Fish Audio: Transcribe 1

Transcribe 1 ממיר הקלטות אודיו קצרות לטקסט, עם זיהוי שפה אוטומטי וחותמות זמן אופציונליות ברמת המילה. השתמשו בתמליל להודעות קוליות, לקטעים שניתן לחפש בהם או להכנת כתוביות, תוך הפרדה בין מקטעים מתוזמנים לטקסט המלא הקריא.

Ailoot Ultra · תמלול POST /v1/audio/transcriptions fish-audio/transcribe-1

על המודל

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

Transcribe 1 הוא מודל הדיבור־לטקסט הכללי של Fish Audio להקלטות קצרות. הוא מקבל קובץ אודיו ומחזיר את המילים שזוהו כטקסט, לצד משך ההקלטה, מקטעים מתוזמנים לפי בחירה ומידע על השפה כשהוא ידוע. מודל זה שימושי להודעה קולית קצרה, להוראה מדוברת, לקטע מתוך הקלטה או לקליפ אודיו הזקוק לייצוג טקסט קריא.

בתהליך לדוגמה של הודעה קולית שומרים את ההקלטה יחד עם התמליל המלא שלה ומזהה הקטע המקורי. שלב מאוחר יותר ביישום יכול לחפש בטקסט, לארגן את ההערה או לפתח סיכום תוך שמירה על המקור המדובר. בפקודה, התמליל מספק ליישום מילים שזוהו; כל פעולה היא שלב נפרד של פירוש וביצוע. בקטע ריאיון, תעדו את מיקום הקטע באודיו המלא כדי שאפשר יהיה לבדוק ציטוט במקום הנכון.

היצרן מקבל WAV,‏ MP3,‏ AAC כולל M4A/MP4,‏ FLAC ו־Ogg המכיל Opus או Vorbis. יש להמיר הקלטות דפדפן ב־WebM ל־Ogg/Opus,‏ MP3 או WAV עבור מודל זה; ב־Pro מתועדת תמיכה מובנית במכלים נוספים. ספקו קובץ אודיו אחד בכל בקשה. מכסת הבקשה המתועדת של מודל הבסיס היא עד 50 MiB, כאשר קובצי MP3 ו־Opus צריכים להישאר מתחת ל־25 MiB. גודל הקובץ ואורך ההקלטה הם שיקולים נפרדים: קובץ דחוס יכול להתאים למכסת ההעלאה ובכל זאת לדרוש זמן עיבוד ארוך מדי.

Transcribe 1 מיועד להקלטות קצרות. היצרן ממליץ על Pro לאודיו שאורכו יותר מכמה דקות; בקשה ארוכה במודל הבסיס עלולה להיכשל אם היא חורגת ממגבלת זמן העיבוד. בהכנת מקור ארוך יותר לתמלול בקטעים קצרים, שמרו את היסט ההתחלה של כל קטע וודאו שהתמליל שהוחזר מכסה את הקטע המלא לפני איחוד התוצאות. הוסיפו את ההיסט המקורי לזמנים המקומיים של המקטעים כדי שהניווט יישאר מקושר להקלטה המלאה. אין לפרש את ההנחיות למודל הבסיס כמכסת 60 הדקות הנפרדת של Pro.

תגובת היצרן כוללת טקסט, משך ומקטעים. המשך מבוטא בשניות, ויש לשמור את התמליל המלא הקריא כנוסח הראשי של הקטע. חותמות זמן הן אופציונליות: ignore_timestamps מוגדר כברירת מחדל ל־true ב־API של היצרן, ואילו false מבקש מקטעים ברמת המילה עם טקסט וזמני התחלה וסיום בשניות. בקשת יישור זמנים מוסיפה זמן עיבוד. מערך segments ריק יכול לשקף דילוג על תזמון, היעדר דיבור או יישור שאינו זמין זמנית, ולכן אין לפרש אותו אוטומטית כתמליל מלא ריק.

המקטעים הם בדרך כלל מילים, או תו אחד או כמה תווים בסינית וביפנית. הטקסט שלהם משמיט פיסוק ועשוי לנרמל ערך באופן שונה מהתמליל המלא; הוא אינו העתק תו־לתו של התגובה הקריאה. למקטע יכולים להיות זמן התחלה וזמן סיום זהים. השתמשו במקטעים למציאת מיקום בהקלטה או להכנת תצוגה מתוזמנת, ובטקסט המלא כאשר הניסוח והפיסוק חשובים. שמרו על הבחנה בין שני הייצוגים האלה בתוצר.

השפה מזוהה אוטומטית, בין שסופק רמז שפה אופציונלי ובין שלא. היצרן מתעד קודי ISO 639-1 באותיות קטנות לרמזים, ומחזיר קוד שפה ללוגיקת היישום יחד עם שם שפה להצגה, כשהם ידועים. התגובה מדווחת על שפה אחת, ולא על כל השפות בהקלטה שעוברת ביניהן. שמרו את נוסח המקור ואת מטא־נתוני השפה הזמינים עם התוצאה, במקום להתייחס לבקשת התמלול כאל פעולת תרגום.

בתהליך הכנת כתוביות, קבצו מקטעים מתוזמנים רצופים ליחידות כתובית קריאות במקום להציג מילה אחת בכל פעם. פלט שימושי הוא קובץ SRT או WebVTT המקושר לקטע המקורי, עם גבולות כתוביות המתאימים להפסקות וכמות טקסט סבירה על המסך. בדקו תזמון חסר וודאו שסיום כל כתובית מאוחר מהתחלתה. קיבוץ כתוביות ועיצוב הקובץ הם שלבי יישום הנבנים על יישור הזמנים שהוחזר, ובחירות התצוגה צריכות להתאים לנגן ולקהל.

הבקרות המתועדות של Transcribe 1 הן אודיו, רמז שפה ובחירת חותמות הזמן. סמני הדוברים, תורות הדיבור המובנים, בקרות אירועי הרגש ורמזי מספר הדוברים של Pro הם תכונות נפרדות; הם אינם חלק מחוזה התגובה המתועד של מודל הבסיס הזה. בחרו את התוצר הדרוש לפני העיבוד: טקסט קריא פשוט להערה, או טקסט יחד עם יישור זמנים לניווט בהשמעה ולכתוביות. שמירת מזהה הקטע, התמליל וכל תזמון זמין הופכת את התוצאה לשימושית בשלב הבא של היישום.

Ailoot Ultra · תמלול POST /v1/audio/transcriptions fish-audio/transcribe-1

fish-audio/transcribe-1

Fish Audio /fish-audio/transcribe-1

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 fish-audio/transcribe-1	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 $0.0002 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': '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.

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 fish-audio/transcribe-1

כינויים לנתיבי שיטות

השתמשו בנתיבי השיטות המוצגים למעלה.

מזהי מודלים קשורים IDs

fish-audio/transcribe-1

FAQ · Fish Audio: Transcribe 1

אילו קלטים ותוצאות זמינים?: POST /v1/audio/transcriptions · fish-audio/transcribe-1: audio → text
באילו שדות הבקשה משתמשת?: POST /v1/audio/transcriptions · fish-audio/transcribe-1: model, input_audio

Fish Audio: Transcribe 1