Fish Audio: Transcribe 1
Transcribe 1 muuntaa lyhyet äänitallenteet tekstiksi automaattisella kielentunnistuksella ja valinnaisilla sanatason aikaleimoilla. Käytä litterointia äänimuistiinpanoihin, haettaviin katkelmiin tai tekstitysten valmisteluun ja pidä ajoitetut segmentit erillään luettavasta kokotekstistä.
Tietoa mallista
Tämä kuvaus kattaa mallin ominaisuudet. Ailootissa saatavilla olevat syötteet, tulosteet ja asetukset luetellaan alla valitulle menetelmälle.
Transcribe 1 on Fish Audion yleinen puheentunnistusmalli lyhyille tallenteille. Se ottaa vastaan äänitiedoston ja palauttaa tunnistetut sanat tekstinä sekä tallenteen keston, valinnaiset ajoitetut segmentit ja kielitiedon, kun se on tiedossa. Malli sopii lyhyeen äänimuistiinpanoon, puhuttuun ohjeeseen, tallenteen otteeseen tai äänikatkelmaan, joka tarvitsee luettavan tekstiesityksen.
Äänimuistiinpanon esimerkkityönkulku säilyttää tallenteen yhdessä koko litteroinnin ja alkuperäisen katkelman tunnisteen kanssa. Myöhempi sovellusvaihe voi hakea tekstistä, järjestää muistiinpanon tai laatia tiivistelmän säilyttäen puhutun lähteen. Komennossa litterointi toimittaa tunnistetut sanat sovellukselle; mahdollinen toimenpide on erillinen tulkinta- ja suoritusvaihe. Tallenna haastatteluotteen sijainti koko äänitteessä, jotta lainauksen voi tarkistaa oikeasta kohdasta.
Valmistaja hyväksyy WAV-, MP3- ja FLAC-tiedostot, AAC-äänen (myös M4A/MP4-säiliöissä) sekä Opus- tai Vorbis-ääntä sisältävät Ogg-tiedostot. WebM-muotoiset selaintallenteet tulee muuntaa tätä mallia varten Ogg/Opus-, MP3- tai WAV-muotoon; Pro dokumentoi natiivin tuen muille säiliömuodoille. Toimita yksi äänitiedosto pyyntöä kohti. Perusmallin dokumentoitu pyyntökohtainen enimmäiskoko on 50 MiB, ja MP3- sekä Opus-tiedostojen tulee jäädä alle 25 MiB:n. Tiedostokoko ja tallenteen pituus ovat eri asioita: pakattu tiedosto voi mahtua latausrajaan mutta vaatia silti liikaa käsittelyaikaa.
Transcribe 1 on suunniteltu lyhyille tallenteille. Valmistaja suosittelee Prota muutamaa minuuttia pidempään ääneen; pitkä perusmallipyyntö voi epäonnistua käsittelyaikarajan ylittyessä. Kun valmistelet pidemmästä lähteestä lyhyitä litterointikatkelmia, säilytä jokaisen alkusiirtymä ja varmista ennen tulosten yhdistämistä, että palautettu litterointi kattaa koko katkelman. Lisää alkuperäinen siirtymä paikallisiin segmenttiaikoihin, jotta navigointi liittyy koko tallenteeseen. Perusmallin ohjetta ei pidä tulkita Pron erilliseksi 60 minuutin rajaksi.
Valmistajan vastaus sisältää kentät text, duration ja segments. Kesto ilmaistaan sekunteina, ja luettava kokonaislitterointi tulee säilyttää katkelman ensisijaisena sanamuotona. Aikaleimat ovat valinnaisia: ignore_timestamps-asetuksen oletus valmistajan API:ssa on true, kun taas false pyytää sanatason segmentit sekä niiden tekstin ja alku- ja loppuajat sekunteina. Kohdistuksen pyytäminen lisää käsittelyaikaa. Tyhjä segments-taulukko voi tarkoittaa ohitettua ajoitusta, puheen puuttumista tai tilapäisesti puuttuvaa kohdistusta, joten sitä ei pidä automaattisesti tulkita tyhjäksi kokonaislitteroinniksi.
Segmentit ovat yleensä sanoja tai kiinassa ja japanissa yksi tai muutama merkki. Niiden tekstistä puuttuvat välimerkit, ja arvo voidaan normalisoida eri tavalla kuin kokonaislitteroinnissa; se ei ole luettavan vastauksen merkkitarkka kopio. Segmentin alku- ja loppuaika voivat olla samat. Käytä segmenttejä tallenteen kohdan löytämiseen tai ajoitetun esityksen valmisteluun, ja käytä kokotekstiä, kun sanamuoto ja välimerkit ovat olennaisia. Pidä nämä kaksi esitystä erillisinä tuotettavassa aineistossa.
Kieli tunnistetaan automaattisesti riippumatta siitä, annetaanko valinnainen kielivihje. Valmistaja dokumentoi vihjeisiin pienaakkosiset ISO 639-1 -koodit ja palauttaa sovelluslogiikalle kielikoodin sekä näyttämistä varten kielen nimen, kun se on tiedossa. Vastaus ilmoittaa yhden kielen, ei kaikkia kieliä tallenteessa, jossa kieli vaihtuu. Säilytä lähteen sanamuoto ja saatavilla olevat kielimetatiedot tuloksen mukana sen sijaan, että pitäisit litterointipyyntöä käännösoperaationa.
Tekstitystyönkulussa ryhmittele peräkkäiset ajoitetut segmentit luettaviksi tekstitysrepliikeiksi sen sijaan, että näyttäisit yhden sanan kerrallaan. Hyödyllinen tulos on alkuperäiseen katkelmaan liitetty SRT- tai WebVTT-tiedosto, jonka repliikkirajat sopivat taukoihin ja jonka ruututekstin määrä on hallittava. Tarkista puuttuvat ajoitukset ja varmista, että jokainen repliikki päättyy alkamisensa jälkeen. Tekstitysten ryhmittely ja tiedostomuotoilu ovat palautettuun kohdistukseen perustuvia sovellusvaiheita, ja näyttövalintojen tulee sopia soittimeen ja yleisöön.
Transcribe 1:n dokumentoidut säätimet ovat ääni, kielivihje ja aikaleimavalinta. Pron puhujamerkinnät, rakenteiset puheenvuorot, tunnetapahtumien säätimet ja puhujamäärävihjeet ovat erillisiä ominaisuuksia eivätkä kuulu tämän perusmallin dokumentoituun vastaussopimukseen. Valitse tarvittava tuotettava aineisto ennen käsittelyä: muistiinpanoon pelkkä luettava teksti tai toistonavigointiin ja tekstityksiin teksti yhdessä kohdistuksen kanssa. Katkelman tunnisteen, litteroinnin ja saatavilla olevan ajoituksen säilyttäminen tekee tuloksesta hyödyllisen sovelluksen seuraavalle vaiheelle.
Ailoot Ultra · Litterointi POST /v1/audio/transcriptions fish-audio/transcribe-1
fish-audio/transcribe-1Aloitus
Transcribe 1 muuntaa lyhyet äänitallenteet tekstiksi automaattisella kielentunnistuksella ja valinnaisilla sanatason aikaleimoilla. Käytä litterointia äänimuistiinpanoihin, haettaviin katkelmiin tai tekstitysten valmisteluun ja pidä ajoitetut segmentit erillään luettavasta kokotekstistä.
- 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 |
|---|---|---|---|---|
Kenttämodel | Tyyppistring | VaatimusPakollinen | Arvot & rajat fish-audio/transcribe-1 | Oletus— |
Kenttäinput_audio | Tyyppiobject | VaatimusPakollinen | Arvot & rajat | Oletus— |
Menetelmän parametrit ja elinkaari
| Parametri | Sopimus |
|---|---|
Parametricontent_type | Sopimusapplication/json |
Parametrirequired | Sopimusmodel, input_audio |
Parametrimaterial_types | Sopimusaudio |
Parametrimaterial_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 $0.0002 syöteäänen sekuntia kohden |
Ailoot varaa arvioidun summan ennen pyyntöä. Tuloksen jälkeen lopullinen veloitus toteutetaan mitatun käytön perusteella. Suoratoiston veloituksessa käytetään lopullista käyttötietuetta. Varauksen ja lopullisen veloituksen toiminta →
Esimerkkipyynnöt
Ailoot Ultra · Litterointi
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_AUDIO_FILE:?Set the path to your actual PCM WAV recording}"
export AILOOT_AUDIO_FILE
python3 - <<'PY_REQUEST'
import base64, io, json, os, wave
from pathlib import Path
audio = Path(os.environ['AILOOT_AUDIO_FILE']).read_bytes()
if not (audio[:4] == b'RIFF' and audio[8:12] == b'WAVE'):
raise SystemExit('Supply your actual PCM WAV audio file')
with wave.open(io.BytesIO(audio), 'rb') as recording:
if recording.getcomptype() != 'NONE' or recording.getnframes() <= 0:
raise SystemExit('Supply a nonempty PCM WAV recording')
request = {'model': 'fish-audio/transcribe-1', 'input_audio': {'data': base64.b64encode(audio).decode('ascii'), 'format': 'wav'}}
Path('request.json').write_text(json.dumps(request, ensure_ascii=False), encoding='utf-8')
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/transcriptions \
-H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
--data-binary @request.json -D response-headers.txt -o response.bin
# Retain the complete original response, headers and actual X-Client-Request-ID.
# Read existing owned records for recovery; do not resubmit an uncertain operation.
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}/contentGET /v1/media/assetsGET /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 |
|---|---|
Kenttätext (when present) | Tyyppi |
Kenttäusage (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 fish-audio/transcribe-1
Menetelmäpolkujen aliakset
Käytä yllä näytettyjä menetelmäpolkuja.
Liittyvät kutsujan ID:t
FAQ · Fish Audio: Transcribe 1
- Mitä syötteitä ja tuloksia on saatavilla?
POST /v1/audio/transcriptions·fish-audio/transcribe-1:audio→text- Mitä kenttiä pyyntö käyttää?
POST /v1/audio/transcriptions·fish-audio/transcribe-1:model,input_audio