AssemblyAI: Universal-3.5 Pro

Universal-3.5 Pro on AssemblyAI:n puheesta tekstiksi -malli, joka muuttaa lyhyen äänileikkeen valmiiksi litteroinniksi yhdessä vastauksessa. Sen Sync-profiili lisää sanakohtaisen varmuuden, valinnaiset sana-aikaleimat, sanastovihjeet ja aiemman keskustelun kontekstin puhesyötteen ja paina ja puhu -työnkulkuihin.

Ailoot Ultra · Litterointi POST /v1/audio/transcriptions assemblyai/universal-3-5-pro

Tietoa mallista

Tämä kuvaus kattaa mallin ominaisuudet. Ailootissa saatavilla olevat syötteet, tulosteet ja asetukset luetellaan alla valitulle menetelmälle.

Universal-3.5 Pro on AssemblyAI:n puheentunnistusmalli tallennetun puheen muuttamiseen tekstiksi. Sen Sync-profiilissa lyhyt äänileike tuottaa valmiin litteroinnin yhdessä vastauksessa. Tämä sopii ääniviesteihin, paina ja puhu -syötteeseen ja erillisiin keskusteluvuoroihin, joissa sovellus tietää jo, milloin tallennuksen tulee päättyä.

Valmistele ääni rajatuksi leikkeeksi. AssemblyAI:n Sync-vaatimukset hyväksyvät kestot 80 millisekunnista 120 sekuntiin, ja tiedoston enimmäiskoko on 40 MB. Tuetut muodot ovat WAV tai raaka etumerkillinen 16-bittinen little-endian PCM. Ääni voi olla mono- tai stereoääntä; stereo muunnetaan sisäisesti monoksi. Tuetut näytteenottotaajuudet ovat 8, 16, 22,05, 24, 32, 44,1 ja 48 kHz. WAV-otsake antaa näytteenottotaajuuden ja kanavamäärän; raaka PCM tarvitsee nämä arvot erikseen litterointiasetuksiin.

Tallenna koko puheenvuoro ja säilytä puheen alku ja loppu ehjinä. Käyttökelpoinen alkuperäinen tehtävä on lyhyt tuotetuen ääniviesti, joka sisältää tuotenimen, tilaustunnisteen ja pyynnön. Säilytä lähtöleike, jotta litterointi voidaan tarkistaa näiden tärkeiden yksityiskohtien osalta. Valmistele pidemmälle tallenteelle pitkän äänen litterointiin sopiva työnkulku sen sijaan, että pitäisit lyhyen leikkeen kestorajaa väitteenä mallin yleisestä äänikapasiteetista.

Tulos sisältää koko litteroinnin, sanaluettelon sanakohtaisine varmuuksineen ja kokonaisvarmuuden nollan ja yhden väliltä. Se antaa myös lähetetyn äänen keston ja pyyntötunnisteen, joiden avulla teksti voidaan säilyttää yhteydessä alkuperäiseen leikkeeseensä. Käytä sanakohtaista varmuutta kuuntelutarkistusta tarvitsevien kohtien paikantamiseen, erityisesti sovellukselle tärkeissä nimissä, numeroissa ja alakohtaisessa sanastossa.

Sanojen aikaleimat ovat valinnaisia ja oletuksena pois käytöstä. Pyydettäessä jokainen kohdistettu sana voi sisältää alkunsa ja loppunsa millisekunteina leikkeen alusta. Valmistajan profiili jättää nämä arvot puuttumaan, kun sanaa ei voida kohdistaa, sen sijaan että keksisi likimääräisen ajoituksen. Aikaleimojen tarkkuus on paras englanninkielisessä äänessä. Säilytä puuttuvat ajoitukset nimenomaisesti, kun valmistelet sanojen korostusta, haettavaa aaltomuotoa tai tekstityksen kohdistusta, ja vertaa tekstiä tallenteeseen ennen sen käyttöä valmiina tekstitysraitana.

Kontekstikehote kuvaa tallenteen aihetta. Se voi nimetä alan, tilanteen tai täsmällisiä yksityiskohtia, jotka sovellus jo tietää, ja sen enimmäispituus on 6000 merkkiä. Aloita lyhyellä ääneen sopivalla kuvauksella, kuten tiettyä laitetta koskevalla teknisen tuen keskustelulla. Kehote antaa tunnistuskontekstin; se ei ole pyyntö kirjoittaa puhujan viestiä uudelleen toiseksi asiakirjaksi.

Erillinen avaintermiluettelo ohjaa tunnistusta tiettyä sanastoa kohti. Sync-profiili hyväksyy enintään 100 termiä ja yhteensä 8000 merkkiä luettelossa. Käytä epätavallisten nimien, lyhenteiden tai tuotetermien täsmällisiä kirjoitusasuja ja jätä tavalliset hyvin tunnistettavat sanat pois luettelosta. Laajat tai tarpeettomat termiluettelot voivat aiheuttaa ylikorjauksia, joten kohdista luettelo tallenteen tärkeisiin sanoihin. Kontekstikuvausta ja sanastoluetteloa voi käyttää yhdessä.

Myös aiempi keskustelu voi auttaa tulkitsemaan lyhyttä vastausta. Anna aiemmat puheenvuorot aikajärjestyksessä vanhimmasta uusimpaan, kun taas nykyinen ääni pysyy litteroitavana vuorona. Dokumentoitu kontekstikiintiö on 500 vuoroa tai yhteensä 16 000 merkkiä. Jos se ylittää nämä rajat tai käytettävissä olevan mallikontekstin, vanhimmat merkinnät poistetaan ensin. Tämä on hyödyllistä, kun lyhyt vastaus sisältää tunnisteen tai viittauksen, jonka merkitys tulee edeltävästä kysymyksestä.

Kielivalinta ohjaa tunnistusta yhteen tai useampaan odotettuun kieleen. Nykyinen Sync-rajapinta hyväksyy 32 kielikoodia ja käyttää oletuksena englantia, jos valintaa ei anneta. Luettele odotetut kielet äänessä, jossa vaihdellaan kielten välillä. Mukautettu kontekstikehote korvaa hallitun oletuksen ja ohittaa erillisen kielikoodiohjauksen, joten nimeä odotetut kielet tässä kehotteessa, kun tarvitaan sekä kieli- että tilannekontekstia. Säilytä litterointi todella puhutuilla kielillä sen sijaan, että käsittelisit litterointia käännösohjeena.

Malli esiintyy myös muissa AssemblyAI:n litterointityönkuluissa, mutta Sync-profiilin lyhyiden leikkeiden vaatimukset ja tuloskentät kuuluvat tähän tiettyyn rajapintaan. Valmistajan Dictation-työnkulku lisää erillisen tekstin siistimisvaiheen; litterointi ja uudelleenkirjoitettu viesti ovat eri tuotoksia. Säilytä tunnistettu puhe, jos myöhempi muokkaus- tai tiivistysvaihe tuottaa siistityn version, jotta alkuperäinen sanamuoto pysyy vertailtavissa.

Hyödyllisiä toimituksia ovat litteroitu ääniviesti, valmis vuoro avustajalle, lyhyt haettava ääniteksti tai ajoitettu sanaluettelo tarkistuskäyttöliittymälle. Tarkista ratkaisevat sanat tallennetta vasten, säilytä mahdolliset puuttuvat kohdistukset ja pidä leike yhdistettynä palautettuun tekstiin. Tunnistustulos antaa seuraavalle sovellusvaiheelle lähteeseen perustuvan litteroinnin; pyyntöön vastaaminen tai viestin muokkaus kuuluu ympäröivään työnkulkuun.

Ailoot Ultra · Litterointi POST /v1/audio/transcriptions assemblyai/universal-3-5-pro

assemblyai/universal-3-5-pro

AssemblyAI /assemblyai/universal-3-5-pro

Aloitus

Hyväksytyt syötteet: Ääni
Tulokset: Teksti

Saatavilla Ailootissa · syötteet & menetelmät

Ailoot Ultra · Litterointi POST /v1/audio/transcriptions

Syötetyypit: audio
Tulostyypit: text

Kenttä	Tyyppi	Vaatimus	Arvot & rajat	Oletus
Kenttä`model`	Tyyppi`string`	VaatimusPakollinen	Arvot & rajat assemblyai/universal-3-5-pro	Oletus—
Kenttä`input_audio`	Tyyppi`object`	VaatimusPakollinen	Arvot & rajat	Oletus—

Menetelmän parametrit ja elinkaari

Parametri	Sopimus
Parametri`content_type`	Sopimusapplication/json
Parametri`required`	Sopimusmodel, input_audio
Parametri`material_types`	Sopimusaudio
Parametri`material_conditions`	SopimusEsimerkki lukee todellisen, ei-tyhjän PCM WAV -tiedostosi, koodaa tiedoston kaikki tavut base64-muotoon ja lähettää input_audio.format-kentän arvona wav.

Elinkaari: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · täsmällinen task_id olemassa olevasta käyttäjälle kuuluvasta mediatietueesta

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Hinnoittelu

Hintatiedot eivät lisää pyyntövalintoja. Tuetut parametrit on lueteltu valitulle menetelmälle.

Nopea tila: Ei määritetty Kun nopea tila on valittu
Flex-tila: Ei määritetty Kun flex-tila on valittu
Päättelyn enimmäisteho: Ei määritetty Kun päättelyn enimmäistehoon sovelletaan default-oletussäätöä

Ailoot-hinnat

Hinnat asetusten mukaan

Kohdista kukin veloitus näytettyihin ehtoihin. Käytä yhtä hintaa kutakin vaihtoehtoisten asetusten ryhmää kohden.

Asetukset	Hinnasto	Laskutusyksikkö	Veloitus
AsetuksetTokenien perushinnat	HinnastoPerushinta	Laskutusyksikkö—	Veloitus Syöte · Syötetokenit — / 1K tokenia Tuloste · Tulostokenit — / 1K tokenia Syöte · Välimuistin luku — / 1K tokenia Syöte · Välimuistiin kirjoitus — / 1K tokenia Syöte · Välimuistiin kirjoitus, 1 tunti — / 1K tokenia
Asetuksetäänisyötteen sekunti	Hinnasto—	Laskutusyksikkösyöteäänen sekuntia kohden	Veloitus Syöte · äänisyötteen sekunti $0.00025 syöteäänen sekuntia kohden

Ailoot varaa arvioidun summan ennen pyyntöä. Tuloksen jälkeen lopullinen veloitus toteutetaan mitatun käytön perusteella. Suoratoiston veloituksessa käytetään lopullista käyttötietuetta. Varauksen ja lopullisen veloituksen toiminta →

Esimerkkipyynnöt

Ailoot Ultra · Litterointi

curl · todellinen WAV-tiedosto ja koko alkuperäinen tulos

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_AUDIO_FILE:?Set the path to your actual PCM WAV recording}"
export AILOOT_AUDIO_FILE
python3 - <<'PY_REQUEST'
import base64, io, json, os, wave
from pathlib import Path
audio = Path(os.environ['AILOOT_AUDIO_FILE']).read_bytes()
if not (audio[:4] == b'RIFF' and audio[8:12] == b'WAVE'):
    raise SystemExit('Supply your actual PCM WAV audio file')
with wave.open(io.BytesIO(audio), 'rb') as recording:
    if recording.getcomptype() != 'NONE' or recording.getnframes() <= 0:
        raise SystemExit('Supply a nonempty PCM WAV recording')
request = {'model': 'assemblyai/universal-3-5-pro', 'input_audio': {'data': base64.b64encode(audio).decode('ascii'), 'format': 'wav'}}
Path('request.json').write_text(json.dumps(request, ensure_ascii=False), encoding='utf-8')
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/transcriptions \
  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o response.bin
# Retain the complete original response, headers and actual X-Client-Request-ID.
# Read existing owned records for recovery; do not resubmit an uncertain operation.

Vastaanota ja tallenna tulokset

Ailoot Ultra · Litterointi

Koko alkuperäinen vastaussisältö, tila ja välitetyt otsakkeet. Tämä käsittelijä ei lisää yleistä JSON-rakennetta, tekstikenttää tai tehtävän käärettä.

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

Säilytä kaikki valmistuneet tulokset

Säilytä jokainen kokonainen palautettu vastaus, tiedosto ja sisällön osa.

Säilytä koko vastaus ja otsakkeet, jokainen todellinen tuloste, alkuperäiset palautetut tunnisteet ja kaikki käyttötietokentät. Selvitä alkuperäisen operaation tila lähettämättä luontipyyntöä uudelleen.

Jos alkuperäinen vastaus on tarkistettava

Säilytä todellinen X-Client-Request-ID ja koko vastaus. Lue alkuperäisiä käyttäjälle kuuluvia aineistoja ja niiden täsmällisiä allekirjoitettuja sisällön URL-osoitteita; älä koskaan lähetä epävarmaa luontipyyntöä uudelleen.

Vastauksen kentät

Kenttä	Tyyppi
Kenttä`text (when present)`	Tyyppi
Kenttä`usage (when present)`	Tyyppi

Virheet ja seuraavat vaiheet

Vastaus	Ehto	Seuraava vaihe
Vastaus400 · `invalid_request_error`	EhtoJSON-sisältö tai nimenomainen kanoninen mallin tunniste on virheellinen.	Seuraava vaiheSäilytä vastaus ja korjaa ilmoitettu pyyntökenttä.
Vastaus401 · `authentication_error`	EhtoAiloot API -avain on virheellinen.	Seuraava vaiheKäytä käyttöön oikeutettua Ailoot API -avaintasi.
Vastaus403 · `permission_error`	EhtoAvaimen ryhmällä ei ole käyttöoikeutta tähän menetelmään.	Seuraava vaiheSäilytä palautetut virheen lisätiedot.
Vastaus404 · `not_found_error`	EhtoValitulla menetelmällä ei ole käyttöön hyväksyttyä reittiä.	Seuraava vaiheSäilytä palautetut virheen lisätiedot.
Vastaus422 · `price_unavailable`	EhtoHyväksytyn hinnaston edellyttämää syötemäärää tai sen rajaa ei saada selville.	Seuraava vaiheSäilytä vastaus; käytä hyväksytyn hinnaston edellyttämää syötteen esitysmuotoa.
Vastaus503 ·	EhtoVaadittu tallennustila, reitti, menetelmän hinta tai katevaraus ei ole saatavilla.	Seuraava vaiheSäilytä koko alkuperäinen vastaus. Epävarma katevaraus ei oikeuta uudelleenlähetykseen.
Vastaus502 · `server_error`	EhtoAlkuperäinen tulos, käyttötiedot tai veloituksen lopullinen kirjaus on tarkistettava.	Seuraava vaiheSäilytä todellinen pyynnön tunniste ja alkuperäinen vastaus. Lue olemassa olevaa käyttäjälle kuuluvaa tietuetta; älä lähetä luontipyyntöä uudelleen.

Aliakset

Mallin aliakset

Ailoot Ultra assemblyai/universal-3-5-pro

Menetelmäpolkujen aliakset

Käytä yllä näytettyjä menetelmäpolkuja.

Liittyvät kutsujan ID:t

assemblyai/universal-3-5-pro

FAQ · AssemblyAI: Universal-3.5 Pro

Mitä syötteitä ja tuloksia on saatavilla?: POST /v1/audio/transcriptions · assemblyai/universal-3-5-pro: audio → text
Mitä kenttiä pyyntö käyttää?: POST /v1/audio/transcriptions · assemblyai/universal-3-5-pro: model, input_audio

AssemblyAI: Universal-3.5 Pro