ElevenLabs: Scribe v2

ElevenLabs Scribe v2 litteroi tallennettua ääntä yli 90 kielellä käyttäen sanakohtaisia aikaleimoja, valinnaista puhujien erottelua ja muiden kuin puhetapahtumien tunnisteita. Se on suunniteltu pitkiin tallenteisiin, tekstityksiin ja muokattaviin litterointeihin. Käytössä ovat kontekstuaaliset avaintermit sekä sanatarkka tai siistitty litterointi.

Ailoot Ultra · Litterointi POST /v1/audio/transcriptions elevenlabs/scribe-v2

Tietoa mallista

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

ElevenLabs Scribe v2 on tallennetun äänen, litteroinnin ja tekstityksen eräajona toimiva puheentunnistusmalli. Se perustuu Scribe v1:een ja käsittelee aiempaa paremmin pitkiä tallenteita, taukoja, äänensävyn muutoksia ja pitkiä hiljaisia jaksoja. Tuloksena on kirjoitettua puhetta, jossa on aikatiedot sekä valinnaiset puhuja- ja äänitapahtumamerkinnät. Scribe v2 Realtime on erillinen reaaliaikainen litterointiversio. Tämän mallin tarkoitus on käsitellä kokonaisia tallenteita.

Valmistaja dokumentoi yli 90 kielen tunnistuksen ja automaattisen kielentunnistuksen, myös tallenteissa, joissa kieli vaihtuu. Vihje tunnetusta kielestä voi auttaa mallia tulkitsemaan ääntä. Valmistele selkeä tallenne, säilytä alkuperäinen kieli ja nimet sekä vältä voimakasta äänen leikkautumista tai tarpeetonta käsittelyä, joka poistaa puheen yksityiskohtia. Yleisiä dokumentoituja syötemuotoja ovat WAV, MP3, FLAC, M4A, AAC, OGG, Opus ja WebM. Valitse litterointitoteutuksen tukema syötemuoto ja säilytä lähdetallenne tarkistusta varten.

Vakiovastaus sisältää tunnistetun tekstin, tiedot tunnistetusta kielestä ja aikaleimattujen sanojen sarjan. Sanatietueet voivat sisältää alku- ja loppuajat, puhujatunnisteet ja tunnistuksen logaritmisen todennäköisyyden. Näiden ansiosta tulos sopii tekstityksiin, haettaviin haastatteluihin tai editoriin, joka siirtyy takaisin olennaiseen ääneen. Säilytä aikaleimattu tulos lähdeäänen yhteydessä. Esimerkiksi podcastin tuotos voi olla muokattava litterointi ja sanatasolla kohdistettu tietue, jonka avulla korjaukset löytyvät ennen tekstitysten järjestämistä.

Puhujien erottelu merkitsee, kuka puhuu milloinkin usean puhujan äänessä. Valmistaja dokumentoi tuen enintään 32 puhujalle. Ota toiminto käyttöön, kun puheenvuorot ovat tärkeitä, ja anna perusteltu puhujamäärä, jos se tiedetään. Erota tunnistettu puhujatunniste varmennetusta henkilön nimestä. Tarkista haastattelun tai kokouksen puheenvuorojen vaihtuminen tallenteesta erityisesti silloin, kun äänet menevät päällekkäin tai kuulostavat samanlaisilta. Tunniste auttaa jäsentämään litterointia, mutta ei itsenäisesti osoita puhujan henkilöllisyyttä.

Tallenteen rakenne, jossa kullakin kanavalla on yksi puhuja, eroaa usean äänen yhdistämisestä yhteen kanavaan. Valmistajan rajapinta voi käsitellä enintään viisi kanavaa erikseen ja palauttaa erilliset litteroinnit tai ajan mukaan järjestetyn yhdistetyn litteroinnin kanavaindekseineen. Säilytä tämä kanavarakenne, kun sillä on merkitystä. Eri kanaviin jaetun puhelutallenteen yhdistäminen ennen litterointia voi hävittää hyödyllisen puhujatietojen lähteen. Pidä kanavaan perustuva kohdistus erillään sekoitetusta äänestä päätellystä puhujien erottelusta. Yhdistetty kanavavastaus edellyttää aikaleimoja eikä voi sisältää entiteettien tunnistusta tai peittämistä.

Avaintermikehote ohjaa nimien, tuotetermien ja erikoissanaston tunnistusta asiayhteyden avulla. Nykyinen eräajodokumentaatio sallii enintään 1 000 termiä. Kunkin termin on oltava alle 50 merkkiä pitkä ja enintään viiden sanan mittainen. Anna olennaiset kirjoitusasut laajan asiaankuulumattoman luettelon sijaan. Anna teknistä haastattelua varten todennäköisesti esiintyvät tuotenimet ja lyhenteet ja tarkista sitten ne tuloksesta aikaleimojen kohdalta. Avaintermit painottavat tunnistusta. Ne eivät ole ohjeita lisätä termiä, jota tallenne ei tue.

Valitse litteroinnin käyttötarkoitus ennen siistimistä. Sanatarkka tallenne säilyttää puhutun sanamuodon, kun taas dokumentoitu no-verbatim-vaihtoehto poistaa täytesanat, kesken jääneet aloitukset ja puheen sujumattomuudet, jotta tulos olisi luettavampi. Dynaaminen äänitapahtumien tunnistus voi merkitä muita kuin puhetapahtumia, kuten naurua tai askelia. Viimeistelty litterointi voi sopia tekstityksiin tai lukemiseen, mutta se ei saa huomaamatta korvata alkuperäistä tallennetta, kun toistot, korjaukset tai muut äänet ovat tehtävälle tärkeitä.

Valmistaja dokumentoi myös entiteettien tunnistuksen ja kokeellisen litteroinnin muokkauksen. Litteroinnin muokkausta ei voi yhdistää valmistajan rajapinnassa entiteettien tunnistukseen, entiteettien peittämiseen tai monikanavaiseen litterointiin. Tunnistetut entiteetit antavat rakenteiset sijainnit litteroinnin valituille tiedoille. Valinnainen entiteettien peittäminen peittää tunnistetun tekstin korvaavilla tunnisteilla. Se edellyttää entiteettien tunnistusta, eikä entiteettiluetteloa palauteta peittämisen ollessa käytössä. Peittäminen tapahtuu litteroinnin aikana yleisellä korvausmerkinnällä, luokkatunnisteella tai numeroidulla luokkatunnisteella. Automaattinen peittäminen voi jättää arkaluonteista sisältöä havaitsematta, joten tarkista peitetty litterointi ennen sen jakamista. Luonnollisella kielellä tehty muokkaus palauttaa muokatun tekstin alkuperäisen tuloksen rinnalle ja säilyttää alkuperäisen aika- ja puhujatietueen käytettävissä. Pidä nämä tuotokset erillisinä. Korjattu kirjoitusasu tai uudelleen muotoiltu lause saattaa vaatia uuden tarkistuksen ennen kohdistamista ääneen tai käyttöä myöhemmässä tietojen poiminnassa. Nämä ominaisuudet käsittelevät litterointia, mutta eivät osoita, että jokainen tärkeä yksityiskohta tunnistettiin oikein.

Tarkista valmista litterointia varten nimet, numerot, kiellot ja puhujanvaihdokset palaamalla vastaavaan ääneen. Kiinnitä huomiota hiljaisiin kohtiin, päällekkäiseen puheeseen ja kielenvaihtoihin sen sijaan, että arvioisit laatua vain tekstin sujuvuudesta. Säilytä epävarma sanamuoto korjattavaksi sen sijaan, että täydentäisit kuulumattoman kohdan uskottavalla lauseella. Hyödyllinen tulos on tarkistettu tekstitallenne, jossa on käyttötarkoituksen edellyttämät aika- ja puhujatiedot. Litterointi voi tämän jälkeen toimia erillisen yhteenvedon, käännöksen tai analyysin syötteenä.

Ailoot Ultra · Litterointi POST /v1/audio/transcriptions elevenlabs/scribe-v2

elevenlabs/scribe-v2

ElevenLabs /elevenlabs/scribe-v2

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 elevenlabs/scribe-v2	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 $0.0001222222222222 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': 'elevenlabs/scribe-v2', '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 elevenlabs/scribe-v2

Menetelmäpolkujen aliakset

Käytä yllä näytettyjä menetelmäpolkuja.

Liittyvät kutsujan ID:t

elevenlabs/scribe-v2

FAQ · ElevenLabs: Scribe v2

Mitä syötteitä ja tuloksia on saatavilla?: POST /v1/audio/transcriptions · elevenlabs/scribe-v2: audio → text
Mitä kenttiä pyyntö käyttää?: POST /v1/audio/transcriptions · elevenlabs/scribe-v2: model, input_audio

ElevenLabs: Scribe v2