ElevenLabs Scribe v2 Medical es la edición de reconocimiento de voz por lotes especializada en audio médico y clínico. Es un ajuste fino de Scribe v2, con reconocimiento centrado en nombres de medicamentos, anatomía, patología y dictado clínico, conservando el flujo general de transcripción de voz. Convierte la grabación proporcionada en un borrador de texto con tiempos y anotaciones opcionales de hablantes. Los usos previstos por el fabricante son documentación y flujos administrativos relacionados, con revisión y corrección del texto antes de utilizarlo.
Entre las entradas útiles figuran una conversación grabada entre profesional clínico y paciente, un dictado hablado, una llamada de admisión o una conversación de coordinación asistencial. Conserva la grabación original y suficiente habla circundante para distinguir un término en su contexto. Evita la saturación del audio y mantén separados los canales significativos de hablantes cuando la fuente los proporcione. La interfaz compartida de transcripción por lotes del productor acepta formatos de audio habituales como WAV, MP3, FLAC y M4A. La adaptación a terminología médica mejora el enfoque de la tarea; no reconstruye una parte claramente ausente o inaudible de la grabación.
El fabricante documenta la misma compatibilidad con más de 90 idiomas que Scribe v2. Su información pública sobre transcripción médica indica que las mejoras de precisión médica se midieron en inglés, francés y alemán. Esos resultados no demuestran un rendimiento igual con términos especializados en todos los idiomas admitidos. Proporciona el idioma conocido cuando sea útil, conserva nombres y términos de otros idiomas insertados en el discurso y revisa el vocabulario clínico poco común contra el audio real, en lugar de aceptarlo porque la frase se lea con fluidez.
La salida de transcripción contiene texto reconocido y palabras con tiempos, con etiquetas opcionales de hablantes y eventos de audio. Los tiempos de inicio y fin de cada palabra permiten volver a un nombre de medicamento, una cantidad pronunciada o una corrección en la grabación. Por tanto, un artefacto útil de dictado es una transcripción junto con su registro alineado por palabras. Revisa los detalles sensibles en su contexto hablado completo, incluidas negaciones, incertidumbre y la diferencia entre lo comunicado por un paciente y lo afirmado por el profesional clínico.
Para una consulta captada de forma ambiental, la diarización ayuda a organizar quién habló y cuándo. Trata una etiqueta inferida como una agrupación de habla y después asóciala con funciones o identidades conocidas utilizando el registro de la consulta. Las voces superpuestas o los hablantes de sonido similar requieren especial atención al revisar los cambios de turno. Si cada hablante ocupa un canal de grabación, la interfaz compartida por lotes también ofrece transcripción independiente de canales. Mantén la atribución por canal separada de la diarización inferida a partir de audio mezclado y conserva la disposición de la fuente cuando ayude a revisar el resultado.
La indicación de términos clave proporciona palabras o frases pertinentes para orientar el reconocimiento mediante el contexto. Prepara un glosario concreto con la terminología real que se espera en la grabación, incluidas las grafías correctas y las abreviaturas importantes para la documentación. La guía por lotes del fabricante permite hasta 1,000 términos clave; deben ser breves y pertinentes, no un vocabulario exhaustivo sin relación. Inspecciona los términos importantes en sus marcas de tiempo. Un término clave proporcionado es una pista de reconocimiento, no una prueba de que la palabra se haya pronunciado ni una instrucción para sustituir otro término audible.
El fabricante documenta detección opcional de entidades, incluidas determinadas categorías de información sanitaria, junto con la transcripción. Estas anotaciones pueden ayudar a un proceso de revisión autorizado a encontrar fragmentos pertinentes para corregirlos o tratarlos. La interfaz compartida por lotes también ofrece ocultación de entidades, que enmascara el texto detectado con etiquetas de sustitución; requiere detección de entidades y la lista de entidades se omite cuando se activa la ocultación. Conserva juntos el texto y los tiempos devueltos con las anotaciones presentes en el resultado seleccionado. Una edición, resumen o extracción posterior es una transformación separada de la transcripción y debe conservar la relación con las palabras grabadas. Por ejemplo, una frase pulida no debe borrar una corrección pronunciada ni convertir una afirmación incierta en un hallazgo definitivo.
La tarea definida de la edición médica es la transcripción. El fabricante excluye explícitamente de su propósito previsto la interpretación de información clínica, el diagnóstico, las recomendaciones de tratamiento y la orientación para decisiones clínicas. Para completar un flujo de documentación, el profesional sanitario correspondiente o un revisor autorizado comprueba el borrador contra la grabación y corrige los errores importantes. El modelo aporta el registro textual para respaldar ese trabajo; la transcripción en sí no demuestra la corrección de una afirmación clínica ni sustituye la revisión.
Mantén clara la distinción de edición al preparar una tarea. Scribe v2 Medical procesa audio grabado; Scribe v2 Realtime es el modelo separado de transcripción en directo. Un ajuste fino médico no hereda límites ni capacidades de síntesis de voz solo porque el mismo fabricante ofrezca productos de voz. El resultado útil es un borrador revisado de transcripción con tiempos e información de hablantes adecuados para la grabación, manteniendo visibles los detalles inaudibles o inciertos para corregirlos, en lugar de rellenarlos silenciosamente con lenguaje clínico plausible.
", "aboutText": "ElevenLabs Scribe v2 Medical es la edición de reconocimiento de voz por lotes especializada en audio médico y clínico. Es un ajuste fino de Scribe v2, con reconocimiento centrado en nombres de medicamentos, anatomía, patología y dictado clínico, conservando el flujo general de transcripción de voz. Convierte la grabación proporcionada en un borrador de texto con tiempos y anotaciones opcionales de hablantes. Los usos previstos por el fabricante son documentación y flujos administrativos relacionados, con revisión y corrección del texto antes de utilizarlo.\n\nEntre las entradas útiles figuran una conversación grabada entre profesional clínico y paciente, un dictado hablado, una llamada de admisión o una conversación de coordinación asistencial. Conserva la grabación original y suficiente habla circundante para distinguir un término en su contexto. Evita la saturación del audio y mantén separados los canales significativos de hablantes cuando la fuente los proporcione. La interfaz compartida de transcripción por lotes del productor acepta formatos de audio habituales como WAV, MP3, FLAC y M4A. La adaptación a terminología médica mejora el enfoque de la tarea; no reconstruye una parte claramente ausente o inaudible de la grabación.\n\nEl fabricante documenta la misma compatibilidad con más de 90 idiomas que Scribe v2. Su información pública sobre transcripción médica indica que las mejoras de precisión médica se midieron en inglés, francés y alemán. Esos resultados no demuestran un rendimiento igual con términos especializados en todos los idiomas admitidos. Proporciona el idioma conocido cuando sea útil, conserva nombres y términos de otros idiomas insertados en el discurso y revisa el vocabulario clínico poco común contra el audio real, en lugar de aceptarlo porque la frase se lea con fluidez.\n\nLa salida de transcripción contiene texto reconocido y palabras con tiempos, con etiquetas opcionales de hablantes y eventos de audio. Los tiempos de inicio y fin de cada palabra permiten volver a un nombre de medicamento, una cantidad pronunciada o una corrección en la grabación. Por tanto, un artefacto útil de dictado es una transcripción junto con su registro alineado por palabras. Revisa los detalles sensibles en su contexto hablado completo, incluidas negaciones, incertidumbre y la diferencia entre lo comunicado por un paciente y lo afirmado por el profesional clínico.\n\nPara una consulta captada de forma ambiental, la diarización ayuda a organizar quién habló y cuándo. Trata una etiqueta inferida como una agrupación de habla y después asóciala con funciones o identidades conocidas utilizando el registro de la consulta. Las voces superpuestas o los hablantes de sonido similar requieren especial atención al revisar los cambios de turno. Si cada hablante ocupa un canal de grabación, la interfaz compartida por lotes también ofrece transcripción independiente de canales. Mantén la atribución por canal separada de la diarización inferida a partir de audio mezclado y conserva la disposición de la fuente cuando ayude a revisar el resultado.\n\nLa indicación de términos clave proporciona palabras o frases pertinentes para orientar el reconocimiento mediante el contexto. Prepara un glosario concreto con la terminología real que se espera en la grabación, incluidas las grafías correctas y las abreviaturas importantes para la documentación. La guía por lotes del fabricante permite hasta 1,000 términos clave; deben ser breves y pertinentes, no un vocabulario exhaustivo sin relación. Inspecciona los términos importantes en sus marcas de tiempo. Un término clave proporcionado es una pista de reconocimiento, no una prueba de que la palabra se haya pronunciado ni una instrucción para sustituir otro término audible.\n\nEl fabricante documenta detección opcional de entidades, incluidas determinadas categorías de información sanitaria, junto con la transcripción. Estas anotaciones pueden ayudar a un proceso de revisión autorizado a encontrar fragmentos pertinentes para corregirlos o tratarlos. La interfaz compartida por lotes también ofrece ocultación de entidades, que enmascara el texto detectado con etiquetas de sustitución; requiere detección de entidades y la lista de entidades se omite cuando se activa la ocultación. Conserva juntos el texto y los tiempos devueltos con las anotaciones presentes en el resultado seleccionado. Una edición, resumen o extracción posterior es una transformación separada de la transcripción y debe conservar la relación con las palabras grabadas. Por ejemplo, una frase pulida no debe borrar una corrección pronunciada ni convertir una afirmación incierta en un hallazgo definitivo.\n\nLa tarea definida de la edición médica es la transcripción. El fabricante excluye explícitamente de su propósito previsto la interpretación de información clínica, el diagnóstico, las recomendaciones de tratamiento y la orientación para decisiones clínicas. Para completar un flujo de documentación, el profesional sanitario correspondiente o un revisor autorizado comprueba el borrador contra la grabación y corrige los errores importantes. El modelo aporta el registro textual para respaldar ese trabajo; la transcripción en sí no demuestra la corrección de una afirmación clínica ni sustituye la revisión.\n\nMantén clara la distinción de edición al preparar una tarea. Scribe v2 Medical procesa audio grabado; Scribe v2 Realtime es el modelo separado de transcripción en directo. Un ajuste fino médico no hereda límites ni capacidades de síntesis de voz solo porque el mismo fabricante ofrezca productos de voz. El resultado útil es un borrador revisado de transcripción con tiempos e información de hablantes adecuados para la grabación, manteniendo visibles los detalles inaudibles o inciertos para corregirlos, en lugar de rellenarlos silenciosamente con lenguaje clínico plausible.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "e23fa2ddd126807fca91adb5f050aa0cd020fdad803a591ff4a2ba5456fc1c68", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "es", "methods": [ { "html": "elevenlabs/scribe-v2-medicalElevenLabs Scribe v2 Medical transcribe audio clínico grabado con reconocimiento adaptado a nombres de medicamentos, anatomía y patología. Admite más de 90 idiomas, tiempos por palabra, diarización de hablantes y términos clave contextuales. Su salida es un borrador de transcripción revisable para documentación, no una interpretación clínica.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
ElevenLabs Scribe v2 Medical es la edición de reconocimiento de voz por lotes especializada en audio médico y clínico. Es un ajuste fino de Scribe v2, con reconocimiento centrado en nombres de medicamentos, anatomía, patología y dictado clínico, conservando el flujo general de transcripción de voz. Convierte la grabación proporcionada en un borrador de texto con tiempos y anotaciones opcionales de hablantes. Los usos previstos por el fabricante son documentación y flujos administrativos relacionados, con revisión y corrección del texto antes de utilizarlo.
Entre las entradas útiles figuran una conversación grabada entre profesional clínico y paciente, un dictado hablado, una llamada de admisión o una conversación de coordinación asistencial. Conserva la grabación original y suficiente habla circundante para distinguir un término en su contexto. Evita la saturación del audio y mantén separados los canales significativos de hablantes cuando la fuente los proporcione. La interfaz compartida de transcripción por lotes del productor acepta formatos de audio habituales como WAV, MP3, FLAC y M4A. La adaptación a terminología médica mejora el enfoque de la tarea; no reconstruye una parte claramente ausente o inaudible de la grabación.
El fabricante documenta la misma compatibilidad con más de 90 idiomas que Scribe v2. Su información pública sobre transcripción médica indica que las mejoras de precisión médica se midieron en inglés, francés y alemán. Esos resultados no demuestran un rendimiento igual con términos especializados en todos los idiomas admitidos. Proporciona el idioma conocido cuando sea útil, conserva nombres y términos de otros idiomas insertados en el discurso y revisa el vocabulario clínico poco común contra el audio real, en lugar de aceptarlo porque la frase se lea con fluidez.
La salida de transcripción contiene texto reconocido y palabras con tiempos, con etiquetas opcionales de hablantes y eventos de audio. Los tiempos de inicio y fin de cada palabra permiten volver a un nombre de medicamento, una cantidad pronunciada o una corrección en la grabación. Por tanto, un artefacto útil de dictado es una transcripción junto con su registro alineado por palabras. Revisa los detalles sensibles en su contexto hablado completo, incluidas negaciones, incertidumbre y la diferencia entre lo comunicado por un paciente y lo afirmado por el profesional clínico.
Para una consulta captada de forma ambiental, la diarización ayuda a organizar quién habló y cuándo. Trata una etiqueta inferida como una agrupación de habla y después asóciala con funciones o identidades conocidas utilizando el registro de la consulta. Las voces superpuestas o los hablantes de sonido similar requieren especial atención al revisar los cambios de turno. Si cada hablante ocupa un canal de grabación, la interfaz compartida por lotes también ofrece transcripción independiente de canales. Mantén la atribución por canal separada de la diarización inferida a partir de audio mezclado y conserva la disposición de la fuente cuando ayude a revisar el resultado.
La indicación de términos clave proporciona palabras o frases pertinentes para orientar el reconocimiento mediante el contexto. Prepara un glosario concreto con la terminología real que se espera en la grabación, incluidas las grafías correctas y las abreviaturas importantes para la documentación. La guía por lotes del fabricante permite hasta 1,000 términos clave; deben ser breves y pertinentes, no un vocabulario exhaustivo sin relación. Inspecciona los términos importantes en sus marcas de tiempo. Un término clave proporcionado es una pista de reconocimiento, no una prueba de que la palabra se haya pronunciado ni una instrucción para sustituir otro término audible.
El fabricante documenta detección opcional de entidades, incluidas determinadas categorías de información sanitaria, junto con la transcripción. Estas anotaciones pueden ayudar a un proceso de revisión autorizado a encontrar fragmentos pertinentes para corregirlos o tratarlos. La interfaz compartida por lotes también ofrece ocultación de entidades, que enmascara el texto detectado con etiquetas de sustitución; requiere detección de entidades y la lista de entidades se omite cuando se activa la ocultación. Conserva juntos el texto y los tiempos devueltos con las anotaciones presentes en el resultado seleccionado. Una edición, resumen o extracción posterior es una transformación separada de la transcripción y debe conservar la relación con las palabras grabadas. Por ejemplo, una frase pulida no debe borrar una corrección pronunciada ni convertir una afirmación incierta en un hallazgo definitivo.
La tarea definida de la edición médica es la transcripción. El fabricante excluye explícitamente de su propósito previsto la interpretación de información clínica, el diagnóstico, las recomendaciones de tratamiento y la orientación para decisiones clínicas. Para completar un flujo de documentación, el profesional sanitario correspondiente o un revisor autorizado comprueba el borrador contra la grabación y corrige los errores importantes. El modelo aporta el registro textual para respaldar ese trabajo; la transcripción en sí no demuestra la corrección de una afirmación clínica ni sustituye la revisión.
Mantén clara la distinción de edición al preparar una tarea. Scribe v2 Medical procesa audio grabado; Scribe v2 Realtime es el modelo separado de transcripción en directo. Un ajuste fino médico no hereda límites ni capacidades de síntesis de voz solo porque el mismo fabricante ofrezca productos de voz. El resultado útil es un borrador revisado de transcripción con tiempos e información de hablantes adecuados para la grabación, manteniendo visibles los detalles inaudibles o inciertos para corregirlos, en lugar de rellenarlos silenciosamente con lenguaje clínico plausible.
POST /v1/audio/transcriptionsaudiotext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites elevenlabs/scribe-v2-medical | Predeterminado— |
Campoinput_audio | Tipoobject | RequisitoObligatorio | Valores y límites | Predeterminado— |
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, input_audio |
Parámetromaterial_types | Contratoaudio |
Parámetromaterial_conditions | ContratoEl ejemplo lee tu archivo PCM WAV real y no vacío, codifica todos los bytes del archivo en base64 y envía input_audio.format con el valor wav. |
Ciclo de vida: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · task_id exacto de un registro existente de medios bajo tu titularidad
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
Relaciona cada cargo con las condiciones mostradas. Usa una tarifa para cada conjunto de configuraciones alternativas.
| Configuración | Tabla de tarifas | Unidad de facturación | Cargo |
|---|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Unidad de facturación— | Cargo Entrada · Tokens de entrada — / 1K tokens Salida · Tokens de salida — / 1K tokens Entrada · Lectura de caché — / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| Configuraciónsegundo de audio de entrada | Tabla de tarifas— | Unidad de facturaciónpor segundo de audio de entrada | Cargo Entrada · segundo de audio de entrada $0.0001222222222222 por segundo de audio de entrada |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${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': 'elevenlabs/scribe-v2-medical', '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.\nCuerpo original completo de la respuesta, estado y cabeceras reenviadas. Este manejador no añade una estructura JSON universal, un campo de texto ni un contenedor de tarea.
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}Conserva todas las respuestas, archivos y partes de contenido completos recibidos.
Conserva la respuesta completa y las cabeceras, todas las salidas reales, los identificadores originales devueltos y todos los campos de uso. Recupera la operación original sin volver a enviar la solicitud de creación.
Conserva el X-Client-Request-ID real y la respuesta completa. Consulta los recursos originales bajo tu titularidad y sus URL firmadas exactas de contenido; no vuelvas a enviar nunca una creación incierta.
| Campo | Tipo |
|---|---|
Campotext (when present) | Tipo |
Campousage (when present) | Tipo |
| Respuesta | Condición | Siguiente paso |
|---|---|---|
Respuesta400 · invalid_request_error | CondiciónEl cuerpo JSON o el ID canónico explícito del modelo no es válido. | Siguiente pasoConserva la respuesta y corrige el campo indicado de la solicitud. |
Respuesta401 · authentication_error | CondiciónLa clave API de Ailoot no es válida. | Siguiente pasoUsa tu clave API autorizada de Ailoot. |
Respuesta403 · permission_error | CondiciónEl grupo de la clave no tiene acceso a este método. | Siguiente pasoConserva los detalles del error devueltos. |
Respuesta404 · not_found_error | CondiciónEl método seleccionado no tiene ninguna ruta admitida. | Siguiente pasoConserva los detalles del error devueltos. |
Respuesta422 · price_unavailable | CondiciónLa tarifa aceptada no puede obtener la cantidad de entrada o el límite que necesita. | Siguiente pasoConserva la respuesta; utiliza la representación de entrada exigida por la tarifa aceptada. |
Respuesta503 · | CondiciónEl almacenamiento, la ruta, el precio del método o la reserva necesarios no están disponibles. | Siguiente pasoConserva la respuesta original completa. Una reserva incierta no autoriza un reenvío. |
Respuesta502 · server_error | CondiciónEs necesario comprobar el resultado original, el uso o la liquidación. | Siguiente pasoConserva el ID real de solicitud y la respuesta original. Consulta el registro existente bajo tu titularidad; no vuelvas a enviar la solicitud de creación. |
Ailoot Ultra elevenlabs/scribe-v2-medical
Usa las rutas de método indicadas arriba.