A Google Chirp 3 többnyelvű automatikus beszédfelismerő modell, amely az elhangzott beszédet szöveggé alakítja. A Google a Speech-to-Text V2-család Chirp 3 átírási modelljeként dokumentálja, chirp_3 modellazonosítóval. Rendeltetése a rögzített vagy folyamatosan továbbított beszéd felismerése, nyelvfelismeréssel és átírásspecifikus funkciókkal. Az eredmény egy átirat és a választott felismerési módszer által támogatott metaadatok, nem pedig generált beszéd vagy szabad témájú asszisztensválasz.
A gyártó megkülönbözteti a folyamatos felismerést, a rövid klipek szinkron felismerését és a hosszabb felvételek kötegelt felismerését. A módot a forráshang és az elvárt eredmény szerint válassza ki. Egy rövid hangjegyzetnél elég lehet a kész szöveges válasz. Interjúnál vagy rögzített hívásnál hasznosabb lehet a beszélőinformációkat tartalmazó kötegelt eredmény. Élő feliratoknál vagy beszédparancsos felületnél különítse el a köztes szöveget a végleges felismerési eredménytől, és őrizze meg a hozzá tartozó hangintervallumot.
A hangot a felismerési megvalósítás által elvárt kódolásban készítse elő. A Google Chirp 3-példái rögzített fájloknál automatikusan felismert dekódolást, nyers adatfolyam-konfigurációnál pedig explicit dekódolást használnak. A kapcsolódó V2-dekóderreferencia a támogatott kódolások között WAV PCM-et vagy kompandált hangot, FLAC-ot, MP3-at, Ogg/WebM Opust, valamint MP4-, M4A- vagy MOV-konténerben tárolt AAC-t sorol fel. A konténer neve nem helyettesíti a tényleges kodek- és mintavételezési beállításokat. Őrizze meg a tisztán hallható beszédet, és kerülje az erős túlvezérlést vagy a hallható részleteket elveszítő szükségtelen átalakítást.
A Chirp 3 automatikusan képes azonosítani és átírni a domináns nyelvet, a várható nyelvi-területi változatok megadása pedig szűkítheti a felismerési lehetőségeit. A nyelvek elérhetősége módszer és funkció szerint eltér. Az átírási nyelvlista szélesebb a beszélőszétválasztás nyelvlistájánál, ezért egy nyelv felismerhetősége nem igazolja, hogy minden beszélői vagy időzítési funkció alkalmazható rá. A felvételhez illő nyelvi-területi beállítást használja, a más nyelvre váltással elhangzó neveket és a szakkifejezéseket pedig őrizze meg ellenőrzésre. A felismert nyelv címkéje az eredmény része, nem bizonyíték arra, hogy minden szokatlan szó helyesen lett felismerve.
A beszélőszétválasztás egycsatornás felvételnél hang alapján csoportosítja a beszédet. A Google szavankénti beszélőinformációt tartalmazó kötegelt átírási példát ad. Interjúnál őrizze meg ezeket a címkéket a felismert szöveg mellett, és vesse össze a beszélőváltásokat a felvétellel, mielőtt tényleges neveket vagy szerepeket rendelne hozzájuk. A hasonló hangok, a közbeszólások és az egymásra beszélés megnehezíthetik a hozzárendelést. Legyen egyértelmű a forrás csatornakiosztása és a beszélők ellenőrzésére irányuló feladat; a címkét ne kezelje függetlenül igazolt személyazonosságként.
Az időzítés szintén módszerspecifikus. A folyamatos felismerés megnyilatkozásszintű időbélyegeket ad, a gyártó fájlfelismerési útmutatója pedig opcionális szószintű időzítést ír le, ami kompromisszumot jelenthet az átírás minősége szempontjából. Őrizze meg a választott módszer által ténylegesen visszaadott metaadatokat, és a szöveggel együtt ellenőrizze az időbeli illesztést. A feliratozási munkafolyamatnak mindkettőre szüksége van: olvasható felismert szövegre és annak igazolására, hogy az időhatár a megfelelő hanghoz tartozik. A Google arra is figyelmeztet, hogy a visszaadott szószintű megbízhatósági érték nem valódi megbízhatósági pontszám, ezért nem használható egy szó helyességének igazolására.
A beszédadaptáció olyan kifejezéseket és tulajdonneveket ad meg, amelyek várhatóan előfordulnak a felvételen. A gyártó legfeljebb 1,000 kifejezést tartalmazó szótárt dokumentál, és a lehető legkevesebb releváns bejegyzést javasolja, hogy ne romoljon más kifejezések felismerése. Műszaki előadáshoz készítsen rövid listát a tényleges terméknevekről és rövidítésekről, majd ellenőrizze őket az átiratban. A súlyozás segít abban, hogy a felismerés számításba vegyen egy kifejezést; nem igazolja, hogy az valóban elhangzott, és nem helyettesíti a hanggal való összevetést.
A modell automatikus központozást és nagybetűsítést biztosít, amelyeket a dokumentált interfész ki tud kapcsolni. A Google egy előzetes funkciót is leír egyéni átírás-formázási utasításokhoz, például egy adott név vagy dátum írásmódjára. Ezek az utasítások maradjanak a felismert beszéd formázására összpontosítva. A dátumot normalizáló vagy a márkanevet nagybetűsítő átiratnak továbbra is meg kell őriznie az elhangzott jelentést. Az összefoglalás, fordítás vagy tényelemzés az átirat későbbi felhasználása, nem olyan eredmény, amelyet maga a felismerés igazol.
A beépített zajszűrő a háttérzene és a környezeti hangok, például az eső vagy az utcazaj csökkentésére szolgál. A Google kifejezetten közli, hogy a háttérben hallható emberi hangokat nem tudja eltávolítani. Egymásra beszélést tartalmazó felvétel előkészítésekor őrizze meg ezt a különbséget. A zajos és a csendes részeket is ellenőrizze a forrással összevetve ahelyett, hogy a tisztábbnak tűnő átiratot a zavaró hang eltávolításának bizonyítékaként kezelné. A hasznos eredményben a bizonytalan részek azonosíthatók maradnak a javításhoz.
Folyamatos feldolgozásnál a megnyilatkozás végének érzékelésére vonatkozó érzékenységi beállítás szabályozza, mikor tekinti a rendszer befejezettnek a megnyilatkozást. A gyártó standard, short és supershort beállításokat ír le az egyre rövidebb várható beszédhez. A gyorsabb beállítás megszakíthatja azt a beszélőt, aki gondolat közben szünetet tart. A beállítást igazítsa természetes diktáláshoz, rövid mondathoz vagy nagyon rövid parancshoz, és őrizze meg az átirat mellett a végleges eredmény státuszát. Kész fájlnál ellenőrizze a neveket, mennyiségeket, tagadásokat és beszélőhatárokat, majd őrizze meg a választott módot és a forráshangot, hogy az eredmény ellenőrizhető vagy újra felhasználható legyen.
", "aboutText": "A Google Chirp 3 többnyelvű automatikus beszédfelismerő modell, amely az elhangzott beszédet szöveggé alakítja. A Google a Speech-to-Text V2-család Chirp 3 átírási modelljeként dokumentálja, chirp_3 modellazonosítóval. Rendeltetése a rögzített vagy folyamatosan továbbított beszéd felismerése, nyelvfelismeréssel és átírásspecifikus funkciókkal. Az eredmény egy átirat és a választott felismerési módszer által támogatott metaadatok, nem pedig generált beszéd vagy szabad témájú asszisztensválasz.\n\nA gyártó megkülönbözteti a folyamatos felismerést, a rövid klipek szinkron felismerését és a hosszabb felvételek kötegelt felismerését. A módot a forráshang és az elvárt eredmény szerint válassza ki. Egy rövid hangjegyzetnél elég lehet a kész szöveges válasz. Interjúnál vagy rögzített hívásnál hasznosabb lehet a beszélőinformációkat tartalmazó kötegelt eredmény. Élő feliratoknál vagy beszédparancsos felületnél különítse el a köztes szöveget a végleges felismerési eredménytől, és őrizze meg a hozzá tartozó hangintervallumot.\n\nA hangot a felismerési megvalósítás által elvárt kódolásban készítse elő. A Google Chirp 3-példái rögzített fájloknál automatikusan felismert dekódolást, nyers adatfolyam-konfigurációnál pedig explicit dekódolást használnak. A kapcsolódó V2-dekóderreferencia a támogatott kódolások között WAV PCM-et vagy kompandált hangot, FLAC-ot, MP3-at, Ogg/WebM Opust, valamint MP4-, M4A- vagy MOV-konténerben tárolt AAC-t sorol fel. A konténer neve nem helyettesíti a tényleges kodek- és mintavételezési beállításokat. Őrizze meg a tisztán hallható beszédet, és kerülje az erős túlvezérlést vagy a hallható részleteket elveszítő szükségtelen átalakítást.\n\nA Chirp 3 automatikusan képes azonosítani és átírni a domináns nyelvet, a várható nyelvi-területi változatok megadása pedig szűkítheti a felismerési lehetőségeit. A nyelvek elérhetősége módszer és funkció szerint eltér. Az átírási nyelvlista szélesebb a beszélőszétválasztás nyelvlistájánál, ezért egy nyelv felismerhetősége nem igazolja, hogy minden beszélői vagy időzítési funkció alkalmazható rá. A felvételhez illő nyelvi-területi beállítást használja, a más nyelvre váltással elhangzó neveket és a szakkifejezéseket pedig őrizze meg ellenőrzésre. A felismert nyelv címkéje az eredmény része, nem bizonyíték arra, hogy minden szokatlan szó helyesen lett felismerve.\n\nA beszélőszétválasztás egycsatornás felvételnél hang alapján csoportosítja a beszédet. A Google szavankénti beszélőinformációt tartalmazó kötegelt átírási példát ad. Interjúnál őrizze meg ezeket a címkéket a felismert szöveg mellett, és vesse össze a beszélőváltásokat a felvétellel, mielőtt tényleges neveket vagy szerepeket rendelne hozzájuk. A hasonló hangok, a közbeszólások és az egymásra beszélés megnehezíthetik a hozzárendelést. Legyen egyértelmű a forrás csatornakiosztása és a beszélők ellenőrzésére irányuló feladat; a címkét ne kezelje függetlenül igazolt személyazonosságként.\n\nAz időzítés szintén módszerspecifikus. A folyamatos felismerés megnyilatkozásszintű időbélyegeket ad, a gyártó fájlfelismerési útmutatója pedig opcionális szószintű időzítést ír le, ami kompromisszumot jelenthet az átírás minősége szempontjából. Őrizze meg a választott módszer által ténylegesen visszaadott metaadatokat, és a szöveggel együtt ellenőrizze az időbeli illesztést. A feliratozási munkafolyamatnak mindkettőre szüksége van: olvasható felismert szövegre és annak igazolására, hogy az időhatár a megfelelő hanghoz tartozik. A Google arra is figyelmeztet, hogy a visszaadott szószintű megbízhatósági érték nem valódi megbízhatósági pontszám, ezért nem használható egy szó helyességének igazolására.\n\nA beszédadaptáció olyan kifejezéseket és tulajdonneveket ad meg, amelyek várhatóan előfordulnak a felvételen. A gyártó legfeljebb 1,000 kifejezést tartalmazó szótárt dokumentál, és a lehető legkevesebb releváns bejegyzést javasolja, hogy ne romoljon más kifejezések felismerése. Műszaki előadáshoz készítsen rövid listát a tényleges terméknevekről és rövidítésekről, majd ellenőrizze őket az átiratban. A súlyozás segít abban, hogy a felismerés számításba vegyen egy kifejezést; nem igazolja, hogy az valóban elhangzott, és nem helyettesíti a hanggal való összevetést.\n\nA modell automatikus központozást és nagybetűsítést biztosít, amelyeket a dokumentált interfész ki tud kapcsolni. A Google egy előzetes funkciót is leír egyéni átírás-formázási utasításokhoz, például egy adott név vagy dátum írásmódjára. Ezek az utasítások maradjanak a felismert beszéd formázására összpontosítva. A dátumot normalizáló vagy a márkanevet nagybetűsítő átiratnak továbbra is meg kell őriznie az elhangzott jelentést. Az összefoglalás, fordítás vagy tényelemzés az átirat későbbi felhasználása, nem olyan eredmény, amelyet maga a felismerés igazol.\n\nA beépített zajszűrő a háttérzene és a környezeti hangok, például az eső vagy az utcazaj csökkentésére szolgál. A Google kifejezetten közli, hogy a háttérben hallható emberi hangokat nem tudja eltávolítani. Egymásra beszélést tartalmazó felvétel előkészítésekor őrizze meg ezt a különbséget. A zajos és a csendes részeket is ellenőrizze a forrással összevetve ahelyett, hogy a tisztábbnak tűnő átiratot a zavaró hang eltávolításának bizonyítékaként kezelné. A hasznos eredményben a bizonytalan részek azonosíthatók maradnak a javításhoz.\n\nFolyamatos feldolgozásnál a megnyilatkozás végének érzékelésére vonatkozó érzékenységi beállítás szabályozza, mikor tekinti a rendszer befejezettnek a megnyilatkozást. A gyártó standard, short és supershort beállításokat ír le az egyre rövidebb várható beszédhez. A gyorsabb beállítás megszakíthatja azt a beszélőt, aki gondolat közben szünetet tart. A beállítást igazítsa természetes diktáláshoz, rövid mondathoz vagy nagyon rövid parancshoz, és őrizze meg az átirat mellett a végleges eredmény státuszát. Kész fájlnál ellenőrizze a neveket, mennyiségeket, tagadásokat és beszélőhatárokat, majd őrizze meg a választott módot és a forráshangot, hogy az eredmény ellenőrizhető vagy újra felhasználható legyen.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "c85db40d57b1f9e297e8342571dfc652e151298aa408ddf5fd3a88cfcfeb0ba4", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "hu", "methods": [ { "html": "google/chirp-3A Google Chirp 3 többnyelvű beszédfelismerő modell folyamatos hangátvitelhez, rövid felvételekhez és hosszabb anyagok kötegelt átírásához. Automatikus nyelvfelismerést, központozást, szókincs-adaptációt, valamint módtól függő időzítési vagy beszélői metaadatokat biztosít. Zajszűrője csökkenti a háttérzajt, de más emberi hangokat nem tud eltávolítani.
Ez a leírás a modell képességeit ismerteti. Az Ailootban elérhető bemenetek, kimenetek és lehetőségek alább, a kiválasztott metódusnál láthatók.
A Google Chirp 3 többnyelvű automatikus beszédfelismerő modell, amely az elhangzott beszédet szöveggé alakítja. A Google a Speech-to-Text V2-család Chirp 3 átírási modelljeként dokumentálja, chirp_3 modellazonosítóval. Rendeltetése a rögzített vagy folyamatosan továbbított beszéd felismerése, nyelvfelismeréssel és átírásspecifikus funkciókkal. Az eredmény egy átirat és a választott felismerési módszer által támogatott metaadatok, nem pedig generált beszéd vagy szabad témájú asszisztensválasz.
A gyártó megkülönbözteti a folyamatos felismerést, a rövid klipek szinkron felismerését és a hosszabb felvételek kötegelt felismerését. A módot a forráshang és az elvárt eredmény szerint válassza ki. Egy rövid hangjegyzetnél elég lehet a kész szöveges válasz. Interjúnál vagy rögzített hívásnál hasznosabb lehet a beszélőinformációkat tartalmazó kötegelt eredmény. Élő feliratoknál vagy beszédparancsos felületnél különítse el a köztes szöveget a végleges felismerési eredménytől, és őrizze meg a hozzá tartozó hangintervallumot.
A hangot a felismerési megvalósítás által elvárt kódolásban készítse elő. A Google Chirp 3-példái rögzített fájloknál automatikusan felismert dekódolást, nyers adatfolyam-konfigurációnál pedig explicit dekódolást használnak. A kapcsolódó V2-dekóderreferencia a támogatott kódolások között WAV PCM-et vagy kompandált hangot, FLAC-ot, MP3-at, Ogg/WebM Opust, valamint MP4-, M4A- vagy MOV-konténerben tárolt AAC-t sorol fel. A konténer neve nem helyettesíti a tényleges kodek- és mintavételezési beállításokat. Őrizze meg a tisztán hallható beszédet, és kerülje az erős túlvezérlést vagy a hallható részleteket elveszítő szükségtelen átalakítást.
A Chirp 3 automatikusan képes azonosítani és átírni a domináns nyelvet, a várható nyelvi-területi változatok megadása pedig szűkítheti a felismerési lehetőségeit. A nyelvek elérhetősége módszer és funkció szerint eltér. Az átírási nyelvlista szélesebb a beszélőszétválasztás nyelvlistájánál, ezért egy nyelv felismerhetősége nem igazolja, hogy minden beszélői vagy időzítési funkció alkalmazható rá. A felvételhez illő nyelvi-területi beállítást használja, a más nyelvre váltással elhangzó neveket és a szakkifejezéseket pedig őrizze meg ellenőrzésre. A felismert nyelv címkéje az eredmény része, nem bizonyíték arra, hogy minden szokatlan szó helyesen lett felismerve.
A beszélőszétválasztás egycsatornás felvételnél hang alapján csoportosítja a beszédet. A Google szavankénti beszélőinformációt tartalmazó kötegelt átírási példát ad. Interjúnál őrizze meg ezeket a címkéket a felismert szöveg mellett, és vesse össze a beszélőváltásokat a felvétellel, mielőtt tényleges neveket vagy szerepeket rendelne hozzájuk. A hasonló hangok, a közbeszólások és az egymásra beszélés megnehezíthetik a hozzárendelést. Legyen egyértelmű a forrás csatornakiosztása és a beszélők ellenőrzésére irányuló feladat; a címkét ne kezelje függetlenül igazolt személyazonosságként.
Az időzítés szintén módszerspecifikus. A folyamatos felismerés megnyilatkozásszintű időbélyegeket ad, a gyártó fájlfelismerési útmutatója pedig opcionális szószintű időzítést ír le, ami kompromisszumot jelenthet az átírás minősége szempontjából. Őrizze meg a választott módszer által ténylegesen visszaadott metaadatokat, és a szöveggel együtt ellenőrizze az időbeli illesztést. A feliratozási munkafolyamatnak mindkettőre szüksége van: olvasható felismert szövegre és annak igazolására, hogy az időhatár a megfelelő hanghoz tartozik. A Google arra is figyelmeztet, hogy a visszaadott szószintű megbízhatósági érték nem valódi megbízhatósági pontszám, ezért nem használható egy szó helyességének igazolására.
A beszédadaptáció olyan kifejezéseket és tulajdonneveket ad meg, amelyek várhatóan előfordulnak a felvételen. A gyártó legfeljebb 1,000 kifejezést tartalmazó szótárt dokumentál, és a lehető legkevesebb releváns bejegyzést javasolja, hogy ne romoljon más kifejezések felismerése. Műszaki előadáshoz készítsen rövid listát a tényleges terméknevekről és rövidítésekről, majd ellenőrizze őket az átiratban. A súlyozás segít abban, hogy a felismerés számításba vegyen egy kifejezést; nem igazolja, hogy az valóban elhangzott, és nem helyettesíti a hanggal való összevetést.
A modell automatikus központozást és nagybetűsítést biztosít, amelyeket a dokumentált interfész ki tud kapcsolni. A Google egy előzetes funkciót is leír egyéni átírás-formázási utasításokhoz, például egy adott név vagy dátum írásmódjára. Ezek az utasítások maradjanak a felismert beszéd formázására összpontosítva. A dátumot normalizáló vagy a márkanevet nagybetűsítő átiratnak továbbra is meg kell őriznie az elhangzott jelentést. Az összefoglalás, fordítás vagy tényelemzés az átirat későbbi felhasználása, nem olyan eredmény, amelyet maga a felismerés igazol.
A beépített zajszűrő a háttérzene és a környezeti hangok, például az eső vagy az utcazaj csökkentésére szolgál. A Google kifejezetten közli, hogy a háttérben hallható emberi hangokat nem tudja eltávolítani. Egymásra beszélést tartalmazó felvétel előkészítésekor őrizze meg ezt a különbséget. A zajos és a csendes részeket is ellenőrizze a forrással összevetve ahelyett, hogy a tisztábbnak tűnő átiratot a zavaró hang eltávolításának bizonyítékaként kezelné. A hasznos eredményben a bizonytalan részek azonosíthatók maradnak a javításhoz.
Folyamatos feldolgozásnál a megnyilatkozás végének érzékelésére vonatkozó érzékenységi beállítás szabályozza, mikor tekinti a rendszer befejezettnek a megnyilatkozást. A gyártó standard, short és supershort beállításokat ír le az egyre rövidebb várható beszédhez. A gyorsabb beállítás megszakíthatja azt a beszélőt, aki gondolat közben szünetet tart. A beállítást igazítsa természetes diktáláshoz, rövid mondathoz vagy nagyon rövid parancshoz, és őrizze meg az átirat mellett a végleges eredmény státuszát. Kész fájlnál ellenőrizze a neveket, mennyiségeket, tagadásokat és beszélőhatárokat, majd őrizze meg a választott módot és a forráshangot, hogy az eredmény ellenőrizhető vagy újra felhasználható legyen.
POST /v1/audio/transcriptionsaudiotext| Mező | Típus | Követelmény | Értékek és korlátok | Alapértelmezett |
|---|---|---|---|---|
Mezőmodel | Típusstring | KövetelményKötelező | Értékek és korlátok google/chirp-3 | Alapértelmezett— |
Mezőinput_audio | Típusobject | KövetelményKötelező | Értékek és korlátok | Alapértelmezett— |
| Paraméter | Szerződés |
|---|---|
Paramétercontent_type | Szerződésapplication/json |
Paraméterrequired | Szerződésmodel, input_audio |
Paramétermaterial_types | Szerződésaudio |
Paramétermaterial_conditions | SzerződésA példa beolvassa az Ön tényleges, nem üres PCM WAV-fájlját, a fájl teljes bájttartalmát base64 formában kódolja, és az input_audio.format mezőt wav értékkel küldi el. |
Életciklus: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · pontos task_id egy meglévő, Önhöz tartozó médiarekordból
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
A díjszabás nem ad új kérési lehetőségeket. A támogatott paraméterek a kiválasztott módszernél szerepelnek.
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 $0.000533333333334 bemeneti hangmásodpercenként |
Az Ailoot a kérés előtt becsült összeget foglal le. Az eredmény után a mért használat alapján elszámolja a végső díjat. Folyamatos átvitel esetén a végső használati rekordot használja. A foglalás és az elszámolás működése →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_AUDIO_FILE:?Set the path to your actual PCM WAV recording}"\nexport AILOOT_AUDIO_FILE\npython3 - <<'PY_REQUEST'\nimport base64, io, json, os, wave\nfrom pathlib import Path\naudio = Path(os.environ['AILOOT_AUDIO_FILE']).read_bytes()\nif not (audio[:4] == b'RIFF' and audio[8:12] == b'WAVE'):\n raise SystemExit('Supply your actual PCM WAV audio file')\nwith wave.open(io.BytesIO(audio), 'rb') as recording:\n if recording.getcomptype() != 'NONE' or recording.getnframes() <= 0:\n raise SystemExit('Supply a nonempty PCM WAV recording')\nrequest = {'model': 'google/chirp-3', 'input_audio': {'data': base64.b64encode(audio).decode('ascii'), 'format': 'wav'}}\nPath('request.json').write_text(json.dumps(request, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/transcriptions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o response.bin\n# Retain the complete original response, headers and actual X-Client-Request-ID.\n# Read existing owned records for recovery; do not resubmit an uncertain operation.\nA teljes eredeti választörzs, állapot és továbbított fejlécek. Ez a kezelő nem ad hozzá univerzális JSON-szerkezetet, szövegmezőt vagy feladatburkolót.
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}Őrizzen meg minden teljes visszaadott választ, fájlt és tartalomrészt.
Őrizze meg a teljes választ és a fejléceket, minden tényleges kimenetet, az eredetileg visszaadott azonosítókat és az összes használati adatmezőt. Az eredeti műveletet állítsa helyre, a létrehozási kérés újbóli beküldése nélkül.
Őrizze meg a tényleges X-Client-Request-ID értéket és a teljes választ. Kérdezze le az eredeti saját médiaállományokat és pontos aláírt tartalom-URL-címeiket; bizonytalan kimenetelű létrehozást soha ne küldjön be újra.
| Mező | Típus |
|---|---|
Mezőtext (when present) | Típus |
Mezőusage (when present) | Típus |
| Válasz | Feltétel | Következő lépés |
|---|---|---|
Válasz400 · invalid_request_error | FeltételA JSON-törzs vagy a kifejezetten megadott kanonikus modellazonosító érvénytelen. | Következő lépésŐrizze meg a választ, és javítsa a kérés megjelölt mezőjét. |
Válasz401 · authentication_error | FeltételAz Ailoot API-kulcs érvénytelen. | Következő lépésHasználja az engedélyezett Ailoot API-kulcsát. |
Válasz403 · permission_error | FeltételA kulcscsoport nem használhatja ezt a metódust. | Következő lépésŐrizze meg a visszaadott hiba részleteit. |
Válasz404 · not_found_error | FeltételA kiválasztott metódushoz nincs engedélyezett útvonal. | Következő lépésŐrizze meg a visszaadott hiba részleteit. |
Válasz422 · price_unavailable | FeltételAz elfogadott tarifa nem tudja meghatározni a szükséges bemeneti mennyiséget vagy korlátot. | Következő lépésŐrizze meg a választ; használja az elfogadott tarifa által megkövetelt bemeneti formátumot. |
Válasz503 · | FeltételA szükséges tároló, útvonal, metódusár vagy összegzárolás nem érhető el. | Következő lépésŐrizze meg a teljes eredeti választ. A bizonytalan összegzárolás nem jogosít fel az újraküldésre. |
Válasz502 · server_error | FeltételAz eredeti eredményt, a felhasználást vagy az elszámolást ellenőrizni kell. | Következő lépésŐrizze meg a tényleges kérésazonosítót és az eredeti választ. A meglévő saját rekordot kérdezze le; ne küldje be újra a létrehozási kérést. |
Ailoot Ultra google/chirp-3
Használja a fent látható metódusútvonalakat.