόματα ή τοπωνύμια που έχουν σημασία σε μια ηχογράφηση. Δώστε τις πραγματικές λέξεις και την ορθογραφία που αναμένετε να ακούσετε. Η λίστα λέξεων-κλειδιών επηρεάζει την αναγνώριση χωρίς να εγγυάται ακριβή ορθογραφία, οπότε ελέγχετε τους καθοριστικούς όρους συγκρίνοντάς τους με τον ήχο. Οι υποδείξεις γλώσσας και οι λέξεις-κλειδιά επιλέγονται στην αρχή της απομαγνητοφώνησης· διατηρείτε τις κατάλληλες για τη συγκεκριμένη ηχογράφηση αντί να αλλάζετε τη σημασία τους όσο εκτελείται μια συνεδρία.\n\nΤο μοντέλο υποστηρίζει diarization για συζητήσεις με περισσότερους από 20 ομιλητές. Ετικέτες όπως A και B προσδιορίζουν ομιλητές μέσα σε μία απομαγνητοφώνηση. Δεν είναι επαληθευμένα ονόματα και δεν τεκμηριώνουν ότι μια ετικέτα αναφέρεται στο ίδιο άτομο σε άλλη συνεδρία. Για μια πρωτότυπη εργασία ανάλυσης συνάντησης, ζητήστε παρεμβάσεις με απόδοση ομιλητή, διατηρήστε την ηχογράφηση και χρησιμοποιήστε τις ετικέτες για να οργανώσετε τη συζήτηση πριν αντιστοιχίσετε πραγματικά ονόματα συμμετεχόντων μέσω της ευρύτερης ροής εργασίας.\n\nΟι ζωντανές μερικές απομαγνητοφωνήσεις μπορούν να αλλάζουν καθώς φτάνει περισσότερη ομιλία. Στη σωρευτική λειτουργία, κάθε μερικό αποτέλεσμα αντικαθιστά την προηγούμενη υπόθεση αντί να προσθέτει άλλο ένα αντίγραφό της. Ένα ανιχνευμένο τέλος ομιλίας σηματοδοτεί ένα όριο, ενώ το αποτέλεσμα ολοκληρωμένης παρέμβασης παρέχει το τελικό κείμενο και μπορεί να διαφέρει από το τελευταίο μερικό αποτέλεσμα. Διατηρείτε τις επικαλυπτόμενες παρεμβάσεις συνδεδεμένες με τα αναγνωριστικά τους και παραλαμβάνετε τα ολοκληρωμένα αποτελέσματα πριν θεωρήσετε ότι μια απομαγνητοφώνηση έχει τελειώσει. Όταν ολοκληρωθεί η ζωντανή είσοδος, σηματοδοτήστε το τέλος εισόδου και συνεχίστε να λαμβάνετε μέχρι ο παραγωγός να ολοκληρώσει την αποστολή των εκκρεμών αποτελεσμάτων. Το άμεσο κλείσιμο της σύνδεσης μπορεί να απορρίψει αυτά τα αποτελέσματα· ένα ανιχνευμένο όριο ομιλίας τερματίζει μια παρέμβαση και όχι ολόκληρη τη συνεδρία.\n\nΟ χρονισμός παρέχεται ανά παρέμβαση. Αυτό το προφίλ δεν παρέχει χρονικές σημάνσεις ανά λέξη ή βαθμολογίες εμπιστοσύνης και η πρόοδος επεξεργασίας του ήχου δεν αποτελεί χρονική σήμανση για μια συγκεκριμένη λέξη. Η ανίχνευση ηχητικών συμβάντων, η ανίχνευση συναισθήματος και η αναδιαμόρφωση της απομαγνητοφώνησης βρίσκονται επίσης έξω από το τεκμηριωμένο προφίλ εξόδου. Χρησιμοποιήστε τα επιστρεφόμενα χρονικά διαστήματα παρεμβάσεων για ένα χρονολόγιο ομιλητών ή έλεγχο ανά τμήμα και διατηρήστε τις αναγνωρισμένες λέξεις αν ένα χωριστό βήμα επεξεργασίας δημιουργήσει αργότερα πιο καθαρές σημειώσεις.\n\nΧρήσιμα παραδοτέα είναι ένα ολοκληρωμένο υπαγορευμένο απόσπασμα, η απομαγνητοφώνηση ενός φωνητικού ερωτήματος, μια συζήτηση με απόδοση ομιλητών ή ένα χρονολόγιο εκφωνήσεων. Συγκρίνετε ονόματα, αριθμούς και τεχνικούς όρους με την αρχική ηχογράφηση, διατηρήστε τις συσχετίσεις λειτουργίας και χρονισμού και κρατήστε διαθέσιμες τις πλήρεις παρεμβάσεις για έλεγχο. Η απομαγνητοφώνηση τεκμηριώνει τι αναγνωρίστηκε στον ήχο· η απάντηση σε μια προφορική ερώτηση, η μετάφρασή της ή η μετατροπή της σε σημειώσεις συνάντησης ανήκει σε μεταγενέστερο βήμα της εφαρμογής.",
  "editorialOverlay": {
    "copy_fields": null,
    "copy_sha256": null,
    "copy_source": null,
    "html_sha256": "ac27da24d4d301dced3723230c7ce078d7ce2c0d3ec5e63debc6f5020ba02a7d",
    "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06",
    "raw_model_unchanged": true,
    "schema": "ailoot-native-model-editorial-v1"
  },
  "locale": "el",
  "methods": [
    {
      "html": "<div class=\"sheet-head\"><span class=\"mav\" aria-hidden=\"true\">M</span><h2 id=\"sheet-title\">Meta: Muse Voice Transcribe 1.0</h2><button class=\"icon-btn\" type=\"button\" data-close-sheet aria-label=\"Κλείσιμο\">×</button></div><div class=\"idline\"><span>Meta /</span><code>meta/muse-voice-transcribe-1.0</code><button type=\"button\" id=\"copy-id\">Αντιγραφή ID</button></div><nav class=\"card-jump-nav\" aria-label=\"Ενότητες κάρτας μοντέλου\"><button type=\"button\" data-card-jump=\"overview\">Εισαγωγή</button><button type=\"button\" data-card-jump=\"methods\">Είσοδοι και μέθοδοι</button><button type=\"button\" data-card-jump=\"pricing\">Τιμολόγηση</button><button type=\"button\" data-card-jump=\"examples\">Παραδείγματα</button><button type=\"button\" data-card-jump=\"results\">Αποτελέσματα</button><button type=\"button\" data-card-jump=\"aliases\">Εναλλακτικά ονόματα</button></nav><div class=\"card-method-tabs\" role=\"tablist\" aria-label=\"Μέθοδοι API\"><button type=\"button\" role=\"tab\" tabindex=\"0\" aria-controls=\"card-method-content\" aria-selected=\"true\" id=\"card-method-tab-0\" data-card-method=\"Ultra|transcriptions|/v1/audio/transcriptions|meta%2Fmuse-voice-transcribe-1.0\">Αναγνώριση</button></div><div id=\"card-method-content\" role=\"tabpanel\" aria-labelledby=\"card-method-tab-0\"><section class=\"card-section\" data-card-section=\"overview\"><h3 tabindex=\"-1\">Εισαγωγή</h3><p class=\"mdesc-full\">Το Muse Voice Transcribe 1.0 είναι το μοντέλο μετατροπής ομιλίας σε κείμενο της Meta για υπαγόρευση, ανίχνευση διαδοχικών παρεμβάσεων και απομαγνητοφωνήσεις με διάκριση ομιλητών. Υποστηρίζει υποδείξεις γλώσσας και λεξιλογίου, εναλλαγή γλωσσών και χρονισμό ανά παρέμβαση, με χωριστές ροές εργασίας για ηχογραφημένα αποσπάσματα και ζωντανό ήχο.</p><dl class=\"card-io\" data-card-io><div><dt>Αποδεκτές είσοδοι</dt><dd>Ήχος</dd></div><div><dt>Αποτελέσματα</dt><dd>Κείμενο</dd></div></dl><details class=\"card-about\"><summary>Σχετικά με το μοντέλο</summary><p class=\"note-s\" data-model-method-boundary>Αυτή η περιγραφή καλύπτει τις δυνατότητες του μοντέλου. Οι είσοδοι, έξοδοι και επιλογές που διατίθενται στο Ailoot παρατίθενται παρακάτω για την επιλεγμένη μέθοδο.</p><div class=\"mabout\" id=\"m-about\"><p>Το Muse Voice Transcribe 1.0 είναι το μοντέλο ακουστικής αντίληψης της Meta για την απομαγνητοφώνηση ομιλίας, την ανίχνευση των ορίων των εκφωνήσεων και την απόδοση των παρεμβάσεων σε ομιλητές. Ανήκει στην οικογένεια μοντέλων Muse Spark και συνδυάζει την αναγνώριση, τη διαχωριστική αναγνώριση ομιλητών και την ανίχνευση λήξης εκφώνησης μέσα στο ίδιο το μοντέλο. Η έξοδός του είναι το αναγνωρισμένο κείμενο με τις πληροφορίες χρονισμού και ομιλητών που διατίθενται στην επιλεγμένη λειτουργία.</p><p>Το μοντέλο επεξεργάζεται τον ήχο σε τμήματα των 80 χιλιοστών του δευτερολέπτου και αποφασίζει πότε να συνεχίσει την ακρόαση ή να εκπέμψει κείμενο. Η προσαρμοστική καθυστέρησή του επιτρέπει να περιμένει επιπλέον ήχο όταν μια λέξη είναι δυσκολότερο να αποσαφηνιστεί. Έτσι παράγεται μερικό κείμενο όσο φτάνει η ομιλία και ακολουθούν ολοκληρωμένα αποτελέσματα απομαγνητοφώνησης. Αντιμετωπίζετε την προσωρινή υπόθεση και την ολοκληρωμένη παρέμβαση ως διαφορετικά στάδια της εμπειρίας ακρόασης.</p><p>Επιλέξτε ανάμεσα σε τρεις λειτουργίες. Το Push-to-talk είναι η προεπιλογή για μία ελεγχόμενη εκφώνηση, όπως ένα φωνητικό ερώτημα ή ένα σύντομο υπαγορευμένο απόσπασμα. Η λειτουργία endpointing επιτρέπει στο μοντέλο να ανιχνεύει τα όρια των παρεμβάσεων και να επιστρέφει μία ολοκληρωμένη απομαγνητοφώνηση για κάθε τμήμα που ανιχνεύεται. Η λειτουργία diarization αποδίδει την αναγνωρισμένη ομιλία σε ετικέτες ομιλητών και προορίζεται για ηχογραφήσεις πολλών ομιλητών, αντί για την ταχύτερη εναλλαγή διαδοχικών φωνητικών εντολών.</p><p>Για ένα ηχογραφημένο απόσπασμα, η ροή απομαγνητοφώνησης αρχείου επιστρέφει ολόκληρη την απομαγνητοφώνηση σε ένα αίτημα. Το προεπιλεγμένο αποτέλεσμα είναι JSON που περιέχει την απομαγνητοφώνηση και τη διάρκεια του ήχου, με έναν πίνακα turns στις λειτουργίες endpointing και diarization. Κάθε παρέμβαση μπορεί να περιλαμβάνει αναγνωριστικό, χρόνο έναρξης και λήξης σε χιλιοστά του δευτερολέπτου και το αναγνωρισμένο κείμενό της. Στη λειτουργία diarization υπάρχουν ετικέτες ομιλητών. Το Push-to-talk παράγει ολόκληρη την απομαγνητοφώνηση χωρίς ανιχνευμένες παρεμβάσεις σε αυτόν τον πίνακα. Η διεπαφή ηχογραφημένων αρχείων του κατασκευαστή μπορεί επίσης να επιστρέψει απλό κείμενο ή μια ροή συμβάντων απομαγνητοφώνησης. Το απλό κείμενο διατηρεί τις ανιχνευμένες παρεμβάσεις σε χωριστές γραμμές και μπορεί να περιλαμβάνει ετικέτες ομιλητών· μια ροή συμβάντων τερματίζεται μετά το τελευταίο της συμβάν, χωρίς χωριστή σύνοψη JSON. Η λειτουργία μερικών αποτελεσμάτων delta επιστρέφει τις διαδοχικές προσθήκες κειμένου, ενώ το τελικό συμβάν απομαγνητοφώνησης περιέχει την πλήρη διατύπωση.</p><p>Προετοιμάστε ένα αρχείο RIFF/WAVE με μονοφωνικό ήχο PCM ακέραιων τιμών 16 bit στα 16 ή 24 kHz. Ο εγγενής ρυθμός δειγματοληψίας του μοντέλου είναι 24 kHz και η διεπαφή δέχεται επίσης 16 kHz. Μετατρέψτε άλλα περιβλήματα ή κωδικοποιήσεις σε αυτήν την υποστηριζόμενη μορφή WAV πριν υποβάλετε μια ηχογράφηση. Το προφίλ απομαγνητοφώνησης αρχείου επιτρέπει ήχο διάρκειας έως 10 λεπτών και συνολικό σώμα αιτήματος έως 32 MB. Διατηρείτε την αρχική ηχογράφηση και κάθε μετατροπή της συνδεδεμένες με την επιστρεφόμενη απομαγνητοφώνηση για μεταγενέστερο έλεγχο μέσω ακρόασης.</p><p>Η ροή ζωντανού ήχου χρησιμοποιεί ακατέργαστο, προσημασμένο, μονοφωνικό PCM 16 bit σε διάταξη little-endian, με ήχο στα 16 ή 24 kHz που αποστέλλεται περίπου σε πραγματικό χρόνο. Το τεκμηριωμένο χρονικό όριο συνεδρίας είναι 60 λεπτά. Η Meta περιγράφει εγγενή είσοδο ήχου που υπερβαίνει τη μία ώρα· τα τεκμηριωμένα όρια αρχείου και ζωντανής συνεδρίας παραμένουν χωριστά όρια διεπαφής. Επιλέξτε τη ροή ηχογραφημένου αρχείου ή τη ζωντανή ροή ανάλογα με το αν ο ήχος είναι ήδη ολοκληρωμένος ή εξακολουθεί να καταγράφεται και διατηρείτε τα αποτελέσματα διαφορετικών συνεδριών συνδεδεμένα με τα δικά τους τμήματα εισόδου.</p><p>Το Muse Voice Transcribe έχει εκπαιδευτεί σε περισσότερες από 70 γλώσσες, ενώ η τεκμηριωμένη διεπαφή αναγνώρισης απαριθμεί 25 υποστηριζόμενες γλώσσες. Σε αυτές περιλαμβάνονται τα αγγλικά, τα γαλλικά, τα γερμανικά, τα ισπανικά, τα αραβικά, τα κινεζικά μανδαρινικά, τα χίντι, τα ιαπωνικά, τα κορεατικά, τα ιταλικά και τα πορτογαλικά. Αναγνωρίζει την εναλλαγή γλωσσών μέσα στην ίδια πρόταση ή μεταξύ προτάσεων. Μια υπόδειξη γλώσσας μπορεί να κατονομάζει τις γλώσσες που αναμένονται στον ήχο, αλλά κατευθύνει την αναγνώριση αντί να επιβάλλει μία γλώσσα στην απομαγνητοφώνηση.</p><p>Οι υποδείξεις λεξιλογίου βοηθούν με όρους προϊόντων, ακρωνύμια, ονόματα ή τοπωνύμια που έχουν σημασία σε μια ηχογράφηση. Δώστε τις πραγματικές λέξεις και την ορθογραφία που αναμένετε να ακούσετε. Η λίστα λέξεων-κλειδιών επηρεάζει την αναγνώριση χωρίς να εγγυάται ακριβή ορθογραφία, οπότε ελέγχετε τους καθοριστικούς όρους συγκρίνοντάς τους με τον ήχο. Οι υποδείξεις γλώσσας και οι λέξεις-κλειδιά επιλέγονται στην αρχή της απομαγνητοφώνησης· διατηρείτε τις κατάλληλες για τη συγκεκριμένη ηχογράφηση αντί να αλλάζετε τη σημασία τους όσο εκτελείται μια συνεδρία.</p><p>Το μοντέλο υποστηρίζει diarization για συζητήσεις με περισσότερους από 20 ομιλητές. Ετικέτες όπως A και B προσδιορίζουν ομιλητές μέσα σε μία απομαγνητοφώνηση. Δεν είναι επαληθευμένα ονόματα και δεν τεκμηριώνουν ότι μια ετικέτα αναφέρεται στο ίδιο άτομο σε άλλη συνεδρία. Για μια πρωτότυπη εργασία ανάλυσης συνάντησης, ζητήστε παρεμβάσεις με απόδοση ομιλητή, διατηρήστε την ηχογράφηση και χρησιμοποιήστε τις ετικέτες για να οργανώσετε τη συζήτηση πριν αντιστοιχίσετε πραγματικά ονόματα συμμετεχόντων μέσω της ευρύτερης ροής εργασίας.</p><p>Οι ζωντανές μερικές απομαγνητοφωνήσεις μπορούν να αλλάζουν καθώς φτάνει περισσότερη ομιλία. Στη σωρευτική λειτουργία, κάθε μερικό αποτέλεσμα αντικαθιστά την προηγούμενη υπόθεση αντί να προσθέτει άλλο ένα αντίγραφό της. Ένα ανιχνευμένο τέλος ομιλίας σηματοδοτεί ένα όριο, ενώ το αποτέλεσμα ολοκληρωμένης παρέμβασης παρέχει το τελικό κείμενο και μπορεί να διαφέρει από το τελευταίο μερικό αποτέλεσμα. Διατηρείτε τις επικαλυπτόμενες παρεμβάσεις συνδεδεμένες με τα αναγνωριστικά τους και παραλαμβάνετε τα ολοκληρωμένα αποτελέσματα πριν θεωρήσετε ότι μια απομαγνητοφώνηση έχει τελειώσει. Όταν ολοκληρωθεί η ζωντανή είσοδος, σηματοδοτήστε το τέλος εισόδου και συνεχίστε να λαμβάνετε μέχρι ο παραγωγός να ολοκληρώσει την αποστολή των εκκρεμών αποτελεσμάτων. Το άμεσο κλείσιμο της σύνδεσης μπορεί να απορρίψει αυτά τα αποτελέσματα· ένα ανιχνευμένο όριο ομιλίας τερματίζει μια παρέμβαση και όχι ολόκληρη τη συνεδρία.</p><p>Ο χρονισμός παρέχεται ανά παρέμβαση. Αυτό το προφίλ δεν παρέχει χρονικές σημάνσεις ανά λέξη ή βαθμολογίες εμπιστοσύνης και η πρόοδος επεξεργασίας του ήχου δεν αποτελεί χρονική σήμανση για μια συγκεκριμένη λέξη. Η ανίχνευση ηχητικών συμβάντων, η ανίχνευση συναισθήματος και η αναδιαμόρφωση της απομαγνητοφώνησης βρίσκονται επίσης έξω από το τεκμηριωμένο προφίλ εξόδου. Χρησιμοποιήστε τα επιστρεφόμενα χρονικά διαστήματα παρεμβάσεων για ένα χρονολόγιο ομιλητών ή έλεγχο ανά τμήμα και διατηρήστε τις αναγνωρισμένες λέξεις αν ένα χωριστό βήμα επεξεργασίας δημιουργήσει αργότερα πιο καθαρές σημειώσεις.</p><p>Χρήσιμα παραδοτέα είναι ένα ολοκληρωμένο υπαγορευμένο απόσπασμα, η απομαγνητοφώνηση ενός φωνητικού ερωτήματος, μια συζήτηση με απόδοση ομιλητών ή ένα χρονολόγιο εκφωνήσεων. Συγκρίνετε ονόματα, αριθμούς και τεχνικούς όρους με την αρχική ηχογράφηση, διατηρήστε τις συσχετίσεις λειτουργίας και χρονισμού και κρατήστε διαθέσιμες τις πλήρεις παρεμβάσεις για έλεγχο. Η απομαγνητοφώνηση τεκμηριώνει τι αναγνωρίστηκε στον ήχο· η απάντηση σε μια προφορική ερώτηση, η μετάφρασή της ή η μετατροπή της σε σημειώσεις συνάντησης ανήκει σε μεταγενέστερο βήμα της εφαρμογής.</p></div></details></section><section class=\"card-section\" data-card-section=\"methods\"><h3 tabindex=\"-1\">Διαθέσιμα στο Ailoot · είσοδοι και μέθοδοι</h3><details class=\"card-method\" open><summary><b>Ailoot Ultra · Απομαγνητοφώνηση</b> <code>POST /v1/audio/transcriptions</code></summary><dl class=\"method-capabilities\"><div><dt>Είσοδος</dt><dd><code>audio</code></dd></div><div><dt>Έξοδος</dt><dd><code>text</code></dd></div></dl><div class=\"tw\" data-card-parameters data-typed-parameters><table><thead><tr><th>Πεδίο</th><th>Τύπος</th><th>Απαίτηση</th><th>Τιμές και όρια</th><th>Προεπιλογή</th></tr></thead><tbody><tr><th data-cell-label=\"Πεδίο\" scope=\"row\"><span class=\"card-cell-label\">Πεδίο</span><code class=\"card-field-name\">model</code></th><td data-cell-label=\"Τύπος\" data-field-type><span class=\"card-cell-label\">Τύπος</span><code>string</code></td><td data-cell-label=\"Απαίτηση\"><span class=\"card-cell-label\">Απαίτηση</span>Υποχρεωτικό</td><td data-cell-label=\"Τιμές και όρια\"><span class=\"card-cell-label\">Τιμές και όρια</span><div>meta/muse-voice-transcribe-1.0</div></td><td data-cell-label=\"Προεπιλογή\" data-default=\"unspecified\"><span class=\"card-cell-label\">Προεπιλογή</span>—</td></tr><tr><th data-cell-label=\"Πεδίο\" scope=\"row\"><span class=\"card-cell-label\">Πεδίο</span><code class=\"card-field-name\">input_audio</code></th><td data-cell-label=\"Τύπος\" data-field-type><span class=\"card-cell-label\">Τύπος</span><code>object</code></td><td data-cell-label=\"Απαίτηση\"><span class=\"card-cell-label\">Απαίτηση</span>Υποχρεωτικό</td><td data-cell-label=\"Τιμές και όρια\"><span class=\"card-cell-label\">Τιμές και όρια</span></td><td data-cell-label=\"Προεπιλογή\" data-default=\"unspecified\"><span class=\"card-cell-label\">Προεπιλογή</span>—</td></tr></tbody></table></div><details class=\"note-s\" data-method-contract><summary>Παράμετροι και κύκλος ζωής μεθόδου</summary><div class=\"tw\" data-card-table=\"contract\"><table><thead><tr><th>Παράμετρος</th><th>Σύμβαση</th></tr></thead><tbody><tr><th data-cell-label=\"Παράμετρος\" scope=\"row\"><span class=\"card-cell-label\">Παράμετρος</span><code>content_type</code></th><td data-cell-label=\"Σύμβαση\"><span class=\"card-cell-label\">Σύμβαση</span>application/json</td></tr><tr><th data-cell-label=\"Παράμετρος\" scope=\"row\"><span class=\"card-cell-label\">Παράμετρος</span><code>required</code></th><td data-cell-label=\"Σύμβαση\"><span class=\"card-cell-label\">Σύμβαση</span>model, input_audio</td></tr><tr><th data-cell-label=\"Παράμετρος\" scope=\"row\"><span class=\"card-cell-label\">Παράμετρος</span><code>material_types</code></th><td data-cell-label=\"Σύμβαση\"><span class=\"card-cell-label\">Σύμβαση</span>audio</td></tr><tr><th data-cell-label=\"Παράμετρος\" scope=\"row\"><span class=\"card-cell-label\">Παράμετρος</span><code>material_conditions</code></th><td data-cell-label=\"Σύμβαση\"><span class=\"card-cell-label\">Σύμβαση</span>Το παράδειγμα διαβάζει το πραγματικό, μη κενό αρχείο PCM WAV σας, κωδικοποιεί όλα τα byte του αρχείου σε base64 και στέλνει το input_audio.format ως wav.</td></tr></tbody></table></div><p>Κύκλος ζωής: <code>synchronous_result_then_owned_library</code></p><p class=\"note-s\"><code>GET /v1/media/tasks/{task_id}</code> · ακριβές task_id από υπάρχουσα εγγραφή πολυμέσων που σας ανήκουν</p><p class=\"note-s\"><code>GET /v1/media/assets/{asset_id}/content</code></p><p class=\"note-s\"><code>GET /v1/media/assets</code></p><p class=\"note-s\"><code>GET /v1/media/assets/{asset_id}</code></p></details></details></section><section class=\"card-section\" data-card-section=\"pricing\"><h3 tabindex=\"-1\">Τιμολόγηση</h3><div data-native-semantic-method=\"v1\" data-tariff-reference-only><p class=\"note-s\" data-rate-support-note>Οι τιμολογιακές αναφορές δεν προσθέτουν επιλογές αιτήματος. Οι υποστηριζόμενες παράμετροι αναφέρονται στην επιλεγμένη μέθοδο.</p><dl data-price-conditions><dt>Γρήγορη λειτουργία</dt><dd>Δεν έχει οριστεί <span class=\"note-s\">Όταν επιλέγεται η γρήγορη λειτουργία</span></dd><dt>Λειτουργία flex</dt><dd>Δεν έχει οριστεί <span class=\"note-s\">Όταν επιλέγεται η λειτουργία flex</span></dd><dt>Μέγιστη προσπάθεια συλλογισμού</dt><dd>Δεν έχει οριστεί <span class=\"note-s\">Όταν η μέγιστη προσπάθεια συλλογισμού χρησιμοποιεί την προσαρμογή default</span></dd></dl></div><div data-declared-tariff-pricing><h4>Χρεώσεις Ailoot</h4><h4>Τιμές ανά διαμόρφωση</h4><p class=\"note-s\">Αντιστοιχίστε κάθε χρέωση στις συνθήκες που εμφανίζονται. Χρησιμοποιήστε μία χρέωση ανά σύνολο εναλλακτικών διαμορφώσεων.</p><div class=\"tw\" data-pricing-profiles><table><thead><tr><th>Διαμόρφωση</th><th>Πίνακας χρεώσεων</th><th>Μονάδα τιμολόγησης</th><th>Χρέωση</th></tr></thead><tbody><tr><th data-cell-label=\"Διαμόρφωση\" scope=\"row\"><span class=\"card-cell-label\">Διαμόρφωση</span>Βασικές χρεώσεις token</th><td data-cell-label=\"Πίνακας χρεώσεων\"><span class=\"card-cell-label\">Πίνακας χρεώσεων</span>Βασική χρέωση</td><td data-cell-label=\"Μονάδα τιμολόγησης\"><span class=\"card-cell-label\">Μονάδα τιμολόγησης</span>—</td><td data-cell-label=\"Χρέωση\"><span class=\"card-cell-label\">Χρέωση</span><div><span>Είσοδος · Token εισόδου</span> <b>—</b> <span class=\"price-unit\">/ 1K token</span></div><div><span>Έξοδος · Token εξόδου</span> <b>—</b> <span class=\"price-unit\">/ 1K token</span></div><div><span>Είσοδος · Ανάγνωση από την κρυφή μνήμη</span> <b>—</b> <span class=\"price-unit\">/ 1K token</span></div><div><span>Είσοδος · Εγγραφή στην κρυφή μνήμη</span> <b>—</b> <span class=\"price-unit\">/ 1K token</span></div><div><span>Είσοδος · Εγγραφή στην κρυφή μνήμη, 1 ώρα</span> <b>—</b> <span class=\"price-unit\">/ 1K token</span></div></td></tr><tr><th data-cell-label=\"Διαμόρφωση\" scope=\"row\"><span class=\"card-cell-label\">Διαμόρφωση</span>δευτερόλεπτο ήχου εισόδου</th><td data-cell-label=\"Πίνακας χρεώσεων\"><span class=\"card-cell-label\">Πίνακας χρεώσεων</span>—</td><td data-cell-label=\"Μονάδα τιμολόγησης\"><span class=\"card-cell-label\">Μονάδα τιμολόγησης</span>ανά δευτερόλεπτο ήχου εισόδου</td><td data-cell-label=\"Χρέωση\"><span class=\"card-cell-label\">Χρέωση</span><div><span>Είσοδος · δευτερόλεπτο ήχου εισόδου</span> <b>$0.0001</b> <span class=\"price-unit\">ανά δευτερόλεπτο ήχου εισόδου</span></div></td></tr></tbody></table></div></div><p class=\"note-s\">Το Ailoot δεσμεύει ένα εκτιμώμενο ποσό πριν από το αίτημα. Μετά το αποτέλεσμα, εκκαθαρίζει την τελική χρέωση βάσει της μετρημένης χρήσης. Η εκκαθάριση ροής χρησιμοποιεί την τελική καταγραφή χρήσης. <a href=\"/docs/el/billing/reserve/\">Πώς λειτουργούν η δέσμευση και η εκκαθάριση →</a></p></section><section class=\"card-section\" data-card-section=\"examples\"><h3 tabindex=\"-1\">Παραδείγματα αιτημάτων</h3><h4>Ailoot Ultra · Απομαγνητοφώνηση</h4><div class=\"code-group\"><div class=\"cg-bar\"><div class=\"cg-tabs\" role=\"tablist\" aria-label=\"Παραλλαγές κώδικα\"><button class=\"cg-tab\" id=\"model-code-1834-tab-0\" role=\"tab\" type=\"button\" aria-controls=\"model-code-1834-panel-0\" aria-selected=\"true\" tabindex=\"0\">curl · πραγματικό αρχείο WAV και πλήρες αρχικό αποτέλεσμα</button></div><div class=\"cg-tools\"><button class=\"cg-btn cg-copy\" type=\"button\" aria-label=\"Αντιγραφή κώδικα\"><svg class=\"cp\" viewBox=\"0 0 16 16\" fill=\"none\" stroke=\"currentColor\" stroke-width=\"1.4\"><rect x=\"5.25\" y=\"5.25\" width=\"8.5\" height=\"8.5\" rx=\"1.75\"/><path d=\"M10.75 5.25V3.5a1.25 1.25 0 0 0-1.25-1.25H3.5A1.25 1.25 0 0 0 2.25 3.5v6a1.25 1.25 0 0 0 1.25 1.25h1.75\"/></svg><svg class=\"ok\" viewBox=\"0 0 16 16\" fill=\"none\" stroke=\"currentColor\" stroke-width=\"1.4\"><path d=\"m3 8.5 3.25 3.25L13 5\"/></svg></button></div></div><div class=\"cg-body\"><div class=\"cg-pane\" id=\"model-code-1834-panel-0\" role=\"tabpanel\" aria-labelledby=\"model-code-1834-tab-0\"><pre data-lang=\"bash\"><code>set -eu\n: &quot;${AILOOT_API_KEY:?Set your Ailoot API key}&quot;\n: &quot;${AILOOT_AUDIO_FILE:?Set the path to your actual PCM WAV recording}&quot;\nexport AILOOT_AUDIO_FILE\npython3 - &lt;&lt;&#39;PY_REQUEST&#39;\nimport base64, io, json, os, wave\nfrom pathlib import Path\naudio = Path(os.environ[&#39;AILOOT_AUDIO_FILE&#39;]).read_bytes()\nif not (audio[:4] == b&#39;RIFF&#39; and audio[8:12] == b&#39;WAVE&#39;):\n    raise SystemExit(&#39;Supply your actual PCM WAV audio file&#39;)\nwith wave.open(io.BytesIO(audio), &#39;rb&#39;) as recording:\n    if recording.getcomptype() != &#39;NONE&#39; or recording.getnframes() &lt;= 0:\n        raise SystemExit(&#39;Supply a nonempty PCM WAV recording&#39;)\nrequest = {&#39;model&#39;: &#39;meta/muse-voice-transcribe-1.0&#39;, &#39;input_audio&#39;: {&#39;data&#39;: base64.b64encode(audio).decode(&#39;ascii&#39;), &#39;format&#39;: &#39;wav&#39;}}\nPath(&#39;request.json&#39;).write_text(json.dumps(request, ensure_ascii=False), encoding=&#39;utf-8&#39;)\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/transcriptions \\\n  -H &quot;Authorization: Bearer $AILOOT_API_KEY&quot; -H &#39;Content-Type: application/json&#39; \\\n  --data-binary @request.json -D response-headers.txt -o response.bin\n# Retain the complete original response, headers and actual X-Client-Request-ID.\n# Read existing owned records for recovery; do not resubmit an uncertain operation.\n</code></pre></div></div></div></section><section class=\"card-section\" data-card-section=\"results\"><h3 tabindex=\"-1\">Λήψη και αποθήκευση αποτελεσμάτων</h3><h4>Ailoot Ultra · Απομαγνητοφώνηση</h4><p class=\"note-s\">Ολόκληρο το αρχικό σώμα απόκρισης, η κατάσταση και οι προωθημένες κεφαλίδες. Αυτός ο χειριστής δεν προσθέτει καθολική δομή JSON, πεδίο κειμένου ή περίβλημα εργασίας.</p><ul class=\"card-result-paths\"><li><code>GET /v1/media/tasks/{task_id}</code></li><li><code>GET /v1/media/assets/{asset_id}/content</code></li><li><code>GET /v1/media/assets</code></li><li><code>GET /v1/media/assets/{asset_id}</code></li></ul><div class=\"card-result-process\" data-all-results><h5>Διατηρήστε όλα τα ολοκληρωμένα αποτελέσματα</h5><p class=\"note-s\">Διατηρήστε κάθε πλήρη απάντηση, αρχείο και τμήμα περιεχομένου που επιστρέφεται.</p><p class=\"note-s\">Διατηρήστε ολόκληρη την απόκριση και τις κεφαλίδες, κάθε πραγματικό αποτέλεσμα εξόδου, τα αρχικά αναγνωριστικά που επιστράφηκαν και όλα τα πεδία χρήσης. Ανακτήστε την αρχική λειτουργία χωρίς να υποβάλετε ξανά αίτημα δημιουργίας.</p></div><div class=\"card-result-process\" data-unknown-recovery><h5>Αν χρειάζεται έλεγχος της αρχικής απάντησης</h5><p class=\"note-s\">Διατηρήστε το πραγματικό X-Client-Request-ID και ολόκληρη την απόκριση. Διαβάστε τα αρχικά αρχεία πολυμέσων που σας ανήκουν και τα ακριβή υπογεγραμμένα URL περιεχομένου τους· μην επανυποβάλετε ποτέ αίτημα δημιουργίας με αβέβαιο αποτέλεσμα.</p></div><details class=\"card-about\" data-output-fields><summary>Πεδία απάντησης</summary><div class=\"tw\" data-card-table=\"output\"><table><thead><tr><th>Πεδίο</th><th>Τύπος</th></tr></thead><tbody><tr><th data-cell-label=\"Πεδίο\" scope=\"row\"><span class=\"card-cell-label\">Πεδίο</span><code class=\"card-field-name\">text (when present)</code></th><td data-cell-label=\"Τύπος\" data-field-type><span class=\"card-cell-label\">Τύπος</span></td></tr><tr><th data-cell-label=\"Πεδίο\" scope=\"row\"><span class=\"card-cell-label\">Πεδίο</span><code class=\"card-field-name\">usage (when present)</code></th><td data-cell-label=\"Τύπος\" data-field-type><span class=\"card-cell-label\">Τύπος</span></td></tr></tbody></table></div></details><details class=\"card-about\" data-method-errors><summary>Σφάλματα και επόμενα βήματα</summary><div class=\"tw\" data-card-table=\"errors\"><table><thead><tr><th>Απάντηση</th><th>Συνθήκη</th><th>Επόμενο βήμα</th></tr></thead><tbody><tr><th data-cell-label=\"Απάντηση\" scope=\"row\"><span class=\"card-cell-label\">Απάντηση</span>400 · <code>invalid_request_error</code></th><td data-cell-label=\"Συνθήκη\"><span class=\"card-cell-label\">Συνθήκη</span>Το σώμα JSON ή το ρητό κανονικό ID μοντέλου δεν είναι έγκυρο.</td><td data-cell-label=\"Επόμενο βήμα\"><span class=\"card-cell-label\">Επόμενο βήμα</span>Διατηρήστε την απόκριση και διορθώστε το υποδεικνυόμενο πεδίο του αιτήματος.</td></tr><tr><th data-cell-label=\"Απάντηση\" scope=\"row\"><span class=\"card-cell-label\">Απάντηση</span>401 · <code>authentication_error</code></th><td data-cell-label=\"Συνθήκη\"><span class=\"card-cell-label\">Συνθήκη</span>Το κλειδί API του Ailoot δεν είναι έγκυρο.</td><td data-cell-label=\"Επόμενο βήμα\"><span class=\"card-cell-label\">Επόμενο βήμα</span>Χρησιμοποιήστε το εξουσιοδοτημένο κλειδί API του Ailoot σας.</td></tr><tr><th data-cell-label=\"Απάντηση\" scope=\"row\"><span class=\"card-cell-label\">Απάντηση</span>403 · <code>permission_error</code></th><td data-cell-label=\"Συνθήκη\"><span class=\"card-cell-label\">Συνθήκη</span>Η ομάδα του κλειδιού δεν επιτρέπει πρόσβαση σε αυτή τη μέθοδο.</td><td data-cell-label=\"Επόμενο βήμα\"><span class=\"card-cell-label\">Επόμενο βήμα</span>Διατηρήστε τις λεπτομέρειες σφάλματος που επιστρέφονται.</td></tr><tr><th data-cell-label=\"Απάντηση\" scope=\"row\"><span class=\"card-cell-label\">Απάντηση</span>404 · <code>not_found_error</code></th><td data-cell-label=\"Συνθήκη\"><span class=\"card-cell-label\">Συνθήκη</span>Η επιλεγμένη μέθοδος δεν έχει διαδρομή με άδεια πρόσβασης.</td><td data-cell-label=\"Επόμενο βήμα\"><span class=\"card-cell-label\">Επόμενο βήμα</span>Διατηρήστε τις λεπτομέρειες σφάλματος που επιστρέφονται.</td></tr><tr><th data-cell-label=\"Απάντηση\" scope=\"row\"><span class=\"card-cell-label\">Απάντηση</span>422 · <code>price_unavailable</code></th><td data-cell-label=\"Συνθήκη\"><span class=\"card-cell-label\">Συνθήκη</span>Το αποδεκτό τιμολόγιο δεν μπορεί να λάβει την απαιτούμενη ποσότητα εισόδου ή το όριό της.</td><td data-cell-label=\"Επόμενο βήμα\"><span class=\"card-cell-label\">Επόμενο βήμα</span>Διατηρήστε την απόκριση· χρησιμοποιήστε την αναπαράσταση εισόδου που απαιτεί το αποδεκτό τιμολόγιο.</td></tr><tr><th data-cell-label=\"Απάντηση\" scope=\"row\"><span class=\"card-cell-label\">Απάντηση</span>503 · <code></code></th><td data-cell-label=\"Συνθήκη\"><span class=\"card-cell-label\">Συνθήκη</span>Ο απαιτούμενος χώρος αποθήκευσης, η διαδρομή, η τιμή μεθόδου ή η δέσμευση ποσού δεν είναι διαθέσιμα.</td><td data-cell-label=\"Επόμενο βήμα\"><span class=\"card-cell-label\">Επόμενο βήμα</span>Διατηρήστε ολόκληρη την αρχική απόκριση. Μια αβέβαιη δέσμευση ποσού δεν αποτελεί άδεια επανυποβολής.</td></tr><tr><th data-cell-label=\"Απάντηση\" scope=\"row\"><span class=\"card-cell-label\">Απάντηση</span>502 · <code>server_error</code></th><td data-cell-label=\"Συνθήκη\"><span class=\"card-cell-label\">Συνθήκη</span>Το αρχικό αποτέλεσμα, η χρήση ή η εκκαθάριση απαιτεί έλεγχο.</td><td data-cell-label=\"Επόμενο βήμα\"><span class=\"card-cell-label\">Επόμενο βήμα</span>Διατηρήστε το πραγματικό ID αιτήματος και την αρχική απόκριση. Διαβάστε την υπάρχουσα εγγραφή που σας ανήκει· μην επανυποβάλετε αίτημα δημιουργίας.</td></tr></tbody></table></div></details></section><section class=\"card-section\" data-card-section=\"aliases\"><h3 tabindex=\"-1\">Εναλλακτικά ονόματα</h3><h4>Εναλλακτικά ονόματα μοντέλου</h4><p class=\"note-s\"><span data-model-alias-route=\"Ultra\"><b>Ailoot Ultra</b> <a href=\"#m=meta%2Fmuse-voice-transcribe-1.0&amp;route=Ultra&amp;caller=meta%2Fmuse-voice-transcribe-1.0&amp;fmt=transcriptions\"><code>meta/muse-voice-transcribe-1.0</code></a></span></p><h4>Εναλλακτικές διαδρομές μεθόδων</h4><p class=\"note-s\">Χρησιμοποιήστε τις διαδρομές μεθόδων που εμφανίζονται παραπάνω.</p><h4>Σχετικά ID μοντέλων</h4><p class=\"note-s\"><a href=\"#m=meta%2Fmuse-voice-transcribe-1.0&amp;route=Ultra&amp;caller=meta%2Fmuse-voice-transcribe-1.0&amp;fmt=transcriptions\"><code>meta/muse-voice-transcribe-1.0</code></a></p></section></div>",
      "method_identity": {
        "effective_request_model_id": "meta/muse-voice-transcribe-1.0",
        "fmt": "transcriptions",
        "http": "POST",
        "path": "/v1/audio/transcriptions",
        "request_model_id": "meta/muse-voice-transcribe-1.0",
        "route_label": "Ultra"
      },
      "method_key": "Ultra|transcriptions|/v1/audio/transcriptions|meta%2Fmuse-voice-transcribe-1.0",
      "ordinal": 0,
      "rawMethod": {
        "available": null,
        "cache_read": null,
        "cache_write": null,
        "cache_write_1h": null,
        "contract": {
          "data": {
            "all_results": "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.",
            "errors": [
              {
                "code": null,
                "condition": "Το σώμα JSON ή το ρητό κανονικό ID μοντέλου δεν είναι έγκυρο.",
                "http_status": 400,
                "recovery": "Διατηρήστε την απόκριση και διορθώστε το υποδεικνυόμενο πεδίο του αιτήματος.",
                "type": "invalid_request_error"
              },
              {
                "code": null,
                "condition": "Το κλειδί API του Ailoot δεν είναι έγκυρο.",
                "http_status": 401,
                "recovery": "Χρησιμοποιήστε το εξουσιοδοτημένο κλειδί API του Ailoot σας.",
                "type": "authentication_error"
              },
              {
                "code": null,
                "condition": "Η ομάδα του κλειδιού δεν επιτρέπει πρόσβαση σε αυτή τη μέθοδο.",
                "http_status": 403,
                "recovery": "Διατηρήστε τις λεπτομέρειες σφάλματος που επιστρέφονται.",
                "type": "permission_error"
              },
              {
                "code": null,
                "condition": "Η επιλεγμένη μέθοδος δεν έχει διαδρομή με άδεια πρόσβασης.",
                "http_status": 404,
                "recovery": "Διατηρήστε τις λεπτομέρειες σφάλματος που επιστρέφονται.",
                "type": "not_found_error"
              },
              {
                "code": null,
                "condition": "Το αποδεκτό τιμολόγιο δεν μπορεί να λάβει την απαιτούμενη ποσότητα εισόδου ή το όριό της.",
                "http_status": 422,
                "recovery": "Διατηρήστε την απόκριση· χρησιμοποιήστε την αναπαράσταση εισόδου που απαιτεί το αποδεκτό τιμολόγιο.",
                "type": "price_unavailable"
              },
              {
                "code": null,
                "condition": "Ο απαιτούμενος χώρος αποθήκευσης, η διαδρομή, η τιμή μεθόδου ή η δέσμευση ποσού δεν είναι διαθέσιμα.",
                "http_status": 503,
                "recovery": "Διατηρήστε ολόκληρη την αρχική απόκριση. Μια αβέβαιη δέσμευση ποσού δεν αποτελεί άδεια επανυποβολής.",
                "type": null
              },
              {
                "code": null,
                "condition": "Το αρχικό αποτέλεσμα, η χρήση ή η εκκαθάριση απαιτεί έλεγχο.",
                "http_status": 502,
                "operation_id_source": "actual X-Client-Request-ID",
                "recovery": "Διατηρήστε το πραγματικό ID αιτήματος και την αρχική απόκριση. Διαβάστε την υπάρχουσα εγγραφή που σας ανήκει· μην επανυποβάλετε αίτημα δημιουργίας.",
                "response_headers": {
                  "x-should-retry": "false"
                },
                "type": "server_error"
              }
            ],
            "lifecycle": {
              "assets": [
                {
                  "http": "GET",
                  "path": "/v1/media/assets"
                },
                {
                  "http": "GET",
                  "path": "/v1/media/assets/{asset_id}"
                }
              ],
              "content": [
                {
                  "http": "GET",
                  "path": "/v1/media/assets/{asset_id}/content",
                  "url_source": "exact returned signed content URL"
                }
              ],
              "dedicated_method_polling_or_cancel": false,
              "mode": "synchronous_result_then_owned_library",
              "original_POST_adds_task_envelope": false,
              "status": [
                {
                  "http": "GET",
                  "id_source": "exact task_id from an existing owned media record",
                  "path": "/v1/media/tasks/{task_id}"
                }
              ],
              "unknown": "Διατηρήστε το πραγματικό X-Client-Request-ID και ολόκληρη την απόκριση. Διαβάστε τα αρχικά αρχεία πολυμέσων που σας ανήκουν και τα ακριβή υπογεγραμμένα URL περιεχομένου τους· μην επανυποβάλετε ποτέ αίτημα δημιουργίας με αβέβαιο αποτέλεσμα."
            },
            "outputs": {
              "all_results": "Διατηρήστε ολόκληρη την απόκριση και τις κεφαλίδες, κάθε πραγματικό αποτέλεσμα εξόδου, τα αρχικά αναγνωριστικά που επιστράφηκαν και όλα τα πεδία χρήσης. Ανακτήστε την αρχική λειτουργία χωρίς να υποβάλετε ξανά αίτημα δημιουργίας.",
              "family": "text",
              "fields": [
                {
                  "description": null,
                  "name": "text (when present)",
                  "type": null
                },
                {
                  "description": null,
                  "name": "usage (when present)",
                  "type": null
                }
              ],
              "result": "Ολόκληρο το αρχικό σώμα απόκρισης, η κατάσταση και οι προωθημένες κεφαλίδες. Αυτός ο χειριστής δεν προσθέτει καθολική δομή JSON, πεδίο κειμένου ή περίβλημα εργασίας."
            },
            "parameters": [
              {
                "default_known": false,
                "enum": [
                  "meta/muse-voice-transcribe-1.0"
                ],
                "enum_known": true,
                "name": "model",
                "required": true,
                "type": "string"
              },
              {
                "default_known": false,
                "enum_known": false,
                "name": "input_audio",
                "required": true,
                "type": "object"
              }
            ],
            "request_schema": {
              "properties": {
                "input_audio": {
                  "properties": {
                    "data": {
                      "contentEncoding": "base64",
                      "type": "string"
                    },
                    "format": {
                      "type": "string"
                    }
                  },
                  "required": [
                    "data",
                    "format"
                  ],
                  "type": "object"
                },
                "model": {
                  "enum": [
                    "meta/muse-voice-transcribe-1.0"
                  ],
                  "type": "string"
                }
              },
              "required": [
                "model",
                "input_audio"
              ],
              "type": "object"
            },
            "schema_template": {
              "actual_file_preparation_required": true,
              "body": {
                "input_audio": {
                  "data": "${BASE64_ACTUAL_WAV_BYTES}",
                  "format": "wav"
                },
                "model": "meta/muse-voice-transcribe-1.0"
              },
              "content_type": "application/json"
            }
          },
          "input": {
            "content_type": "application/json",
            "material_conditions": [
              "Το παράδειγμα διαβάζει το πραγματικό, μη κενό αρχείο PCM WAV σας, κωδικοποιεί όλα τα byte του αρχείου σε base64 και στέλνει το input_audio.format ως wav."
            ],
            "material_types": [
              "audio"
            ],
            "required": [
              "model",
              "input_audio"
            ]
          },
          "lifecycle": {
            "assets": [
              {
                "http": "GET",
                "path": "/v1/media/assets"
              },
              {
                "http": "GET",
                "path": "/v1/media/assets/{asset_id}"
              }
            ],
            "content": [
              {
                "http": "GET",
                "path": "/v1/media/assets/{asset_id}/content",
                "url_source": "exact returned signed content URL"
              }
            ],
            "dedicated_method_polling_or_cancel": false,
            "mode": "synchronous_result_then_owned_library",
            "original_POST_adds_task_envelope": false,
            "status": [
              {
                "http": "GET",
                "id_source": "ακριβές task_id από υπάρχουσα εγγραφή πολυμέσων που σας ανήκουν",
                "path": "/v1/media/tasks/{task_id}"
              }
            ],
            "unknown": "Retain the actual X-Client-Request-ID and complete response. Read the original owned assets and their exact signed content URLs; never resubmit an uncertain creation."
          },
          "method": {
            "http": "POST",
            "path": "/v1/audio/transcriptions"
          },
          "output": {
            "all_results": "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.",
            "family": "text",
            "fields": [
              {
                "description": null,
                "name": "text (when present)",
                "type": null
              },
              {
                "description": null,
                "name": "usage (when present)",
                "type": null
              }
            ],
            "result": "Complete original response body, status and forwarded headers. No universal JSON shape, text field or task envelope is added by this handler."
          }
        },
        "ctx": null,
        "declared_pricing_profiles": [
          {
            "dimensions": {
              "regime": "base"
            },
            "label": "Base token rates",
            "units": [
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "input_price",
                "label": "Input tokens",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "output_price",
                "label": "Output tokens",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "output_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "out",
                "unit": "output_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_read_price",
                "label": "Cache read",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "cached_input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "cached_input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_price",
                "label": "Cache write",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "generic_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "generic_cache_creation_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_1h_price",
                "label": "Cache write, 1 hour",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "one_hour_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "one_hour_cache_creation_token"
              }
            ]
          },
          {
            "dimensions": {
              "quoted_unit": "per input audio second"
            },
            "label": "input audio second",
            "units": [
              {
                "amount": "0.0001",
                "amount_unit": "usd_per_exact_native_unit",
                "billing_input": true,
                "estimate_only": false,
                "key": "audio_input_second",
                "label": "input audio second",
                "native_amount_usd_per_unit": "0.0001",
                "native_quantity": 1,
                "public_unit_label": "per input audio second",
                "quantity": 1,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "audio_input_second"
              }
            ]
          }
        ],
        "examples": [
          {
            "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\n: \"${AILOOT_AUDIO_FILE:?Set the path to your actual PCM WAV recording}\"\nexport AILOOT_AUDIO_FILE\npython3 - <<'PY_REQUEST'\nimport base64, io, json, os, wave\nfrom pathlib import Path\naudio = Path(os.environ['AILOOT_AUDIO_FILE']).read_bytes()\nif not (audio[:4] == b'RIFF' and audio[8:12] == b'WAVE'):\n    raise SystemExit('Supply your actual PCM WAV audio file')\nwith wave.open(io.BytesIO(audio), 'rb') as recording:\n    if recording.getcomptype() != 'NONE' or recording.getnframes() <= 0:\n        raise SystemExit('Supply a nonempty PCM WAV recording')\nrequest = {'model': 'meta/muse-voice-transcribe-1.0', 'input_audio': {'data': base64.b64encode(audio).decode('ascii'), 'format': 'wav'}}\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# Retain the complete original response, headers and actual X-Client-Request-ID.\n# Read existing owned records for recovery; do not resubmit an uncertain operation.\n",
            "label": "curl · actual WAV file and complete original result",
            "language": "bash"
          }
        ],
        "family": "openai",
        "fast_multiplier": null,
        "flex_multiplier": null,
        "fmt": "transcriptions",
        "hints": [
          "The example reads your actual nonempty PCM WAV file, encodes the complete file bytes as base64 and sends input_audio.format as wav.",
          "The format value in the example is the documented recipe; no model-specific format list, limit or default is asserted.",
          "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again."
        ],
        "http": "POST",
        "in": null,
        "input": [
          "audio"
        ],
        "label": "Απομαγνητοφώνηση",
        "max_out": null,
        "max_reasoning_effort_multiplier": null,
        "method_aliases": [],
        "native_endpoint": "audio_transcriptions",
        "out": null,
        "output": [
          "text"
        ],
        "path": "/v1/audio/transcriptions",
        "price_conditions": [
          {
            "label": "Fast mode",
            "value": "Not specified",
            "when": "When fast mode is selected"
          },
          {
            "label": "Flex mode",
            "value": "Not specified",
            "when": "When flex mode is selected"
          },
          {
            "label": "Maximum reasoning effort",
            "value": "Not specified",
            "when": "When maximum reasoning effort uses the default adjustment"
          }
        ],
        "pricing": {
          "billing_mode": "per_request",
          "image_input_price": null,
          "image_output_price": null,
          "per_request_price": null,
          "unit_prices": {
            "audio_input_second": 0.0001
          }
        },
        "pricing_profiles": [
          {
            "dimensions": {
              "regime": "base"
            },
            "label": "Base token rates",
            "units": [
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "input_price",
                "label": "Input tokens",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "output_price",
                "label": "Output tokens",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "output_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "out",
                "unit": "output_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_read_price",
                "label": "Cache read",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "cached_input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "cached_input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_price",
                "label": "Cache write",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "generic_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "generic_cache_creation_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_1h_price",
                "label": "Cache write, 1 hour",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "one_hour_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "one_hour_cache_creation_token"
              }
            ]
          },
          {
            "dimensions": {
              "quoted_unit": "per input audio second"
            },
            "label": "input audio second",
            "units": [
              {
                "amount": "0.0001",
                "amount_unit": "usd_per_exact_native_unit",
                "billing_input": true,
                "estimate_only": false,
                "key": "audio_input_second",
                "label": "input audio second",
                "native_amount_usd_per_unit": "0.0001",
                "native_quantity": 1,
                "public_unit_label": "per input audio second",
                "quantity": 1,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "audio_input_second"
              }
            ]
          }
        ],
        "request_model_id": "meta/muse-voice-transcribe-1.0",
        "route_label": "Ultra",
        "status_reads": [
          "GET /v1/media/tasks/{task_id}"
        ],
        "tiers": [],
        "units": [
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "input_price",
            "label": "Input tokens",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "input_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "input_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "output_price",
            "label": "Output tokens",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "output_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "out",
            "unit": "output_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "cache_read_price",
            "label": "Cache read",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "cached_input_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "cached_input_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "cache_write_price",
            "label": "Cache write",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "generic_cache_creation_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "generic_cache_creation_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "cache_write_1h_price",
            "label": "Cache write, 1 hour",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "one_hour_cache_creation_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "one_hour_cache_creation_token"
          },
          {
            "amount": "0.0001",
            "amount_unit": "usd_per_exact_native_unit",
            "billing_input": true,
            "estimate_only": false,
            "key": "audio_input_second",
            "label": "input audio second",
            "native_amount_usd_per_unit": "0.0001",
            "native_quantity": 1,
            "public_unit_label": "per input audio second",
            "quantity": 1,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "audio_input_second"
          }
        ]
      }
    }
  ],
  "model_id": "meta/muse-voice-transcribe-1.0",
  "nativeProvenance": {
    "input_facts_canonical_sha256": "3e25d3b091d402f19b39948f1774ae24230999061fcc27f8501cc59f3f209af4",
    "input_html_sha256": "5dacc36f0b886c5dcddcb4be58ab748845fa23349c8a7e474b751bd36ce8cc86",
    "private_audit_sha256": "d298e4b7ff6939e09f2d28dd9ff66bb1eb2587f5940d6395a47f84d618cb590d",
    "role": "historical-normalized-input-audit-hashes",
    "schema": "ailoot-native-model-provenance-v2"
  },
  "page": {
    "canonical": "https://ailoot.ai/models/el/meta-muse-voice-transcribe-1-0/",
    "description": "Το Muse Voice Transcribe 1.0 είναι το μοντέλο μετατροπής ομιλίας σε κείμενο της Meta για υπαγόρευση, ανίχνευση διαδοχικών παρεμβάσεων και απομαγνητοφωνήσεις με διάκριση ομιλητών. Υποστηρίζει υποδείξεις γλώσσας και λεξιλογίου, εναλλαγή γλωσσών και χρονισμό ανά παρέμβαση, με χωριστές ροές εργασίας για ηχογραφημένα αποσπάσματα και ζωντανό ήχο.",
    "locale": "el",
    "md_url": "https://ailoot.ai/models/el/meta-muse-voice-transcribe-1-0/index.md",
    "title": "Meta: Muse Voice Transcribe 1.0 — Ailoot",
    "url": "https://ailoot.ai/models/el/meta-muse-voice-transcribe-1-0/"
  },
  "rawModel": {
    "about": "Το Muse Voice Transcribe 1.0 είναι το μοντέλο ακουστικής αντίληψης της Meta για την απομαγνητοφώνηση ομιλίας, την ανίχνευση των ορίων των εκφωνήσεων και την απόδοση των παρεμβάσεων σε ομιλητές. Ανήκει στην οικογένεια μοντέλων Muse Spark και συνδυάζει την αναγνώριση, τη διαχωριστική αναγνώριση ομιλητών και την ανίχνευση λήξης εκφώνησης μέσα στο ίδιο το μοντέλο. Η έξοδός του είναι το αναγνωρισμένο κείμενο με τις πληροφορίες χρονισμού και ομιλητών που διατίθενται στην επιλεγμένη λειτουργία.\n\nΤο μοντέλο επεξεργάζεται τον ήχο σε τμήματα των 80 χιλιοστών του δευτερολέπτου και αποφασίζει πότε να συνεχίσει την ακρόαση ή να εκπέμψει κείμενο. Η προσαρμοστική καθυστέρησή του επιτρέπει να περιμένει επιπλέον ήχο όταν μια λέξη είναι δυσκολότερο να αποσαφηνιστεί. Έτσι παράγεται μερικό κείμενο όσο φτάνει η ομιλία και ακολουθούν ολοκληρωμένα αποτελέσματα απομαγνητοφώνησης. Αντιμετωπίζετε την προσωρινή υπόθεση και την ολοκληρωμένη παρέμβαση ως διαφορετικά στάδια της εμπειρίας ακρόασης.\n\nΕπιλέξτε ανάμεσα σε τρεις λειτουργίες. Το Push-to-talk είναι η προεπιλογή για μία ελεγχόμενη εκφώνηση, όπως ένα φωνητικό ερώτημα ή ένα σύντομο υπαγορευμένο απόσπασμα. Η λειτουργία endpointing επιτρέπει στο μοντέλο να ανιχνεύει τα όρια των παρεμβάσεων και να επιστρέφει μία ολοκληρωμένη απομαγνητοφώνηση για κάθε τμήμα που ανιχνεύεται. Η λειτουργία diarization αποδίδει την αναγνωρισμένη ομιλία σε ετικέτες ομιλητών και προορίζεται για ηχογραφήσεις πολλών ομιλητών, αντί για την ταχύτερη εναλλαγή διαδοχικών φωνητικών εντολών.\n\nΓια ένα ηχογραφημένο απόσπασμα, η ροή απομαγνητοφώνησης αρχείου επιστρέφει ολόκληρη την απομαγνητοφώνηση σε ένα αίτημα. Το προεπιλεγμένο αποτέλεσμα είναι JSON που περιέχει την απομαγνητοφώνηση και τη διάρκεια του ήχου, με έναν πίνακα turns στις λειτουργίες endpointing και diarization. Κάθε παρέμβαση μπορεί να περιλαμβάνει αναγνωριστικό, χρόνο έναρξης και λήξης σε χιλιοστά του δευτερολέπτου και το αναγνωρισμένο κείμενό της. Στη λειτουργία diarization υπάρχουν ετικέτες ομιλητών. Το Push-to-talk παράγει ολόκληρη την απομαγνητοφώνηση χωρίς ανιχνευμένες παρεμβάσεις σε αυτόν τον πίνακα. Η διεπαφή ηχογραφημένων αρχείων του κατασκευαστή μπορεί επίσης να επιστρέψει απλό κείμενο ή μια ροή συμβάντων απομαγνητοφώνησης. Το απλό κείμενο διατηρεί τις ανιχνευμένες παρεμβάσεις σε χωριστές γραμμές και μπορεί να περιλαμβάνει ετικέτες ομιλητών· μια ροή συμβάντων τερματίζεται μετά το τελευταίο της συμβάν, χωρίς χωριστή σύνοψη JSON. Η λειτουργία μερικών αποτελεσμάτων delta επιστρέφει τις διαδοχικές προσθήκες κειμένου, ενώ το τελικό συμβάν απομαγνητοφώνησης περιέχει την πλήρη διατύπωση.\n\nΠροετοιμάστε ένα αρχείο RIFF/WAVE με μονοφωνικό ήχο PCM ακέραιων τιμών 16 bit στα 16 ή 24 kHz. Ο εγγενής ρυθμός δειγματοληψίας του μοντέλου είναι 24 kHz και η διεπαφή δέχεται επίσης 16 kHz. Μετατρέψτε άλλα περιβλήματα ή κωδικοποιήσεις σε αυτήν την υποστηριζόμενη μορφή WAV πριν υποβάλετε μια ηχογράφηση. Το προφίλ απομαγνητοφώνησης αρχείου επιτρέπει ήχο διάρκειας έως 10 λεπτών και συνολικό σώμα αιτήματος έως 32 MB. Διατηρείτε την αρχική ηχογράφηση και κάθε μετατροπή της συνδεδεμένες με την επιστρεφόμενη απομαγνητοφώνηση για μεταγενέστερο έλεγχο μέσω ακρόασης.\n\nΗ ροή ζωντανού ήχου χρησιμοποιεί ακατέργαστο, προσημασμένο, μονοφωνικό PCM 16 bit σε διάταξη little-endian, με ήχο στα 16 ή 24 kHz που αποστέλλεται περίπου σε πραγματικό χρόνο. Το τεκμηριωμένο χρονικό όριο συνεδρίας είναι 60 λεπτά. Η Meta περιγράφει εγγενή είσοδο ήχου που υπερβαίνει τη μία ώρα· τα τεκμηριωμένα όρια αρχείου και ζωντανής συνεδρίας παραμένουν χωριστά όρια διεπαφής. Επιλέξτε τη ροή ηχογραφημένου αρχείου ή τη ζωντανή ροή ανάλογα με το αν ο ήχος είναι ήδη ολοκληρωμένος ή εξακολουθεί να καταγράφεται και διατηρείτε τα αποτελέσματα διαφορετικών συνεδριών συνδεδεμένα με τα δικά τους τμήματα εισόδου.\n\nΤο Muse Voice Transcribe έχει εκπαιδευτεί σε περισσότερες από 70 γλώσσες, ενώ η τεκμηριωμένη διεπαφή αναγνώρισης απαριθμεί 25 υποστηριζόμενες γλώσσες. Σε αυτές περιλαμβάνονται τα αγγλικά, τα γαλλικά, τα γερμανικά, τα ισπανικά, τα αραβικά, τα κινεζικά μανδαρινικά, τα χίντι, τα ιαπωνικά, τα κορεατικά, τα ιταλικά και τα πορτογαλικά. Αναγνωρίζει την εναλλαγή γλωσσών μέσα στην ίδια πρόταση ή μεταξύ προτάσεων. Μια υπόδειξη γλώσσας μπορεί να κατονομάζει τις γλώσσες που αναμένονται στον ήχο, αλλά κατευθύνει την αναγνώριση αντί να επιβάλλει μία γλώσσα στην απομαγνητοφώνηση.\n\nΟι υποδείξεις λεξιλογίου βοηθούν με όρους προϊόντων, ακρωνύμια, ονόματα ή τοπωνύμια που έχουν σημασία σε μια ηχογράφηση. Δώστε τις πραγματικές λέξεις και την ορθογραφία που αναμένετε να ακούσετε. Η λίστα λέξεων-κλειδιών επηρεάζει την αναγνώριση χωρίς να εγγυάται ακριβή ορθογραφία, οπότε ελέγχετε τους καθοριστικούς όρους συγκρίνοντάς τους με τον ήχο. Οι υποδείξεις γλώσσας και οι λέξεις-κλειδιά επιλέγονται στην αρχή της απομαγνητοφώνησης· διατηρείτε τις κατάλληλες για τη συγκεκριμένη ηχογράφηση αντί να αλλάζετε τη σημασία τους όσο εκτελείται μια συνεδρία.\n\nΤο μοντέλο υποστηρίζει diarization για συζητήσεις με περισσότερους από 20 ομιλητές. Ετικέτες όπως A και B προσδιορίζουν ομιλητές μέσα σε μία απομαγνητοφώνηση. Δεν είναι επαληθευμένα ονόματα και δεν τεκμηριώνουν ότι μια ετικέτα αναφέρεται στο ίδιο άτομο σε άλλη συνεδρία. Για μια πρωτότυπη εργασία ανάλυσης συνάντησης, ζητήστε παρεμβάσεις με απόδοση ομιλητή, διατηρήστε την ηχογράφηση και χρησιμοποιήστε τις ετικέτες για να οργανώσετε τη συζήτηση πριν αντιστοιχίσετε πραγματικά ονόματα συμμετεχόντων μέσω της ευρύτερης ροής εργασίας.\n\nΟι ζωντανές μερικές απομαγνητοφωνήσεις μπορούν να αλλάζουν καθώς φτάνει περισσότερη ομιλία. Στη σωρευτική λειτουργία, κάθε μερικό αποτέλεσμα αντικαθιστά την προηγούμενη υπόθεση αντί να προσθέτει άλλο ένα αντίγραφό της. Ένα ανιχνευμένο τέλος ομιλίας σηματοδοτεί ένα όριο, ενώ το αποτέλεσμα ολοκληρωμένης παρέμβασης παρέχει το τελικό κείμενο και μπορεί να διαφέρει από το τελευταίο μερικό αποτέλεσμα. Διατηρείτε τις επικαλυπτόμενες παρεμβάσεις συνδεδεμένες με τα αναγνωριστικά τους και παραλαμβάνετε τα ολοκληρωμένα αποτελέσματα πριν θεωρήσετε ότι μια απομαγνητοφώνηση έχει τελειώσει. Όταν ολοκληρωθεί η ζωντανή είσοδος, σηματοδοτήστε το τέλος εισόδου και συνεχίστε να λαμβάνετε μέχρι ο παραγωγός να ολοκληρώσει την αποστολή των εκκρεμών αποτελεσμάτων. Το άμεσο κλείσιμο της σύνδεσης μπορεί να απορρίψει αυτά τα αποτελέσματα· ένα ανιχνευμένο όριο ομιλίας τερματίζει μια παρέμβαση και όχι ολόκληρη τη συνεδρία.\n\nΟ χρονισμός παρέχεται ανά παρέμβαση. Αυτό το προφίλ δεν παρέχει χρονικές σημάνσεις ανά λέξη ή βαθμολογίες εμπιστοσύνης και η πρόοδος επεξεργασίας του ήχου δεν αποτελεί χρονική σήμανση για μια συγκεκριμένη λέξη. Η ανίχνευση ηχητικών συμβάντων, η ανίχνευση συναισθήματος και η αναδιαμόρφωση της απομαγνητοφώνησης βρίσκονται επίσης έξω από το τεκμηριωμένο προφίλ εξόδου. Χρησιμοποιήστε τα επιστρεφόμενα χρονικά διαστήματα παρεμβάσεων για ένα χρονολόγιο ομιλητών ή έλεγχο ανά τμήμα και διατηρήστε τις αναγνωρισμένες λέξεις αν ένα χωριστό βήμα επεξεργασίας δημιουργήσει αργότερα πιο καθαρές σημειώσεις.\n\nΧρήσιμα παραδοτέα είναι ένα ολοκληρωμένο υπαγορευμένο απόσπασμα, η απομαγνητοφώνηση ενός φωνητικού ερωτήματος, μια συζήτηση με απόδοση ομιλητών ή ένα χρονολόγιο εκφωνήσεων. Συγκρίνετε ονόματα, αριθμούς και τεχνικούς όρους με την αρχική ηχογράφηση, διατηρήστε τις συσχετίσεις λειτουργίας και χρονισμού και κρατήστε διαθέσιμες τις πλήρεις παρεμβάσεις για έλεγχο. Η απομαγνητοφώνηση τεκμηριώνει τι αναγνωρίστηκε στον ήχο· η απάντηση σε μια προφορική ερώτηση, η μετάφρασή της ή η μετατροπή της σε σημειώσεις συνάντησης ανήκει σε μεταγενέστερο βήμα της εφαρμογής.",
    "alias_of": null,
    "aliases": [],
    "author": "Meta",
    "capabilities": {
      "context_length": 0,
      "manufacturer_input": [
        "audio"
      ],
      "manufacturer_output": [
        "transcription"
      ]
    },
    "card_routes": [
      {
        "label": "Ultra",
        "rates": [
          {
            "amount": "0.0001",
            "amount_unit": "usd_per_exact_native_unit",
            "billing_input": true,
            "estimate_only": false,
            "key": "audio_input_second",
            "label": "input audio second",
            "native_amount_usd_per_unit": "0.0001",
            "native_quantity": 1,
            "public_unit_label": "per input audio second",
            "quantity": 1,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "audio_input_second"
          }
        ],
        "summary": "Πλήρης τιμολόγηση της διαμόρφωσης στις λεπτομέρειες."
      }
    ],
    "ctx": null,
    "formats": [
      "transcriptions"
    ],
    "id": "meta/muse-voice-transcribe-1.0",
    "input": [
      "audio"
    ],
    "kind": "audio",
    "max_out": null,
    "methods": [
      {
        "available": null,
        "cache_read": null,
        "cache_write": null,
        "cache_write_1h": null,
        "contract": {
          "data": {
            "all_results": "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.",
            "errors": [
              {
                "code": null,
                "condition": "Το σώμα JSON ή το ρητό κανονικό ID μοντέλου δεν είναι έγκυρο.",
                "http_status": 400,
                "recovery": "Διατηρήστε την απόκριση και διορθώστε το υποδεικνυόμενο πεδίο του αιτήματος.",
                "type": "invalid_request_error"
              },
              {
                "code": null,
                "condition": "Το κλειδί API του Ailoot δεν είναι έγκυρο.",
                "http_status": 401,
                "recovery": "Χρησιμοποιήστε το εξουσιοδοτημένο κλειδί API του Ailoot σας.",
                "type": "authentication_error"
              },
              {
                "code": null,
                "condition": "Η ομάδα του κλειδιού δεν επιτρέπει πρόσβαση σε αυτή τη μέθοδο.",
                "http_status": 403,
                "recovery": "Διατηρήστε τις λεπτομέρειες σφάλματος που επιστρέφονται.",
                "type": "permission_error"
              },
              {
                "code": null,
                "condition": "Η επιλεγμένη μέθοδος δεν έχει διαδρομή με άδεια πρόσβασης.",
                "http_status": 404,
                "recovery": "Διατηρήστε τις λεπτομέρειες σφάλματος που επιστρέφονται.",
                "type": "not_found_error"
              },
              {
                "code": null,
                "condition": "Το αποδεκτό τιμολόγιο δεν μπορεί να λάβει την απαιτούμενη ποσότητα εισόδου ή το όριό της.",
                "http_status": 422,
                "recovery": "Διατηρήστε την απόκριση· χρησιμοποιήστε την αναπαράσταση εισόδου που απαιτεί το αποδεκτό τιμολόγιο.",
                "type": "price_unavailable"
              },
              {
                "code": null,
                "condition": "Ο απαιτούμενος χώρος αποθήκευσης, η διαδρομή, η τιμή μεθόδου ή η δέσμευση ποσού δεν είναι διαθέσιμα.",
                "http_status": 503,
                "recovery": "Διατηρήστε ολόκληρη την αρχική απόκριση. Μια αβέβαιη δέσμευση ποσού δεν αποτελεί άδεια επανυποβολής.",
                "type": null
              },
              {
                "code": null,
                "condition": "Το αρχικό αποτέλεσμα, η χρήση ή η εκκαθάριση απαιτεί έλεγχο.",
                "http_status": 502,
                "operation_id_source": "actual X-Client-Request-ID",
                "recovery": "Διατηρήστε το πραγματικό ID αιτήματος και την αρχική απόκριση. Διαβάστε την υπάρχουσα εγγραφή που σας ανήκει· μην επανυποβάλετε αίτημα δημιουργίας.",
                "response_headers": {
                  "x-should-retry": "false"
                },
                "type": "server_error"
              }
            ],
            "lifecycle": {
              "assets": [
                {
                  "http": "GET",
                  "path": "/v1/media/assets"
                },
                {
                  "http": "GET",
                  "path": "/v1/media/assets/{asset_id}"
                }
              ],
              "content": [
                {
                  "http": "GET",
                  "path": "/v1/media/assets/{asset_id}/content",
                  "url_source": "exact returned signed content URL"
                }
              ],
              "dedicated_method_polling_or_cancel": false,
              "mode": "synchronous_result_then_owned_library",
              "original_POST_adds_task_envelope": false,
              "status": [
                {
                  "http": "GET",
                  "id_source": "exact task_id from an existing owned media record",
                  "path": "/v1/media/tasks/{task_id}"
                }
              ],
              "unknown": "Διατηρήστε το πραγματικό X-Client-Request-ID και ολόκληρη την απόκριση. Διαβάστε τα αρχικά αρχεία πολυμέσων που σας ανήκουν και τα ακριβή υπογεγραμμένα URL περιεχομένου τους· μην επανυποβάλετε ποτέ αίτημα δημιουργίας με αβέβαιο αποτέλεσμα."
            },
            "outputs": {
              "all_results": "Διατηρήστε ολόκληρη την απόκριση και τις κεφαλίδες, κάθε πραγματικό αποτέλεσμα εξόδου, τα αρχικά αναγνωριστικά που επιστράφηκαν και όλα τα πεδία χρήσης. Ανακτήστε την αρχική λειτουργία χωρίς να υποβάλετε ξανά αίτημα δημιουργίας.",
              "family": "text",
              "fields": [
                {
                  "description": null,
                  "name": "text (when present)",
                  "type": null
                },
                {
                  "description": null,
                  "name": "usage (when present)",
                  "type": null
                }
              ],
              "result": "Ολόκληρο το αρχικό σώμα απόκρισης, η κατάσταση και οι προωθημένες κεφαλίδες. Αυτός ο χειριστής δεν προσθέτει καθολική δομή JSON, πεδίο κειμένου ή περίβλημα εργασίας."
            },
            "parameters": [
              {
                "default_known": false,
                "enum": [
                  "meta/muse-voice-transcribe-1.0"
                ],
                "enum_known": true,
                "name": "model",
                "required": true,
                "type": "string"
              },
              {
                "default_known": false,
                "enum_known": false,
                "name": "input_audio",
                "required": true,
                "type": "object"
              }
            ],
            "request_schema": {
              "properties": {
                "input_audio": {
                  "properties": {
                    "data": {
                      "contentEncoding": "base64",
                      "type": "string"
                    },
                    "format": {
                      "type": "string"
                    }
                  },
                  "required": [
                    "data",
                    "format"
                  ],
                  "type": "object"
                },
                "model": {
                  "enum": [
                    "meta/muse-voice-transcribe-1.0"
                  ],
                  "type": "string"
                }
              },
              "required": [
                "model",
                "input_audio"
              ],
              "type": "object"
            },
            "schema_template": {
              "actual_file_preparation_required": true,
              "body": {
                "input_audio": {
                  "data": "${BASE64_ACTUAL_WAV_BYTES}",
                  "format": "wav"
                },
                "model": "meta/muse-voice-transcribe-1.0"
              },
              "content_type": "application/json"
            }
          },
          "input": {
            "content_type": "application/json",
            "material_conditions": [
              "Το παράδειγμα διαβάζει το πραγματικό, μη κενό αρχείο PCM WAV σας, κωδικοποιεί όλα τα byte του αρχείου σε base64 και στέλνει το input_audio.format ως wav."
            ],
            "material_types": [
              "audio"
            ],
            "required": [
              "model",
              "input_audio"
            ]
          },
          "lifecycle": {
            "assets": [
              {
                "http": "GET",
                "path": "/v1/media/assets"
              },
              {
                "http": "GET",
                "path": "/v1/media/assets/{asset_id}"
              }
            ],
            "content": [
              {
                "http": "GET",
                "path": "/v1/media/assets/{asset_id}/content",
                "url_source": "exact returned signed content URL"
              }
            ],
            "dedicated_method_polling_or_cancel": false,
            "mode": "synchronous_result_then_owned_library",
            "original_POST_adds_task_envelope": false,
            "status": [
              {
                "http": "GET",
                "id_source": "ακριβές task_id από υπάρχουσα εγγραφή πολυμέσων που σας ανήκουν",
                "path": "/v1/media/tasks/{task_id}"
              }
            ],
            "unknown": "Retain the actual X-Client-Request-ID and complete response. Read the original owned assets and their exact signed content URLs; never resubmit an uncertain creation."
          },
          "method": {
            "http": "POST",
            "path": "/v1/audio/transcriptions"
          },
          "output": {
            "all_results": "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.",
            "family": "text",
            "fields": [
              {
                "description": null,
                "name": "text (when present)",
                "type": null
              },
              {
                "description": null,
                "name": "usage (when present)",
                "type": null
              }
            ],
            "result": "Complete original response body, status and forwarded headers. No universal JSON shape, text field or task envelope is added by this handler."
          }
        },
        "ctx": null,
        "declared_pricing_profiles": [
          {
            "dimensions": {
              "regime": "base"
            },
            "label": "Base token rates",
            "units": [
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "input_price",
                "label": "Input tokens",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "output_price",
                "label": "Output tokens",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "output_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "out",
                "unit": "output_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_read_price",
                "label": "Cache read",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "cached_input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "cached_input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_price",
                "label": "Cache write",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "generic_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "generic_cache_creation_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_1h_price",
                "label": "Cache write, 1 hour",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "one_hour_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "one_hour_cache_creation_token"
              }
            ]
          },
          {
            "dimensions": {
              "quoted_unit": "per input audio second"
            },
            "label": "input audio second",
            "units": [
              {
                "amount": "0.0001",
                "amount_unit": "usd_per_exact_native_unit",
                "billing_input": true,
                "estimate_only": false,
                "key": "audio_input_second",
                "label": "input audio second",
                "native_amount_usd_per_unit": "0.0001",
                "native_quantity": 1,
                "public_unit_label": "per input audio second",
                "quantity": 1,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "audio_input_second"
              }
            ]
          }
        ],
        "examples": [
          {
            "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\n: \"${AILOOT_AUDIO_FILE:?Set the path to your actual PCM WAV recording}\"\nexport AILOOT_AUDIO_FILE\npython3 - <<'PY_REQUEST'\nimport base64, io, json, os, wave\nfrom pathlib import Path\naudio = Path(os.environ['AILOOT_AUDIO_FILE']).read_bytes()\nif not (audio[:4] == b'RIFF' and audio[8:12] == b'WAVE'):\n    raise SystemExit('Supply your actual PCM WAV audio file')\nwith wave.open(io.BytesIO(audio), 'rb') as recording:\n    if recording.getcomptype() != 'NONE' or recording.getnframes() <= 0:\n        raise SystemExit('Supply a nonempty PCM WAV recording')\nrequest = {'model': 'meta/muse-voice-transcribe-1.0', 'input_audio': {'data': base64.b64encode(audio).decode('ascii'), 'format': 'wav'}}\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# Retain the complete original response, headers and actual X-Client-Request-ID.\n# Read existing owned records for recovery; do not resubmit an uncertain operation.\n",
            "label": "curl · actual WAV file and complete original result",
            "language": "bash"
          }
        ],
        "family": "openai",
        "fast_multiplier": null,
        "flex_multiplier": null,
        "fmt": "transcriptions",
        "hints": [
          "The example reads your actual nonempty PCM WAV file, encodes the complete file bytes as base64 and sends input_audio.format as wav.",
          "The format value in the example is the documented recipe; no model-specific format list, limit or default is asserted.",
          "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again."
        ],
        "http": "POST",
        "in": null,
        "input": [
          "audio"
        ],
        "label": "Απομαγνητοφώνηση",
        "max_out": null,
        "max_reasoning_effort_multiplier": null,
        "method_aliases": [],
        "native_endpoint": "audio_transcriptions",
        "out": null,
        "output": [
          "text"
        ],
        "path": "/v1/audio/transcriptions",
        "price_conditions": [
          {
            "label": "Fast mode",
            "value": "Not specified",
            "when": "When fast mode is selected"
          },
          {
            "label": "Flex mode",
            "value": "Not specified",
            "when": "When flex mode is selected"
          },
          {
            "label": "Maximum reasoning effort",
            "value": "Not specified",
            "when": "When maximum reasoning effort uses the default adjustment"
          }
        ],
        "pricing": {
          "billing_mode": "per_request",
          "image_input_price": null,
          "image_output_price": null,
          "per_request_price": null,
          "unit_prices": {
            "audio_input_second": 0.0001
          }
        },
        "pricing_profiles": [
          {
            "dimensions": {
              "regime": "base"
            },
            "label": "Base token rates",
            "units": [
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "input_price",
                "label": "Input tokens",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "output_price",
                "label": "Output tokens",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "output_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "out",
                "unit": "output_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_read_price",
                "label": "Cache read",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "cached_input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "cached_input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_price",
                "label": "Cache write",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "generic_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "generic_cache_creation_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_1h_price",
                "label": "Cache write, 1 hour",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "one_hour_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "one_hour_cache_creation_token"
              }
            ]
          },
          {
            "dimensions": {
              "quoted_unit": "per input audio second"
            },
            "label": "input audio second",
            "units": [
              {
                "amount": "0.0001",
                "amount_unit": "usd_per_exact_native_unit",
                "billing_input": true,
                "estimate_only": false,
                "key": "audio_input_second",
                "label": "input audio second",
                "native_amount_usd_per_unit": "0.0001",
                "native_quantity": 1,
                "public_unit_label": "per input audio second",
                "quantity": 1,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "audio_input_second"
              }
            ]
          }
        ],
        "request_model_id": "meta/muse-voice-transcribe-1.0",
        "route_label": "Ultra",
        "status_reads": [
          "GET /v1/media/tasks/{task_id}"
        ],
        "tiers": [],
        "units": [
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "input_price",
            "label": "Input tokens",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "input_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "input_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "output_price",
            "label": "Output tokens",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "output_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "out",
            "unit": "output_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "cache_read_price",
            "label": "Cache read",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "cached_input_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "cached_input_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "cache_write_price",
            "label": "Cache write",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "generic_cache_creation_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "generic_cache_creation_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "cache_write_1h_price",
            "label": "Cache write, 1 hour",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "one_hour_cache_creation_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "one_hour_cache_creation_token"
          },
          {
            "amount": "0.0001",
            "amount_unit": "usd_per_exact_native_unit",
            "billing_input": true,
            "estimate_only": false,
            "key": "audio_input_second",
            "label": "input audio second",
            "native_amount_usd_per_unit": "0.0001",
            "native_quantity": 1,
            "public_unit_label": "per input audio second",
            "quantity": 1,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "audio_input_second"
          }
        ]
      }
    ],
    "model_aliases": [
      {
        "canonical_model_id": "meta/muse-voice-transcribe-1.0",
        "request_model_id": "meta/muse-voice-transcribe-1.0",
        "route_label": "Ultra"
      }
    ],
    "name": "Meta: Muse Voice Transcribe 1.0",
    "price": {
      "in": null,
      "in_label": null,
      "out": null,
      "out_label": null,
      "sort_in": null,
      "sort_out": null,
      "varies": true
    },
    "short": "Το Muse Voice Transcribe 1.0 είναι το μοντέλο μετατροπής ομιλίας σε κείμενο της Meta για υπαγόρευση, ανίχνευση διαδοχικών παρεμβάσεων και απομαγνητοφωνήσεις με διάκριση ομιλητών. Υποστηρίζει υποδείξεις γλώσσας και λεξιλογίου, εναλλαγή γλωσσών και χρονισμό ανά παρέμβαση, με χωριστές ροές εργασίας για ηχογραφημένα αποσπάσματα και ζωντανό ήχο."
  },
  "renderer_schema": {
    "method_order": "Original DTO methods order; every exact route/format/path/caller survives.",
    "prices": "Original public DTO fields and original native display HTML; no flattened or normalized offers."
  },
  "representation": "exact-public-dto-and-native-renderer-html",
  "representationNotes": {
    "current_reference": {
      "about_json_pointer": "/aboutHtml",
      "methods": [
        {
          "contract_json_pointer": "/methods/0/rawMethod/contract",
          "html_json_pointer": "/methods/0/html",
          "method_ordinal": 0
        }
      ],
      "role": "current-semantic-reference"
    },
    "raw_input": {
      "examples_role": "historical-input-not-current-ready-examples",
      "json_pointers": [
        "/rawModel",
        "/methods/0/rawMethod"
      ],
      "role": "historical-owner-input"
    },
    "schema": "ailoot-native-model-representations-v1"
  },
  "schema": "ailoot-static-model-facts-v1",
  "schema_version": 1,
  "shortText": "Το Muse Voice Transcribe 1.0 είναι το μοντέλο μετατροπής ομιλίας σε κείμενο της Meta για υπαγόρευση, ανίχνευση διαδοχικών παρεμβάσεων και απομαγνητοφωνήσεις με διάκριση ομιλητών. Υποστηρίζει υποδείξεις γλώσσας και λεξιλογίου, εναλλαγή γλωσσών και χρονισμό ανά παρέμβαση, με χωριστές ροές εργασίας για ηχογραφημένα αποσπάσματα και ζωντανό ήχο.",
  "source": {
    "audit_sha256": "2e00086bcbfc28e64d0cebe97aa47c17d8d5618963027f8ffb9dc6123d7d25b1",
    "bridge_map_sha256": "1125275768b9636fc8461bc7da5061239a81ddfe508e2557843ca42c58ab0036",
    "raw_model_json_sha256": "099071d7f3032a79dbeeead8697c616e293dd3aeed967757c24557d2b5e7d509",
    "renderer_sha256": "3ed36f7af4f78822bafbd174fdcaed7b698a18a86efe254253d37f1b098a7566"
  },
  "sourceRevision": "0a1dad848041c8f4e936b7d424c3e42f33e33f5948da0b9b140e4f932183cf42"
}