Source: https://ailoot.ai/models/hu/fish-audio-transcribe-1-pro/ Canonical: https://ailoot.ai/models/hu/fish-audio-transcribe-1-pro/ Language: hu # Fish Audio: Transcribe 1 Pro [Markdown](https://ailoot.ai/models/hu/fish-audio-transcribe-1-pro/index.md) · [JSON](https://ailoot.ai/models/hu/fish-audio-transcribe-1-pro/facts.json) ## [Fish Audio: Transcribe 1 Pro](https://ailoot.ai/models/hu/fish-audio-transcribe-1-pro/) A Transcribe 1 Pro legfeljebb 60 perces felvételeket alakít szöveggé beszélőjelölésekkel és opcionális szószintű időzítéssel. Megőrzi a kikövetkeztetett érzelmi és hangadási eseményjelzéseket, megkönnyítve az interjúk, megbeszélések és podcastok áttekintését, keresését vagy feliratozásra való előkészítését. - [**Ailoot Ultra · Beszédfelismerés** `POST /v1/audio/transcriptions` `fish-audio/transcribe-1-pro`](https://ailoot.ai/models/hu/fish-audio-transcribe-1-pro/#method-0) A modellről Ez a leírás a modell képességeit ismerteti. Az Ailootban elérhető bemenetek, kimenetek és lehetőségek alább, a kiválasztott metódusnál láthatók. A Transcribe 1 Pro a Fish Audio beszédfelismerő modellje rövid részletekhez, több beszélős beszélgetésekhez és hosszú felvételekhez. Rögzített hangot fogad, és átiratot ad vissza opcionális időzítéssel és strukturált megszólalásokkal. Megkülönböztető jellemzői a szövegben megjelölt beszélőváltások, valamint az érzelmekre vagy hangadási eseményekre utaló jelzések, amelyek a puszta szósornál többet őriznek meg a felvétel beszélgetési szerkezetéből. Interjúnál, megbeszélésnél vagy podcastnál a teljes beszélgetést tartsa egy fájlban, hogy a visszatérő beszélők következetes címkéket őrizhessenek meg a válaszon belül. Hasznos ellenőrzési anyag az eredeti felvételhez kapcsolt átirat, külön megjelenített megszólalásokkal és egy idézet ellenőrzésére használható időbélyeggel. Az összefoglaló vagy teendőlista későbbi alkalmazáslépés: ezt tartsa külön az átirattól, hogy az elhangzott forrás továbbra is rendelkezésre álljon összehasonlításra. A gyártó legfeljebb 60 perces felvételeket fogad el, és a hosszú fájlok feldolgozását tömörített hanggal, például MP3, Opus vagy AAC formátummal írja le. A támogatott formátumok közé tartozik a WAV, MP3, az AAC M4A vagy MP4 tárolóban, a FLAC, az Ogg Opus vagy Vorbis kodekkel, a WebM/Matroska és a MOV. Videófájlnál az első hangsávot használja. Az AIFF, CAF, WMA, AMR, AC-3 és a nyers, fejléc nélküli PCM nem támogatott. Kérésenként egy hangfájl adható meg; az eredmény a teljes felvétel átírása után érkezik, és egy hosszú felvétel feldolgozása több percig is tarthat. A körülbelül 0,08 másodpercnél rövidebb részleteket elutasítja. A gyártó válasza tartalmazza a teljes szöveget, a felvétel másodpercben megadott hosszát és egy segments tömböt. A Pro a beszélőváltásokat a szövegbe illesztett címkékkel jelzi, például \<|speaker:0|\> és \<|speaker:1|\>; egy címke az utána következő szövegre vonatkozik a következő jelölésig. Ezek egy válaszon belüli azonosítók, nem ellenőrzött nevek vagy személyazonosságok, amelyek külön kérések között összekapcsolhatók. Ha az átiratban nincs beszélőjelölés, az útmutató egybeszélős eredményként kezeli. Az első jelölés előtti esetleges szöveget tartsa az első megszólalásnál, ne dobja el. A szószintű időbélyegek opcionálisak. A gyártó kérésében az ignore\_timestamps alapértelmezése true; false értékre állítva szöveget és másodpercben megadott kezdő- és végidőt tartalmazó szegmenseket kér. Egy szegmens általában egy szó, kínaiul és japánul pedig egy vagy néhány karakter. A szegmensszöveg kihagyja az írásjeleket, beszélőjelöléseket és eseményjelzéseket, és egy kimondott értéket a teljes átirattól eltérően normalizálhat. Egy szószegmens kezdő- és végideje azonos is lehet. Az üres segments tömb jelentheti azt, hogy nem kértek időbélyegeket, nem talált beszédet, vagy az időzítés átmenetileg nem volt elérhető. Az olvasható szöveghez a teljes átiratot, az illesztéshez a szegmenseket használja, ahelyett, hogy a két karakterlánc karakterenkénti egyezését feltételezné. A diarize beállítás alapértelmezése auto. Ha időbélyegeket kérnek, és a diarize nem false, a Pro speaker\_turns adatokat is visszaad. Minden megszólalás tartalmazza a beszélőcímkét, a szöveget és a kezdő-/végidőt, megőrizve az írásjeleket és a megtartott jelzéseket, de a szövegbe illesztett beszélőjelölés nélkül. Ha a szószintű időzítés nem elérhető, a megszólalások ideje hozzávetőleges lehet, és lefedheti az egész felvételt; a szomszédos megszólalások nem feltétlenül kapcsolódnak közvetlenül egymáshoz, és átfedhetik egymást. A diarize kikapcsolása eltávolítja a strukturált megszólaláslistát, de a beszélőjelöléseket a teljes szövegben hagyja. Az ismert beszélőszám vagy a minimális és maximális szám a lehetőségekhez mérten segítheti a hosszabb felvételek beszélőinek elkülönítését. A pontos szám nem kombinálható a számhatárokkal, és a számra vonatkozó támpontok nem használhatók kikapcsolt diarize mellett. Az érzelmi és hangadási eseményjelzések szögletes zárójelben álló szövegként jelennek meg, például \[laughter\], a felismert beszéd mellett. Ezek a hangból levont következtetések, nem olyan szavak, amelyeket a felhasználónak átírás előtt hozzá kellene adnia. A Pro tag\_audio\_events beállításának alapértelmezése true; kikapcsolva eltávolítja ezeket a jelzéseket az átiratból és a megszólalások szövegéből, az időzítés módosítása nélkül. Nincs külön érzelemmező vagy rögzített érzelem-felsorolás. Őrizze meg a jelzésekkel ellátott átiratot, amikor számít egy megjegyzés hangzása, és használjon jelzésmentes változatot, amikor a későbbi eredményhez csak az elhangzott szavak kellenek. A nyelvet automatikusan felismeri. Egy opcionális, kisbetűs ISO 639-1 nyelvi támpont nem kényszerít ki fordítást, és nem változtatja meg a Pro átiratát. Ha a nyelv nem állapítható meg, a visszaadott nyelvkód tükrözheti a támpontot anélkül, hogy azt a hanggal összevetve ellenőrizné. A gyártó egyetlen nyelvet jelent, nem egy többnyelvű felvétel összes nyelvének jegyzékét. Kereshető archívum előkészítésekor az eredeti megfogalmazást és a nyelvi metaadatokat tartsa együtt, különösen amikor a beszélgetés eltérő részei nyelvet váltanak. Feliratokhoz az egymást követő, időzített szavakat csoportosítsa olvasható SRT- vagy WebVTT-feliratblokkokba, ahelyett, hogy szavanként egy feliratot készítene. A blokkokat szüneteknél válassza el, hosszukat és megjelenítési idejüket pedig igazítsa a lejátszóhoz és a közönséghez. A megszólaláshatárok külön blokkokban tarthatják az eltérő beszélőket. Ellenőrizze, üres-e az időzítési eredmény, és hogy minden blokk végideje későbbi-e a kezdőidejénél. A feliratformázás, az anonim beszélőcímkékhez rendelt nevek és bármely későbbi összefoglaló az átírás eredményéből épülő alkalmazási eredmények. Gyakorlati felvételi munkafolyamatnál átírás előtt döntse el, hogy egyszerű, olvasható átiratra, jelzésekkel ellátott beszélgetési megszólalásokra vagy időzített feliratokra van-e szüksége. A hangazonosítót tartsa az eredmény mellett, őrizze meg a visszaadott teljes szöveget, amikor fontosak az írásjelek és jelzések, és a navigációhoz használja a strukturált időzítési mezőket. A Pro hosszú felvételekre és több beszélőre vonatkozó képességei különböznek az általános, rövid felvételekhez való Transcribe 1 modelltől; korlátaik és vezérlőik nem tekinthetők felcserélhetőnek. **Ailoot Ultra · Beszédfelismerés** `POST /v1/audio/transcriptions` `fish-audio/transcribe-1-pro` [`fish-audio/transcribe-1-pro`](https://ailoot.ai/models/hu/#m=fish-audio%2Ftranscribe-1-pro&route=Ultra&caller=fish-audio%2Ftranscribe-1-pro&fmt=transcriptions) Fish Audio /`fish-audio/transcribe-1-pro` ### Kezdő lépések A Transcribe 1 Pro legfeljebb 60 perces felvételeket alakít szöveggé beszélőjelölésekkel és opcionális szószintű időzítéssel. Megőrzi a kikövetkeztetett érzelmi és hangadási eseményjelzéseket, megkönnyítve az interjúk, megbeszélések és podcastok áttekintését, keresését vagy feliratozásra való előkészítését. Elfogadott bemenetek Hang Eredmények Szöveg ### Elérhető az Ailootban · bemenetek és metódusok **Ailoot Ultra · Beszédfelismerés** `POST /v1/audio/transcriptions` Bemenet `audio` Kimenet `text` Kimeneti formátum json | Mező | Típus | Követelmény | Értékek és korlátok | Alapértelmezett | | --- | --- | --- | --- | --- | | Mező`model` | Típus`string` | KövetelményKötelező | Értékek és korlátok fish-audio/transcribe-1-pro | Alapértelmezett— | | Mező`input_audio` | Típus`object` | KövetelményKötelező | Értékek és korlátok Pontos kulcsok: data, format | Alapértelmezett— | | Mező`input_audio.data` | Típus`base64_string` | KövetelményKötelező | Értékek és korlátok Maximális dekódolt bájtszám: 26 214 400 Szigorú Base64: Igen | Alapértelmezett— | | Mező`input_audio.format` | Típus`string` | KövetelményKötelező | Értékek és korlátok Feltételek: Egyeznie kell a fájl tényleges vizsgálattal azonosított formátumával | Alapértelmezett— | | Mező`response_format` | Típus`string` | KövetelményOpcionális | Értékek és korlátok json | Alapértelmezett— | Bemeneti anyagok kombinációi **speech\_to\_text** · Kötelező: input\_audio.data, input\_audio.format Metódus paraméterei és életciklusa | Paraméter | Szerződés | | --- | --- | | Paraméter`content_type` | Szerződésapplication/json | | Paraméter`required` | Szerződésmodel, input\_audio | | Paraméter`additional_properties` | Szerződésfalse | | Paraméter`parameters` | Szerződés{"name":"model","type":"string","required":true,"enum":\["fish-audio/transcribe-1-pro"\]}, {"name":"input\_audio","type":"object","required":true,"exact\_keys":\["data","format"\],"data":"a tényleges támogatott hangbájtok szigorúan érvényes base64 kódolása","format":"a fájl vizsgálattal pontosan azonosított formátuma; egyeznie kell a tényleges bájttartalommal"}, {"name":"response\_format","type":"string","required":false,"enum":\["json"\]} | | Paraméter`max_audio_bytes` | Szerződés26214400 | | Paraméter`multipart_for_this_profile` | Szerződésfalse | | Paraméter`material_types` | Szerződésaudio | Életciklus: `synchronous_result_then_owned_library` `GET /v1/media/tasks/{task_id}` · A ténylegesen visszaadott task\_id vagy a médiatár bejegyzése `GET /v1/media/assets/{asset_id}/content` `GET /v1/media/assets` `GET /v1/media/assets/{asset_id}` Őrizze meg a teljes választ és az eredetileg visszaadott azonosítókat. Ismeretlen kimenetelű létrehozást soha ne küldjön be újra. ### Díjcsomagok A díjszabás nem ad új kérési lehetőségeket. A támogatott paraméterek a kiválasztott módszernél szerepelnek. Gyors mód Nincs megadva Ha a gyors mód van kiválasztva Flex mód Nincs megadva Ha a flex mód van kiválasztva Maximális gondolkodási ráfordítás Nincs megadva Ha a maximális gondolkodási ráfordításra a default beállításhoz tartozó korrekció vonatkozik #### Ailoot-díjak #### Árak beállításonként Minden díjat a megjelenített feltételekhez rendeljen. Az alternatív beállítások minden csoportjához egy díjtételt használjon. | Beállítás | Díjtáblázat | Elszámolási egység | Díj | | --- | --- | --- | --- | | BeállításTokenek alapdíjai | DíjtáblázatAlapdíj | Elszámolási egység— | Díj Bemenet · Bemeneti tokenek **—** / 1K token Kimenet · Kimeneti tokenek **—** / 1K token Bemenet · Gyorsítótár olvasása **—** / 1K token Bemenet · Írás a gyorsítótárba **—** / 1K token Bemenet · Írás a gyorsítótárba, 1 óra **—** / 1K token | | Beállításbemeneti hangmásodperc | Díjtáblázat— | Elszámolási egységbemeneti hangmásodpercenként | Díj Bemenet · bemeneti hangmásodperc **$0.0002** bemeneti hangmásodpercenként | Az Ailoot a kérés előtt becsült összeget foglal le. Az eredmény után a mért használat alapján elszámolja a végső díjat. Folyamatos átvitel esetén a végső használati rekordot használja. [A foglalás és az elszámolás működése →](https://ailoot.ai/docs/hu/billing/reserve/) #### A referencia-díjszabás részletei A modellszintű referenciatáblázatok nem módosítják a metódusválasztást, az árajánlatokat vagy a díjakat. A tényleges díjak a kiválasztott Ailoot-metódus díjtételeit használják. Fish Audio: Transcribe 1 Pro #### Árak beállításonként | Beállítás | Elszámolási feltételek | Díj | | --- | --- | --- | | BeállításFish Audio: Transcribe 1 Pro · Alapértelmezett beállítások | Elszámolási feltételekAlapértelmezett konfiguráció | Díj Bemenet · Bemeneti hang másodpercei **0,0002 USD** bemeneti hangmásodpercenként | ### Példakérések #### Ailoot Ultra · Beszédfelismerés curl · tényleges hangbájtok és vizsgálattal azonosított formátum ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" : "${AILOOT_AUDIO_FILE:?Set your actual audio file}" : "${AILOOT_AUDIO_FORMAT:?Set its actual probed file format}" export AILOOT_AUDIO_FILE AILOOT_AUDIO_FORMAT python3 - <<'PY_REQUEST' import json,os from pathlib import Path p=json.loads('{"model": "fish-audio/transcribe-1-pro", "response_format": "json"}') import base64 f=Path(os.environ['AILOOT_AUDIO_FILE']) raw=f.read_bytes() if not raw or len(raw)>26214400:raise SystemExit('Use actual audio bytes within 25 MiB') fmt=os.environ['AILOOT_AUDIO_FORMAT'].strip() if not fmt:raise SystemExit('Use the actual probed format; the server checks it against the bytes') p['input_audio']={'data':base64.b64encode(raw).decode(),'format':fmt} Path('request.json').write_text(json.dumps(p,ensure_ascii=False)) 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 result.json python3 - <<'PY_RESULT' import json from pathlib import Path r=json.loads(Path('result.json').read_text()) print(json.dumps(r,ensure_ascii=False,indent=2)) print('Keep the complete JSON and response headers; do not resubmit an unknown creation.') PY_RESULT ``` ### Eredmények fogadása és mentése #### Ailoot Ultra · Beszédfelismerés json - `GET /v1/media/tasks/{task_id}` - `GET /v1/media/assets/{asset_id}/content` - `GET /v1/media/assets` - `GET /v1/media/assets/{asset_id}` ##### Őrizzen meg minden elkészült eredményt Őrizzen meg minden teljes visszaadott választ, fájlt és tartalomrészt. Őrizze meg a teljes JSON-t, a válaszfejléceket, a szöveget és minden ténylegesen visszaadott felhasználási mezőt. A válaszból vagy a saját médiatárból származó tényleges feladat- és médiaazonosítókat használja; az operation\_id nem task\_id. ##### Ha az eredeti választ ellenőrizni kell Őrizze meg az eredeti operation\_id/X-Client-Request-ID értéket az egyeztetéshez, újbóli beküldés nélkül; nincs külön hangállapot-lekérdezési útvonal. Válaszmezők | Mező | Típus | Jelentés | | --- | --- | --- | | Mező`text` | Típusstring | JelentésÁtírt szöveg. | | Mező`usage` | Típusobject | JelentésHangfelhasználás. | | Mező`usage.seconds` | Típusnumber | JelentésA hang időtartama másodpercben. | | Mező`duration` | Típusnumber | JelentésA hang időtartama másodpercben. | | Mező`task_id` | Típusstring | JelentésAz átírási feladat azonosítója; az asset\_url mezővel együtt érkezik, ha a nem üres átiratot tárolták, közzétették, és aláírt tartalom-URL-címet rendeltek hozzá. | | Mező`asset_url` | Típusstring | JelentésAz átirat aláírt tartalom-URL-címe; a task\_id mezővel együtt érkezik, ha a nem üres átiratot tárolták, közzétették, és aláírt tartalom-URL-címet rendeltek hozzá. | Hibák és következő lépések | Válasz | Feltétel | Következő lépés | | --- | --- | --- | | Válasz400 · `invalid_request_error` | FeltételÉrvénytelen kötelező mezők, az anyag érvénytelen reprezentációja vagy érvénytelen paraméterérték | Következő lépésJavítsa a jelzett mezőket egy új létrehozási kérés előtt. | | Válasz`server_error` | FeltételA visszaadott válasz szerint a művelet vagy az eredmény ellenőrzést igényel | Következő lépésŐrizze meg az eredetileg visszaadott művelet- vagy feladatazonosítót, a kérés fejléceit és a választ; folytassa az eredeti művelet támogatott lekérdezéseit. Ne küldje be újra a létrehozási kérést. | ### Álnevek #### Modell álnevei **Ailoot Ultra** [`fish-audio/transcribe-1-pro`](https://ailoot.ai/models/hu/#m=fish-audio%2Ftranscribe-1-pro&route=Ultra&caller=fish-audio%2Ftranscribe-1-pro&fmt=transcriptions) #### Metódusútvonalak álnevei Használja a fent látható metódusútvonalakat. #### Kapcsolódó modellazonosítók [`fish-audio/transcribe-1-pro`](https://ailoot.ai/models/hu/#m=fish-audio%2Ftranscribe-1-pro&route=Ultra&caller=fish-audio%2Ftranscribe-1-pro&fmt=transcriptions) FAQ · Fish Audio: Transcribe 1 Pro Milyen bemenetek és eredmények érhetők el? `POST /v1/audio/transcriptions` · `fish-audio/transcribe-1-pro`: `audio` → `text` Mely mezőket használja a kérés? `POST /v1/audio/transcriptions` · `fish-audio/transcribe-1-pro`: `model`, `input_audio`, `response_format` Csatlakoztassa az Ailootot a Claude Code-hoz, OpenCode-hoz, Hermeshez vagy saját alkalmazásához. ## A vállalat és projektportfóliója A vállalat és projektportfóliója: ügyfelek milliói; havi értékesítés milliárdos nagyságrendben. ## Vásároljon tokeneket kedvezménnyel. Előfizetési kedvezmény rendszeres munkához. Promókódok — akár 50% tokenvásárlási kedvezmény. Előfizetés Válasszon kedvezményes tarifát a rendszeres kéréseihez. Promókód akár 50%-ig Vásárláskor adja meg a kódot. Az ár az érvényes akció szerint újraszámolódik. Költségek az előzményekben Minden kéréshez megmarad a modell, a tokenek és az összeg. [Előfizetés kiválasztása](https://ailoot.ai/docs/hu/billing/subscriptions/) · [Modellárak megtekintése](https://ailoot.ai/models/hu/) ## Csatlakoztassa az API-t az értékesített termékéhez. SaaS, alkalmazások és botok — az Ailoot ajánlati feltételei és licencszerződése alapján. Viszonteladáshoz kérjen viszonteladói licencet. Kereskedelmi alkalmazás Építsen szöveg-, kép-, videó- és hanggenerálást szolgáltatása fizetős funkcióiba. Viszonteladói licenc Küldje el a projekt leírását és a hozzáférés módját. Kérjen írásos használati és viszonteladási feltételeket. Dokumentumok a weboldalon Az ajánlati feltételek, licencszerződés és adatkezelési szabályzat már a csatlakoztatás előtt elérhető. [Viszonteladói licenc kérése](mailto:support@ailoot.ai) · [Ajánlati feltételek és licencszerződés](https://ailoot.ai/legal/offer?lang=hu) ## Ailoot · A vállalat és projektportfóliója Az Ailoot felhalmozott működési tapasztalatra, széles ügyfélkörre, stabil szolgáltatásra és folyamatos KPI-ellenőrzésre épít. A vállalat és projektportfóliója: ügyfelek milliói; havi értékesítés milliárdos nagyságrendben. Az Ailoot ezt a működési tapasztalatot használja az ügyfelek termékeiben, ágenseiben, alkalmazásaiban és automatizálásaiban elérhető AI-funkciók API-hozzáféréséhez.