AssemblyAI: Universal-3.5 Pro

Universal-3.5 Pro הוא מודל הדיבור־לטקסט של AssemblyAI להפיכת קליפ אודיו קצר לתמליל שלם בתגובה אחת. פרופיל Sync שלו מוסיף ביטחון ברמת מילה, חותמות זמן אופציונליות למילים, רמזי אוצר מילים והקשר משיחה קודמת לקלט קולי ולתהליכי לחיצה לדיבור.

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

על המודל

התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.

Universal-3.5 Pro הוא מודל זיהוי הדיבור של AssemblyAI להמרת דיבור מוקלט לטקסט. בפרופיל Sync שלו, קליפ אודיו קצר מפיק תמליל שלם בתגובה אחת. זה מתאים להודעות קוליות, לקלט בלחיצה לדיבור ולסבבי שיחה נפרדים שבהם היישום כבר יודע מתי ההקלטה צריכה להסתיים.

הכינו את האודיו כקליפ תחום. דרישות Sync של AssemblyAI מקבלות משכים מ־80 מילישניות עד 120 שניות, עם גודל קובץ מרבי של 40 MB. הפורמטים הנתמכים הם WAV או PCM גולמי עם דגימות של 16 סיביות בעלות סימן, בסדר בתים little-endian. האודיו יכול להיות מונו או סטריאו, כאשר סטריאו מעורבל פנימית למונו. קצבי הדגימה הנתמכים הם 8, 16, 22.05, 24, 32, 44.1 ו־48 kHz. כותרת WAV מספקת קצב דגימה ומספר ערוצים; PCM גולמי דורש לספק את הערכים האלה בנפרד בתצורת התמלול.

לכדו את האמירה בשלמותה ושימרו את תחילת הדיבור וסופו ללא חיתוך. משימה מקורית שימושית היא הודעה קולית קצרה לתמיכה במוצר המכילה שם מוצר, מזהה הזמנה ובקשה. שימרו את קליפ המקור כדי שאפשר יהיה לבדוק מולו את הפרטים החשובים בתמליל. להקלטה ארוכה יותר, הכינו תהליך מתאים לתמלול ארוך במקום לראות במגבלת משך הקליפ הקצר טענה על קיבולת האודיו של המודל כולו.

התוצאה מכילה את התמליל המלא, רשימת מילים עם ביטחון לכל מילה ורמת ביטחון כוללת בין אפס לאחת. היא מספקת גם את משך האודיו שנשלח ומזהה בקשה, המאפשרים לשמור את הטקסט קשור לקליפ המקורי. השתמשו בביטחון ברמת מילה כדי לאתר קטעים הראויים לבדיקה בהאזנה, במיוחד שמות, מספרים ואוצר מילים מקצועי החשובים ליישום.

חותמות זמן למילים הן אופציונליות וכבויות כברירת מחדל. כשמבקשים אותן, כל מילה שיושרה יכולה לשאת זמני התחלה וסיום במילישניות יחסית לתחילת הקליפ. פרופיל היצרן משאיר את הערכים חסרים כשאי אפשר ליישר מילה, במקום להמציא תזמון מקורב. דיוק חותמות הזמן מיטבי באודיו באנגלית. שימרו תזמונים חסרים במפורש בהכנת הדגשת מילים, תצוגת צורת גל הניתנת לחיפוש או יישור כתוביות, והשוו את הטקסט להקלטה לפני שימוש בו כערוץ כתוביות מוגמר.

הנחיית הקשר מתארת במה עוסקת ההקלטה. היא יכולה לציין תחום, תרחיש או פרטים מסוימים שהיישום כבר יודע, ואורכה המרבי הוא 6000 תווים. התחילו בתיאור קצר המתאים לאודיו, כגון שיחת תמיכה טכנית על מכשיר מסוים. ההנחיה מספקת הקשר לזיהוי; אינה בקשה לשכתב את הודעת הדובר למסמך אחר.

רשימת מונחי מפתח נפרדת מכוונת את הזיהוי לאוצר מילים מסוים. פרופיל Sync מקבל עד 100 מונחים ו־8000 תווים ברשימה כולה. השתמשו באיות מדויק לשמות לא רגילים, לראשי תיבות או למונחי מוצר, והשאירו מילים רגילות המזוהות היטב מחוץ לרשימה. רשימות גדולות או מיותרות עלולות לגרום לתיקוני יתר, לכן מקדו את הרשימה במילים החשובות בהקלטה. אפשר להשתמש יחד בתיאור ההקשר וברשימת אוצר המילים.

גם שיחה קודמת יכולה לסייע בפירוש תשובה קצרה. ספקו אמירות קודמות בסדר כרונולוגי, מהישנה לחדשה, בעוד האודיו הנוכחי נשאר הסבב המתומלל. מכסת ההקשר המתועדת היא 500 סבבים או 16,000 תווים בסך הכול. אם היסטוריית השיחה חורגת מהתקרות האלה או מהקשר המודל הזמין, הרשומות הישנות ביותר מוסרות תחילה. זה שימושי כשתשובה קצרה מכילה מזהה או התייחסות שמשמעותם באה מהשאלה הקודמת.

בחירת שפה מכוונת את הזיהוי לשפה צפויה אחת או לכמה שפות. ממשק Sync הנוכחי מקבל 32 קודי שפה ומשתמש באנגלית כברירת מחדל אם לא סופקה בחירה. לאודיו המחליף בין שפות, רשמו את השפות הצפויות. הנחיית הקשר מותאמת מחליפה את ברירת המחדל המנוהלת וגוברת על הכוונת קודי השפה הנפרדת, לכן ציינו בתוך ההנחיה את השפות הצפויות כשנדרשים גם הקשר שפה וגם הקשר תרחיש. שימרו את התמליל בשפות שנאמרו בפועל במקום לראות בתמלול הוראת תרגום.

המודל מופיע גם בתהליכי תמלול אחרים של AssemblyAI, בעוד דרישות הקליפ הקצר ושדות התוצאה של פרופיל Sync שייכים לממשק המסוים הזה. תהליך Dictation של היצרן מוסיף שלב נפרד לניקוי טקסט; תמליל והודעה משוכתבת הם תוצרים שונים. שימרו את הדיבור שזוהה אם שלב עריכה או סיכום מאוחר יוצר גרסה מנוקה, כדי שהנוסח המקורי יישאר זמין להשוואה.

תוצרים שימושיים כוללים הודעה קולית מתומללת, סבב שהושלם לעוזר, טקסט של אודיו קצר שניתן לחיפוש או רשימת מילים מתוזמנת לממשק בדיקה. בדקו מילים מכריעות מול ההקלטה, שימרו יישורים חסרים ושימרו את הקליפ קשור לטקסט המוחזר. תוצאת הזיהוי מספקת לשלב הבא ביישום תמלול מגובה מקור; מענה לבקשה או עריכת ההודעה שייכים לתהליך שסביבו.

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

assemblyai/universal-3-5-pro

AssemblyAI /assemblyai/universal-3-5-pro

התחלה

סוגי קלט נתמכים: שמע
תוצאות: טקסט

זמין ב-Ailoot · קלט ושיטות

Ailoot Ultra · תמלול POST /v1/audio/transcriptions

סוגי קלט: audio
סוגי פלט: text

שדה	סוג	דרישה	ערכים ומגבלות	ברירת מחדל
שדה`model`	סוג`string`	דרישהחובה	ערכים ומגבלות assemblyai/universal-3-5-pro	ברירת מחדל—
שדה`input_audio`	סוג`object`	דרישהחובה	ערכים ומגבלות	ברירת מחדל—

פרמטרים ומחזור חיים של השיטה

פרמטר	מפרט
פרמטר`content_type`	מפרטapplication/json
פרמטר`required`	מפרטmodel, input_audio
פרמטר`material_types`	מפרטaudio
פרמטר`material_conditions`	מפרטהדוגמה קוראת את קובץ ה־PCM WAV הממשי והלא ריק שלכם, מקודדת את כל הבתים של הקובץ ב־base64 ושולחת את input_audio.format בערך wav.

מחזור חיים: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · task_id המדויק מרשומת מדיה קיימת שבבעלותכם

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

תעריפים

מידע תעריפים אינו מוסיף אפשרויות לבקשה. הפרמטרים הנתמכים מפורטים בשיטה שנבחרה.

מצב מהיר: לא צוין כאשר נבחר מצב מהיר
מצב Flex: לא צוין כאשר נבחר מצב flex
מאמץ חשיבה מרבי: לא צוין כאשר מאמץ החשיבה המרבי משתמש בהתאמת ברירת המחדל (default)

תעריפי Ailoot

מחירים לפי תצורה

התאימו כל חיוב לתנאים המוצגים. השתמשו בתעריף אחד לכל קבוצה של תצורות חלופיות.

תצורה	טבלת תעריפים	יחידת חיוב	חיוב
תצורהתעריפי בסיס לטוקנים	טבלת תעריפיםתעריף בסיס	יחידת חיוב—	חיוב קלט · טוקני קלט — / 1K טוקנים פלט · טוקני פלט — / 1K טוקנים קלט · קריאה מהמטמון — / 1K טוקנים קלט · כתיבה למטמון — / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים
תצורהשניית שמע בקלט	טבלת תעריפים—	יחידת חיובלכל שניית שמע בקלט	חיוב קלט · שניית שמע בקלט $0.00025 לכל שניית שמע בקלט

לפני הבקשה Ailoot משריינת סכום משוער. לאחר קבלת התוצאה היא מסדירה את החיוב הסופי לפי השימוש המדוד. הסדרת חיוב בהזרמה משתמשת ברשומת השימוש הסופית. איך פועלים שריון הסכום והסדרת החיוב →

דוגמאות לבקשות

Ailoot Ultra · תמלול

curl · קובץ WAV אמיתי והתוצאה המקורית המלאה

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.

קבלה ושמירה של תוצאות

Ailoot Ultra · תמלול

גוף התגובה המקורי במלואו, הסטטוס והכותרות שהועברו. המטפל הזה אינו מוסיף מבנה JSON אחיד, שדה טקסט או מעטפת משימה.

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

שמירת כל התוצאות שהושלמו

שמרו כל תגובה מלאה, קובץ ומקטע תוכן שהוחזרו.

שמרו את התשובה המלאה ואת הכותרות, כל פלט שהתקבל בפועל, את המזהים המקוריים שהוחזרו ואת כל שדות השימוש. שחזרו את הפעולה המקורית בלי לשלוח שוב בקשת יצירה.

כשצריך לבדוק את התגובה המקורית

יש לשמור את X-Client-Request-ID הממשי ואת התגובה המלאה. יש לקרוא את הנכסים המקוריים שבבעלותכם ואת כתובות התוכן החתומות המדויקות שלהם; אין לשלוח שוב בקשת יצירה שתוצאתה אינה ודאית.

שדות התגובה

שדה	סוג
שדה`text (when present)`	סוג
שדה`usage (when present)`	סוג

שגיאות והשלבים הבאים

תגובה	תנאי	השלב הבא
תגובה⁦400⁩ · `invalid_request_error`	תנאיגוף ה־JSON או מזהה המודל הקנוני המפורש אינם תקפים.	השלב הבאיש לשמור את התגובה ולתקן את שדה הבקשה שצוין.
תגובה⁦401⁩ · `authentication_error`	תנאימפתח ה־API של Ailoot אינו תקף.	השלב הבאיש להשתמש במפתח ה־API המורשה שלכם של Ailoot.
תגובה⁦403⁩ · `permission_error`	תנאיהקבוצה של המפתח אינה מורשית להשתמש בשיטה הזו.	השלב הבאיש לשמור את פרטי השגיאה שהוחזרו.
תגובה⁦404⁩ · `not_found_error`	תנאילשיטה שנבחרה אין נתיב מאושר לשימוש.	השלב הבאיש לשמור את פרטי השגיאה שהוחזרו.
תגובה⁦422⁩ · `price_unavailable`	תנאילא ניתן להשיג עבור התעריף שהתקבל את כמות הקלט או את הגבול הנדרשים לו.	השלב הבאיש לשמור את התגובה; יש להשתמש בייצוג הקלט הנדרש בתעריף שהתקבל.
תגובה⁦503⁩ ·	תנאיהאחסון, הנתיב, מחיר השיטה או שריון הסכום הנדרשים אינם זמינים.	השלב הבאיש לשמור את התגובה המקורית המלאה. שריון סכום שמצבו אינו ודאי אינו מתיר שליחה חוזרת.
תגובה⁦502⁩ · `server_error`	תנאייש לבדוק את התוצאה המקורית, את נתוני השימוש או את השלמת החיוב.	השלב הבאיש לשמור את מזהה הבקשה הממשי ואת התגובה המקורית. יש לקרוא את הרשומה הקיימת שבבעלותכם; אין לשלוח שוב בקשת יצירה.

כינויים

כינויים למודל

Ailoot Ultra assemblyai/universal-3-5-pro

כינויים לנתיבי שיטות

השתמשו בנתיבי השיטות המוצגים למעלה.

מזהי מודלים קשורים IDs

assemblyai/universal-3-5-pro

FAQ · AssemblyAI: Universal-3.5 Pro

אילו קלטים ותוצאות זמינים?: POST /v1/audio/transcriptions · assemblyai/universal-3-5-pro: audio → text
באילו שדות הבקשה משתמשת?: POST /v1/audio/transcriptions · assemblyai/universal-3-5-pro: model, input_audio

AssemblyAI: Universal-3.5 Pro