ElevenLabs: Scribe v2

ElevenLabs Scribe v2 מתמלל אודיו מוקלט ב־90+ שפות, עם תזמון ברמת המילה, הפרדת דוברים אופציונלית ותגיות לאירועים שאינם דיבור. הוא מיועד להקלטות ארוכות, לכתוביות ולתמלולים ניתנים לעריכה, עם מונחי מפתח תלויי הקשר ובחירה בין תמלול מילולי לתמלול ערוך לשיפור הקריאות.

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

על המודל

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

ElevenLabs Scribe v2 הוא מודל זיהוי דיבור באצווה לאודיו מוקלט, לתמלול וליצירת כתוביות. הוא מבוסס על Scribe v1 ומשפר את הטיפול בהקלטות ארוכות, בהפסקות, בשינויי טון ובשתיקות ממושכות. התוצאה היא דיבור כתוב עם מידע תזמון והערות דוברים ואירועי אודיו אופציונליות. Scribe v2 Realtime היא מהדורה נפרדת לתמלול בזמן אמת; מטרת מודל זה היא עיבוד הקלטות שלמות.

היצרן מתעד זיהוי ביותר מ־90 שפות וזיהוי שפה אוטומטי, לרבות בהקלטות שבהן עוברים בין שפות. רמז לגבי השפה הידועה יכול לסייע למודל לפרש את האודיו. הכינו הקלטה ברורה, שמרו את השפה המקורית ואת השמות, והימנעו מקיטום חמור של אות האודיו או מעיבוד מיותר המסיר פרטי דיבור. קלטים נפוצים ומתועדים כוללים WAV, MP3, FLAC, M4A, AAC, OGG, Opus ו־WebM. בחרו ייצוג קלט הנתמך במימוש התמלול ושמרו את הקלטת המקור לבדיקה.

התשובה הסטנדרטית מכילה את הטקסט שזוהה, מידע על השפה שזוהתה ורצף מילים מתוזמנות. רשומות מילים יכולות לכלול זמני התחלה וסיום, מזהי דוברים ולוג־הסתברות של הזיהוי. אלה הופכים את התוצאה לשימושית לכתוביות, לראיונות הניתנים לחיפוש או לעורך שמאפשר לחזור לצליל הרלוונטי. שמרו את התוצאה המתוזמנת יחד עם אודיו המקור. בפודקאסט, למשל, התוצר יכול להיות תמלול הניתן לעריכה ורשומה המתואמת למילים, המסייעת לאתר תיקונים לפני סידור הכתוביות.

הפרדת דוברים מתייגת מי מדבר ומתי באודיו הכולל כמה דוברים, כאשר היצרן מתעד תמיכה בעד 32 דוברים. הפעילו אותה כאשר חילופי הדוברים חשובים, וספקו מספר דוברים סביר אם הוא ידוע. הבחינו בין תווית דובר שזוהתה לבין שם אדם שאומת. בראיון או בפגישה, בדקו את חילופי הדוברים מול ההקלטה, במיוחד כאשר הקולות חופפים או נשמעים דומים. תווית מסייעת בארגון התמלול; היא אינה מוכיחה באופן עצמאי את זהות הדובר.

להקלטה שבה דובר אחד בכל ערוץ יש מבנה שונה מהקלטה שבה כמה קולות מעורבבים בערוץ אחד. ממשק היצרן יכול לעבד עד חמישה ערוצים בנפרד ולהחזיר תמלולים נפרדים או תמלול משולב המסודר לפי זמן, עם אינדקסי ערוצים. שמרו את מבנה הערוצים כאשר הוא משמעותי. איחוד ערוצים בהקלטת שיחה מופרדת לפני התמלול עלול להשליך מקור שימושי של מידע על הדוברים. הבחינו בין שיוך המבוסס על ערוצים לבין הפרדת דוברים המוסקת מאודיו מעורב. התשובה המשולבת של הערוצים מחייבת חותמות זמן ואינה יכולה לכלול זיהוי ישויות או השחרתן.

הנחיית מונחי מפתח מכוונת זיהוי של שמות, מונחי מוצר ואוצר מילים מקצועי באמצעות ההקשר. תיעוד האצווה הנוכחי מאפשר עד 1,000 מונחים, כאשר כל מונח צריך לכלול פחות מ־50 תווים ולכל היותר חמש מילים. ספקו איותים רלוונטיים במקום קטלוג רחב שאינו קשור למשימה. עבור ראיון טכני, ספקו את שמות המוצרים והקיצורים שסביר שיופיעו, ולאחר מכן בדקו אותם בנקודות הזמן שלהם בתוצאה. מונחי מפתח מטים את הזיהוי; הם אינם הוראות להכניס מונח שאין לו תמיכה בהקלטה.

בחרו את מטרת התמלול לפני עריכתו לשיפור הקריאות. רשומה מילולית משמרת את הניסוח שנאמר, ואילו האפשרות המתועדת no-verbatim מסירה מילות מילוי, התחלות שנקטעו וחוסר שטף כדי ליצור תוצאה קריאה יותר. תיוג אודיו דינמי יכול לזהות אירועים שאינם דיבור, כגון צחוק או צעדים. תמלול מלוטש עשוי להיות שימושי לכתוביות או לקריאה, אך הוא אינו אמור להחליף בשקט את הרשומה הגולמית כאשר חזרות, תיקונים או צלילים שאינם דיבור חשובים למשימה.

היצרן מתעד גם זיהוי ישויות ועריכת תמלול ניסיונית. בממשק היצרן אי אפשר לשלב עריכת תמלול עם זיהוי ישויות, השחרת ישויות או תמלול רב־ערוצי. ישויות שזוהו מספקות מיקומים מובנים למידע נבחר בתמלול. השחרת ישויות אופציונלית מסתירה טקסט שזוהה באמצעות תוויות חלופיות; היא תלויה בזיהוי ישויות, ורשימת הישויות אינה מוחזרת כאשר ההשחרה מופעלת. ההשחרה מתבצעת במהלך התמלול, באמצעות סמן החלפה כללי, תווית קטגוריה או תווית קטגוריה ממוספרת. השחרה אוטומטית עלולה להחמיץ תוכן רגיש, ולכן בדקו את התמלול המושחר לפני שיתופו. עריכה בשפה טבעית מחזירה טקסט ערוך לצד התוצאה המקורית, כך שרשומת התזמון והדוברים המקורית נשארת זמינה. שמרו את התוצרים האלה בנפרד: איות מתוקן או משפט שפורמט מחדש עשויים לדרוש בדיקה חוזרת לפני התאמה לאודיו או שימוש בחילוץ מידע בהמשך. תכונות אלה מעבדות את התמלול; הן אינן מוכיחות שכל פרט חשוב זוהה נכון.

כדי להשלים תמלול, בדקו שמות, מספרים, שלילות וחילופי דוברים באמצעות חזרה לאודיו המתאים. שימו לב למקטעים שקטים, לחפיפות ולמעברים בין שפות במקום להעריך את האיכות רק לפי טקסט שוטף. השאירו ניסוחים לא ודאיים לתיקון במקום להשלים קטע בלתי נשמע במשפט סביר. התוצאה השימושית היא רשומת טקסט שנבדקה, עם מידע התזמון והדוברים הדרוש לשימוש המיועד; לאחר מכן התמלול יכול לשמש קלט לשלב נפרד של סיכום, תרגום או ניתוח.

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

elevenlabs/scribe-v2

ElevenLabs /elevenlabs/scribe-v2

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 elevenlabs/scribe-v2	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 $0.0001222222222222 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': '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.

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 elevenlabs/scribe-v2

כינויים לנתיבי שיטות

השתמשו בנתיבי השיטות המוצגים למעלה.

מזהי מודלים קשורים IDs

elevenlabs/scribe-v2

FAQ · ElevenLabs: Scribe v2

אילו קלטים ותוצאות זמינים?: POST /v1/audio/transcriptions · elevenlabs/scribe-v2: audio → text
באילו שדות הבקשה משתמשת?: POST /v1/audio/transcriptions · elevenlabs/scribe-v2: model, input_audio

ElevenLabs: Scribe v2